EUVIMEDEUVIMED entdecken
Open Access · CC BY-SA 4.0

Prediksi Tingkat Kecanduan Media Sosial Generasi Z Menggunakan Algoritme PSO Dan Decision tree

Anisah Masyuuroh, Deni Mahdiana, Nidya Kusumawardhany

Jurnal Ticom: Technology of Information and Communication · 31.01.2026 · 14 (2) · 68-74

DOI: 10.70309/ticom.v14i2.198 ↗

Kurz gefasst

Fachartikel in der Zeitschrift Jurnal Ticom: Technology of Information and Communication, online erschienen am 31.01.2026. Verfasst von Anisah Masyuuroh und 2 weiteren Autor:innen. Der Volltext ist frei zugänglich (Open Access, CC BY-SA 4.0).

AbstractBibliografische AngabenZitierenVerwandte Studien

Abstract (Originalsprache)

Tingginya penggunaan media sosial di kalanganGenerasi Z dapat menyebabkan kecanduan, yang sering dianggapsebagai hal yang wajar. Namun, kondisi ini berdampak negatifterhadap kesehatan mental dan produktivitas, seperti gangguantidur, penurunan fokus belajar maupun bekerja, sertameningkatnya kecemasan akibat perbandingan sosial di duniamaya. Beberapa individu bahkan mengalami ketergantunganemosional terhadap validasi digital dalam bentuk jumlah like,komentar, atau interaksi lainnya. Oleh karena itu, deteksi diniterhadap tingkat kecanduan media sosial sangat diperlukanuntuk mencegah dampak jangka panjang yang merugikan,terutama bagi generasi Z yang sangat terhubung secara digital.Penelitian ini bertujuan untuk mengestimasi tingkat kecanduanmedia sosial pada Generasi Z menggunakan metode Decision tree,yang dipilih karena kemampuannya dalam menghasilkanklasifikasi yang akurat serta model yang mudah dipahami.Melalui pembagian data berdasarkan atribut-atribut tertentuyang relevan, metode ini memungkinkan pengenalan polaperilaku digital secara sistematis dan terstruktur. AlgoritmaDecision tree dalam penelitian ini dioptimalkan melaluipenerapan Particle Swarm Optimization (PSO), yang berfungsiuntuk memilih fitur-fitur yang paling berpengaruh danmengoptimalkan struktur model guna menghasilkan performaprediksi yang lebih optimal. Hasil penelitian menunjukkan bahwamodel Decision tree mampu memprediksi tingkat kecanduandengan akurasi sebesar 93.75%, recall 94,20%, dan precision95,16%. Setelah dilakukan optimasi dengan PSO, akurasimeningkat menjadi 96.42%, recall 97,03%, dan precision 97,00%.Hasil ini menunjukkan bahwa kombinasi metode Decision treedan PSO secara signifikan mampu meningkatkan performaprediksi model.

Zitieren

APA

Masyuuroh, A., Mahdiana, D., & Kusumawardhany, N. (2026). Prediksi Tingkat Kecanduan Media Sosial Generasi Z Menggunakan Algoritme PSO Dan Decision tree. Jurnal Ticom: Technology of Information and Communication, 14(2), 68-74. https://doi.org/10.70309/ticom.v14i2.198

Vancouver

Masyuuroh A, Mahdiana D, Kusumawardhany N. Prediksi Tingkat Kecanduan Media Sosial Generasi Z Menggunakan Algoritme PSO Dan Decision tree. Jurnal Ticom: Technology of Information and Communication. 2026;14(2):68-74. doi:10.70309/ticom.v14i2.198

BibTeX
@article{Masyuuroh2026,
  author = {Masyuuroh, Anisah and Mahdiana, Deni and Kusumawardhany, Nidya},
  title = {Prediksi Tingkat Kecanduan Media Sosial Generasi Z Menggunakan Algoritme PSO Dan Decision tree},
  journal = {Jurnal Ticom: Technology of Information and Communication},
  year = {2026},
  volume = {14},
  number = {2},
  pages = {68--74},
  doi = {10.70309/ticom.v14i2.198}
}
Kostenlos starten →