Analisis Statistik Pengaruh Media Sosial terhadap Perilaku Digital Mahasiswa dengan Pendekatan Machine Learning

Reval trivaldi rambe, Sigit aprianda, hanifah ulya rasya

Abstract


Perkembangan teknologi digital, khususnya media sosial, telah mengubah cara mahasiswa berinteraksi dan belajar. Mahasiswa kini tidak hanya menggunakan media sosial untuk hiburan, tetapi juga untuk mencari informasi dan kegiatan akademik. Namun, intensitas penggunaan yang tinggi memunculkan tantangan berupa perubahan perilaku digital yang belum sepenuhnya dipahami. Penelitian ini menganalisis pengaruh media sosial terhadap perilaku digital mahasiswa melalui pendekatan statistik dan machine learning. Data dikumpulkan melalui survei online terhadap 500 mahasiswa berusia 18–25 tahun dari berbagai perguruan tinggi. Survei mencakup frekuensi, platform yang digunakan (Instagram, TikTok, Twitter/X, WhatsApp), durasi harian, serta indikator perilaku seperti fokus belajar, produktivitas, dan multitasking. Analisis awal dengan regresi linier menunjukkan korelasi negatif antara durasi penggunaan dan fokus belajar, serta korelasi positif antara frekuensi penggunaan dan perilaku multitasking. Selanjutnya, model machine learning dibangun menggunakan algoritma Random Forest dan SVM untuk mengklasifikasikan perilaku digital mahasiswa menjadi tiga kategori: “sehat”, “berisiko”, dan “berdampak negatif”. Random Forest mencapai akurasi tertinggi sebesar 87%. Hasil ini menunjukkan potensi sistem deteksi dini berbasis AI untuk mengidentifikasi risiko perilaku digital yang merugikan. Penelitian ini memberikan dasar empiris bagi pendidik dan pengembang kebijakan dalam merancang strategi literasi digital yang kontekstual. Integrasi hasil studi ke dalam kurikulum dapat membantu membentuk perilaku digital mahasiswa yang lebih sehat dan produktif, sekaligus membuka peluang riset lanjutan di bidang kesehatan mental dan interaksi digital.

Full Text:

PDF

References


A. Ardiyanti, M. T. Rhamadani, R. A. Putri, S. W. J. Tarigan, and S. Subaedah, "Pengaruh Media Sosial Terhadap Konsentrasi dan Fokus Belajar Mahasiswa," Benefit: Journal of Business, Economics, and Finance, vol. 3, no. 1, pp. 69–76, 2025.

E. R. Fauzy, M. D. Muwahidah, A. Oktiaputri, and W. Widian, "Persepsi Mahasiswa Terhadap Aktivitas Multitasking dan Komunikasi dalam Perkuliahan Daring," Artikulasi: Jurnal Pendidikan Bahasa dan Sastra Indonesia, 2024.

D. A. Fitri and D. Damayanti, "Komparasi Algoritma Random Forest dan SVM untuk Sentimen Masyarakat terhadap Pinjaman Online di Media Sosial," JIPI: Jurnal Ilmiah Penelitian dan Pembelajaran Informatika, vol. 9, no. 4, 2024.

R. Tangke, D. T. Salaki, W. W. Kalengkongan, and E. Ketaren, "Analisis Sentimen Aplikasi TikTok Menggunakan SVM dan Random Forest," Jurnal TIMES, vol. 13, no. 2, pp. 53–62, 2024.

C. S. Arsya and M. Elsera, "Implementasi Random Forest untuk Klasifikasi Sarkasme pada Media Sosial Facebook," Djtechno: Jurnal Teknologi Informasi, 2024.

V. T. Tarigan and A. Yusupa, "Perbandingan Algoritma Machine Learning dalam Analisis Sentimen Mobil Listrik di Twitter/X," Jurnal Informatika Polinema, vol. 10, no. 4, 2024.

