Klasifikasi Kecanduan Smartphone pada Pelajar Sekolah Menengah Atas menggunakan Metode Machine Learning Berbasis Feature Weighting

Kecanduan terhadap smartphone dapat berakibat buruk bagi pelajar. Penelitian ini bertujuan memprediksi kecanduan di kalangan siswa-siswi SMA dengan menggunakan metode terbaik dari klasifikasi. Klasifikasi dilakukan untuk mendukung pengambilan keputusan terkait masalah smartphone. Algoritma C4.5, Naive Bayes (NB), dan K-Nearest Neighbor (KNN) merupakan klasifikasi machine learning yang digunakan pada penelitian ini. Metode termasuk dalam kategori top 10 menyelesaikan kasus prediksi. Untuk meningkatkan kinerja metode-metode tersebut, maka seleksi atribut sebelum proses Forward Selection, Backward Elimination, pendekatan korelasi Linear Regression. Hasil menunjukkan bahwa adalah KNN Regression berdasarkan weight, mana inputan berpengaruh secara signifikan output (Y) umur (X1), durasi penggunaan (X5), aktifitas (X6), kualitas tidur (X7) model K = 44 numerical measure Chebychev, menghasilkan accuracy 79.03%, precision 78.79%, recall 81.25%, AUC 0.828, running times 1 detik. Output menunjukan prediksi yaitu presentase tingkat siswa tidak serta variabel lainnya.