Prediksi Dampak Penggunaan TikTok Terhadap Kualitas Tidur Menggunakan Random Forest Berbasis Dataset Kaggle
Keywords:
TikTok, Kualitas Tidur, Random Forest, Adiksi Media SosialAbstract
Aktivitas berselancar di aplikasi TikTok telah menjadi bagian tidak terpisahkan dari rutinitas harian masyarakat modern, terutama di Indonesia yang menempati peringkat kedua pengguna aktif terbesar di dunia. Namun, paparan konten video pendek yang adiktif sering kali memicu kegagalan kontrol diri (self-control failure) yang bermanifestasi dalam bentuk penundaan waktu tidur demi hiburan (revenge bedtime procrastination). Penelitian ini bertujuan untuk mengklasifikasikan tingkat risiko kualitas tidur pengguna sosial media berdasarkan jejak perilaku digital mereka menggunakan algoritma pembelajaran mesin Random Forest. Eksperimen draf ini dibangun menggunakan TikTok & Instagram Addiction Dataset (2015–2060) karya Abdul Malik Lodhra dari platform Kaggle, dengan fokus analisis khusus pada subset data pengguna di Indonesia. Algoritma Random Forest dikonfigurasi untuk mengevaluasi parameter kunci seperti durasi penggunaan harian, rasio penggunaan malam hari, kecepatan gulir (scroll velocity), indeks impulsivitas, dan tingkat ketergantungan dopamin. Hasil pengujian menunjukkan bahwa Random Forest menghasilkan performa klasifikasi yang sangat baik dengan tingkat akurasi mencapai 93,00%. Analisis nilai penting fitur (feature importance) mengonfirmasi bahwa penggunaan gawai menjelang tidur (night usage ratio) dan stimulasi dopaminergik merupakan prediktor paling signifikan terhadap degradasi kualitas tidur. Temuan klasifikasi ini memberikan kontribusi penting bagi pengembangan sistem intervensi tidur digital (digital sleep interventions) yang terarah guna mengatasi gangguan tidur akibat ketergantungan teknologi.
Unduhan
References
Azwar, M., Shafqat, A., Fatima, M., Ijaz, F., Naseem, R., & Aftab, R. K. (2024). Correlation of revenge bedtime procrastination with academic performance in undergraduate students of medical sciences: An online cross-sectional study. Global Journal of Medical, Pharmaceutical and Biomedical Update, 19(4).
Gopan, G., Ananya, S. W., Mithrason, A. T., Bishara, F., & Mehar, F. (2025). Impact of screen time on sleep quality and sleep quality assessment using Pittsburgh Sleep Quality Index among college students in Kollam district: A cross-sectional study. International Journal of Community Medicine and Public Health, 12(11), 5166–5171.
Han, J., Kamber, M., & Pei, J. (2011). Data mining: Concepts and techniques (3rd ed.). Morgan Kaufmann.
Lodhra, A. M. (2024). TikTok & Instagram addiction dataset (2015–2060) [Data set]. Kaggle. https://www.kaggle.com/datasets/abdulmaliklodhra/tiktok-and-instagram-addiction-dataset20152060
Miedzobrodzka, E., Du, J., & van Koningsbruggen, G. M. (2024). TikTok use versus TikTok self-control failure: Investigating relationships with well-being, academic performance, bedtime procrastination, and sleep quality. Acta Psychologica, 251, Article 104565. https://doi.org/10.1016/j.actpsy.2024.104565
Nurmiati, E., & Rismaira, A. (2026). Analisis Etika Komunikasi Media Sosial pada Penggunaan Instagram di Kalangan Mahasiswa. Studia: Journal of Humanities and Education Studies, 1(4), 272-281. https://doi.org/10.66749/
Salsabila, N. A. (2022). Analisis sentimen pada media sosial twitter terhadap tokoh gus dur menggunakan metode Naïve Bayes dan Support Vector Machine (SVM) (Bachelor's thesis, Fakultas Sains dan Teknologi UIN Syarif Hidayatullah Jakarta).
Wang, K., & Scherr, S. (2022). Dance the night away: How automatic TikTok use creates pre-sleep cognitive arousal and daytime fatigue. Mobile Media & Communication. https://doi.org/10.1177/20501579211056116
