Perbandingan Performa Model Naïve Bayes dan Regresi Logistik dalam Klasifikasi Kecanduan Media Sosial pada Siswa

Abstract

Kecanduan media sosial di kalangan pelajar menjadi isu yang semakin relevan seiring meningkatnya penggunaan
platform digital dalam kehidupan sehari-hari. Penelitian ini bertujuan untuk membangun model klasifikasi guna
memprediksi tingkat kecanduan media sosial berdasarkan data survei siswa. Dataset yang digunakan terdiri dari 705
responden dengan 13 atribut yang mencakup aspek demografis, akademik, kebiasaan digital, dan kondisi psikososial.
Dua model machine learning yang digunakan dalam penelitian ini adalah Gaussian Naïve Bayes dan Regresi Logistik.
Setelah melalui proses data preparation, analisis dan evaluasi model menggunakan data uji sebesar 20%, diperoleh
hasil bahwa Regresi Logistik memiliki performa yang lebih unggul dengan akurasi mencapai 98%, jauh di atas Naïve
Bayes yang hanya mencapai 69%. Regresi Logistik juga menunjukkan keseimbangan metrik yang baik, termasuk
precision, recall, dan nilai ROC AUC sebesar 0,98. Temuan ini mengindikasikan bahwa Regresi Logistik lebih efektif
dan sesuai untuk mengidentifikasi siswa yang berisiko mengalami kecanduan media sosial.