Text
KLASIFIKASI TINGKAT KECANDUAN GAME ONLINE DENGAN MENGGUNAKAN METODE NAIVE BAYES
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.
No other version available