D. Arisandi, T. Sutrisno, and I. Kurniawan, "Implementasi SVM untuk Klasifikasi Opini Publik terhadap Kebocoran Data di Twitter," Jurnal Teknika, vol. 15, no. 2, pp. 75–80, 2023.

M. F. Naufal, T. Arifin, and H. Wirjawan, "Analisis Perbandingan SVM, Random Forest, dan Naïve Bayes untuk Klasifikasi Cyberbullying," Jurasik: Jurnal Riset Sistem Informasi dan Teknik Informatika, 2023.

N. Sidauruk, N. Riza, and R. N. S. Fatonah, "Penggunaan SVM dan Random Forest untuk Analisis Sentimen Ulasan KAI Access," JATI: Jurnal Mahasiswa Teknik Informatika, vol. 7, no. 3, 2023.

R. Rizaldi et al., "Penerapan SVM dan XGBoost dalam Klasifikasi Sentimen Opini pada Aplikasi Uber," Jurnal Informatika dan Teknologi Komputer (JITEK), vol. 5, no. 1, pp. 1–9, 2025.

H. P. Putri, S. Harlena, D. Erlangga, and R. Chandra, "Effect of Social Media on Website Popularity of Public vs Private Universities in Indonesia," arXiv preprint, 2014.

M. Surahman, L. A. Abdillah, and Ferdiansyah, "Penerapan SVM untuk Analisis Trafik Internet Mahasiswa (Studi Kasus Bina Darma)," arXiv preprint, 2020.

A. Wirawan, H. D. Cahyono, and Winarno, "Easy Data Augmentation dalam Analisis Sentimen Cyberbullying," arXiv preprint, 2023.

S. Saifullah, Y. Fauziah, and A. S. Aribowo, "Comparison of Machine Learning for Sentiment Analysis in Detecting Anxiety," arXiv preprint, 2021.

T. D. Putra, D. Oktafiani, and D. Oktafiani, "Klasifikasi Sentimen Posting di Media Sosial menggunakan Random Forest & Naïve Bayes," Innovative: Journal of Social Science Research, vol. 5, no. 1, 2022.

A. F. N. Miftahusalam, A. A. Khoirunisa, and H. Pratiwi, "Perbandingan Random Forest, Naïve Bayes, SVM dalam Analisis Sentimen Twitter mengenai Honorer," in Seminar Nasional Statistik, 2022.

W. Wandani, "Sentiment Analysis Event Flash Sale menggunakan k-NN, RF, dan NB," J-SAKTI, 2021.

Y. Mulyanti and K. Kurniawan, "Fenomena TikTok sebagai Media Komunikasi Edukasi," Riksa Bahasa, vol. XV, 2021.

I. Carolin, G. D. Victoria, S. Dina, and M. Nastain, "Pengaruh Penggunaan TikTok terhadap Konsep Diri Muda," Jurnal Ilmu Komunikasi dan Media Sosial, vol. 2, pp. 35–40, 2023.

A. S. Nugroho, A. B. Witarto, and D. Handoko, Support Vector Machine: Teori dan Aplikasi, unpublished thesis, 2003.

S. R. Hajim, M. A. Rizki, N. I. F. Zekha, and N. A. Y. Fitri, "Analisis Sentimen Pengguna Instagram terhadap Kebijakan Kemdikbud," Jurnal MSA, 2020.

A. Indraini and I. Ernawati, "Analisis Sentimen Pembelajaran Daring di Indonesia menggunakan SVM," Jurnal Ilmiah FIFO, 2022.

F. Irfani, "Analisis Sentimen Review Aplikasi Ruangguru menggunakan SVM," JBMI, 2020.

K. Padhana and M. Sadikin, "Analisis Sentimen Ekonomi Indonesia selama Pandemi," Jurnal Ilmu Teknik dan Komputer, 2021.

H. Zuriel and A. Fahrurozi, "Implementasi SVM untuk Analisis Sentimen Twitter terhadap Kebijakan PSBB," Jurnal Ilmiah Informatika Komputer, pp. 149–162, 2021.


Refbacks

  • There are currently no refbacks.