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 KLASIFIKASI TINGKAT KECANDUAN GAME ONLINE DENGAN MENGGUNAKAN METODE NAIVE BAYES
Bookmark Share

Text

KLASIFIKASI TINGKAT KECANDUAN GAME ONLINE DENGAN MENGGUNAKAN METODE NAIVE BAYES

AL IMRON - Personal Name; Octadino Haryadi - Personal Name;

Perkembangan teknologi informasi dan komunikasi yang semakin pesat telah membawa pengaruh besar. Salah satu pada bidang hiburan digital seperti game online. Game online menjadi salah satu hiburan yang banyak digemari karena menawarkan berbagai jenis permainan yang dapat dimainkan bersama orang lain secara real-time melalui jaringan internet. Namun, penggunaan game online yang berlebihan berisiko menimbulkan kecanduan dan berdampak negatif terhadap kesehatan. Maka perlu dibangun sistem klasifikasi tingkat kecanduan game online. Aplikasi ini dibangun menggunakan metode Naïve Bayes untuk mengklasifikasikan tingkat kecanduan game online. Data penelitian diperoleh sebanyak 320 data, terdiri dari 200 data sekunder yang diambil dari penelitian terdahulu dan 120 data primer yang diperoleh melalui penyebaran kuesioner kepada responden. Instrumen kuesioner disusun berdasarkan enam parameter yang mengacu pada Young Internet Addiction Test (IAT), yaitu salience, excessive use, neglect work, anticipation, lack of control, dan neglect of social life. Data yang terkumpul kemudian diproses melalui tahapan preprocessing, pembagian data menjadi 80% data latih dan 20% data uji.Evaluasi kinerja sistem dilakukan dengan confusion matrix untuk memperoleh nilai akurasi, presisi, recall, dan F1-score. Hasil pengujian menunjukkan bahwa algoritma Naive Bayes mampu memberikan akurasi tertinggi sebesar 89,06%, sedangkan algoritma K-Nearest Neighbor hanya mencapai 87,5% dan Decision Tree 85,94%. Selain unggul dari sisi akurasi, metode Naive Bayes juga menunjukkan performa yang lebih baik pada nilai presisi dan recall dibandingkan kedua metode lainnya.


Availability
#
Teknik Informatika (FAKULTAS TEKNIK) Location name is not set
ETD3512II
Available but not for loan - ETD
Detail Information
Call Number
-
Language
Indonesia
NPM
193510724
Publisher
Teknik Informatika : Universitas Islam Riau., 2026
Keyword(s)
Naive Bayes
Game Online
Klasifikasi
,kecanduan
co nfusion matrix.
Other Information
Petugas
Ayu Agustina
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?