ETD - UIR

Electronic Thesis and Dissertation

  • Home
  • Information
  • News
  • Help
  • Librarian
  • Member Area
    Member Login Online Registration
  • Select Language :
    Arabic Bengali Brazilian Portuguese English Espanol German Indonesian Japanese Malay Persian Russian Thai Turkish Urdu

Search by :

ALL Author Subject NPM Advanced Search

Last search:

{{tmpObj[k].text}}
Image of DATA MINING UNTUK KLASIFIKASI TINGKAT KECANDUAN APLIKASI TIKTOK TERHADAP MAHASISWA RIAU MENGGUNAKAN METODE RANDOM FOREST
Bookmark Share

Text

DATA MINING UNTUK KLASIFIKASI TINGKAT KECANDUAN APLIKASI TIKTOK TERHADAP MAHASISWA RIAU MENGGUNAKAN METODE RANDOM FOREST

M. RIZKI ALFARISI - Personal Name; Mutia Fadhilla - Personal Name;

Tiktok merupakan media sosial yang saat ini banyak digunakan para mahasiswa, salah satunya mahasiswa di Provinsi Riau. Tiktok memiliki banyak dampak positif, akan tetapi, Tiktok tidak luput dari dampak negatifnya. Salah satunya yaitu kecanduan terhadap Tiktok. Hal ini dapat mempengaruhi aktivitas sosial dan juga akademik para mahasiswa. Penelitian ini bertujuan untuk pengolahan data, sehingga dapat mengklasifikasikan tingkat kecanduan Tiktok pada mahasiswa Riau dengan metode random forest, salah satu dari beberapa algoritma pada data mining yang diketahui memiliki tingkat akurasi yang cukup tinggi pada proses klasifikasi. Data dikumpulkan dengan menyebarkan kuesioner pada para mahasiswa yang berada di Provinisi Riau melalui platform google form, lalu data diolah dan dianalisis dengan metode Random Forest, dengan proses yaitu preprocessing data, pemilihan fitur, training model, dan evaluasi performa. Hasil dari penilitian menunjukkan metode Random Forest dapat memberikan hasil klasifikasi tingkat kecanduan Tiktok dengan tingkat akurasi yang tinggi. Model yang dikembangkan diharapkan untuk dapat menjadi dasar untuk Lembaga Pendidikan dan pihak terkait dalam merancang strategi untuk mengurangi tingkat kecanduan Tiktok pada mahasiswa. Setelah dilakukan pengujian dengan menggunakan metode Black Box Testing, didapatkan kesimpulan bahwa sistem telah berjalan dengan baik secara fungsional, serta hasil klasifikasi dengan n_estimators = 11, menunjukkan bahwa sistem telah mencapai tingkat akurasi sebesar 95.35%, tingkat presicion sebesar 95.30%, dan tingkat recall sebesar 95.35%. hal ini telah menunjukkan bahwa tingkat kecanduan tiktok dapat diprediksi dengan baik menggunakan metode random forest.


Availability
#
Teknik Informatika (Fakultas Teknik) Location name is not set
ETD2488II
Available but not for loan - ETD
Detail Information
Call Number
-
Language
Indonesia
NPM
203510357
Publisher
Teknik Informatika : Universitas Islam Riau., 2025
Keyword(s)
Kata kunci : Data Mining, Random Forest, Kecanduan
Other Information
Petugas
Budi Santoso
Other version/related

No other version available

File Attachment
  • Please login to see this attachment
Comments

You must be logged in to post a comment

ETD - UIR
  • Information
  • Services
  • Librarian
  • Member Area

About Us

As a complete Library Management System, SLiMS (Senayan Library Management System) has many features that will help libraries and librarians to do their job easily and quickly. Follow this link to show some features provided by SLiMS.

Search

start it by typing one or more keywords for title, author or subject

Keep SLiMS Alive Want to Contribute?

© 2026 — Senayan Developer Community

Powered by SLiMS
Select the topic you are interested in
  • Computer Science, Information & General Works
  • Philosophy & Psychology
  • Religion
  • Social Sciences
  • Language
  • Pure Science
  • Applied Sciences
  • Art & Recreation
  • Literature
  • History & Geography
Icons made by Freepik from www.flaticon.com
Advanced Search
Where do you want to share?