KLASIFIKASI TINGKAT KECANDUAN GADGET PADA ANAK-ANAK MENGGUNAKAN ALGORITMA DECISION TREE C5.0

Abstract

Perkembangan teknologi informasi yang pesat telah meningkatkan intensitas penggunaan gadget pada anak sejak usia dini untuk kebutuhan belajar maupun hiburan. Namun, penggunaan yang berlebihan menimbulkan dampak negatif yang signifikan terhadap perkembangan fisik, psikologis, dan sosial anak, seperti penurunan minat belajar, perubahan suasana hati, hingga berkurangnya interaksi sosial. Permasalahan utama yang dihadapi adalah sulitnya bagi orang tua maupun pihak terkait untuk mendeteksi tingkat kecanduan tersebut secara dini dan objektif tanpa bantuan alat ukur otomatis. Penelitian ini bertujuan untuk membangun sistem klasifikasi tingkat kecanduan gadget pada anak-anak menggunakan algoritma Decision Tree C5.0. Data yang digunakan mencakup 124 data kuesioner perilaku penggunaan gadget yang diperoleh melalui pengumpulan data primer. Metodologi penelitian meliputi tahap preprocessing data, dilanjutkan dengan permodelan menggunakan algoritma C5.0, serta evaluasi sistem menggunakan confusion matrix multi-class. Hasil pengujian sistem menunjukkan bahwa algoritma Decision Tree C5.0 mampu mengklasifikasikan 23 dari 25 data testing secara tepat, sehingga menghasilkan tingkat akurasi keseluruhan yang sangat baik sebesar 92%. Secara lebih spesifik berdasarkan evaluasi confusion matrix multi-class, model menunjukkan performa sempurna pada kategori "Tidak Kecanduan" dengan nilai presisi 100%, recall 100%, dan F1-score 100%. Pada kategori "Kecanduan Ringan", model mencatatkan presisi 100%, recall 66,67%, dan F1-score 80%. Sedangkan pada kategori "Kecanduan Berat", kemampuan identifikasi sangat kuat dengan presisi 86,67%, recall 100%, dan F1-score 93,05%. Dengan hasil tersebut, sistem ini dinilai memiliki performa yang handal dan dapat diimplementasikan sebagai alat bantu bagi orang tua dalam mendeteksi tingkat kecanduan gadget pada anak secara otomatis dan akurat