ANALISIS TINGKAT KECENDERUNGAN FEAR OF MISSING OUT MENGGUNAKAN ALGORITMA RANDOM FOREST PADA MEDIA SOSIAL

Abstract

Media sosial telah menjadi salah satu platform digital yang banyak digunakan saat ini. Fear of Missing Out menjadi salah satu kendala yang sering dialami para pengguna media sosial yang dampaknya cukup buruk. Adapun tujuan dari penilitian ini yaitu untuk menganalisis tingkat kecenderungan FoMO pada media sosial menggunakan teknik data mining. Data survei kuesioner yang telah terkumpul akan digunakan sebagai sumber data. Penelitian ini akan menggunakan metode data mining klasifikasi algoritma Random forest untuk mengklasifikasikan tingkat kecenderungan FoMO pada media sosial. Selanjutnya, dataset dibagi menjadi data latih dan uji menggunakan beberapa skema rasio pembagian data, lalu dilakukan pemodelan dengan menggunakan algoritma Random forest untuk memprediksi tingkat kecenderungan Fomo. Model dievaluasi dengan confusion matrix untuk mengukur performa klasifikasi. Hasil penelitian ini menunjukkan bahwa algoritma Random forest menunjukkan akurasi cukup tinggi yaitu 88,2% pada data uji yang digunakan untuk kalsifikasi dengan 43 True Negative dan 4 False Positive untuk kelas Tidak Fomo, dengan nilai presisi 91,48%, recall 86,00%, dan F1-Score 88,65%. Pada kelas Fomo, model memiliki 40 True Positive dan 7 False Negatif, dengan nilai presisi 90,90%, recall 85,10%, dan F1-Score 87,85%. Analisis keseluruhan menunjukkan bahwa model Random Forest dapat dengan baik mengklasifikasikan tingkat kecenderungan FoMO pada media sosial.