Pemodelan Perilaku Penggunaan Media Sosial Mahasiswa dengan Algoritma XGBoost

Abstrak

Perkembangan teknologi digital telah mendorong peningkatan penggunaan media sosial secara masif di kalangan mahasiswa. Platform seperti Instagram, TikTok, dan YouTube tidak hanya menjadi sarana hiburan, tetapi juga membentuk perilaku, preferensi, dan struktur sosial generasi muda. Penelitian ini bertujuan untuk membangun model prediktif terhadap tingkat penggunaan media sosial mahasiswa berdasarkan variabel psikososial dan demografis dengan menerapkan algoritma Extreme Gradient Boosting (XGBoost). Data dikumpulkan melalui survei yang mencakup atribut seperti platform dominan, jumlah pengikut, keterlibatan emosional, dan frekuensi penggunaan harian. Proses analisis melibatkan pembersihan data, encoding ordinal, normalisasi numerik, serta pelatihan model dalam pipeline terintegrasi. Evaluasi menggunakan validasi silang 5-fold menunjukkan akurasi rata-rata sebesar 96,3% (±1,5%), dan akurasi pengujian akhir mencapai 97,9%. Visualisasi model menunjukkan AUC tinggi untuk kategori pengguna sedang dan tinggi, serta fitur paling berpengaruh berasal dari faktor platform dan afeksi digital. Namun, model gagal mendeteksi kategori penggunaan rendah akibat ketidakseimbangan data. Hasil ini memperlihatkan potensi machine learning dalam memahami perilaku daring mahasiswa secara sistematis dan presisi. Penelitian ini memberikan implikasi praktis bagi pihak kampus untuk merancang intervensi berbasis data dalam mitigasi adiksi digital. Studi lanjutan disarankan menggunakan teknik penyeimbangan data dan pendekatan interpretatif seperti SHAP untuk mendalami relasi antar variabel prediktif.