Klasifikasi Tingkatan Perokok dengan Analisis Data Survei Masyarakat menggunakan Algoritma K-Means dan XGBoost
DOI:
https://doi.org/10.26418/jp.v11i2.96678Keywords:
Klasifikasi, Tingkat Perokok, K-Means, XGBoost, Data MiningAbstract
Tingginya angka perokok aktif di Indonesia yang berdampak pada kesehatan, ekonomi, dan sosial masyarakat, khususnya di kota-kota besar seperti Medan, belum diimbangi dengan pendekatan analitis yang mampu memetakan tingkat kebiasaan merokok secara terstruktur karena keterbatasan data berlabel. Untuk mengatasi permasalahan tersebut, penelitian ini menggunakan pendekatan semi-supervised dengan menggabungkan algoritma K-Means Clustering untuk membentuk label tingkat perokok, dan Extreme Gradient Boosting (XGBoost) untuk melakukan klasifikasi multikelas dengan tiga target kelas, yaitu perokok Ringan, Sedang, dan Berat, berdasarkan karakteristik individu seperti pengaruh sosial, tekanan psikologis, dan kebiasaan merokok harian. Data dikumpulkan dari 638 responden perokok aktif berusia 20"“40 tahun di Kota Medan melalui dua metode, yaitu survei lapangan dengan kuesioner cetak (33 responden) dan survei daring melalui Google Form (605 responden), yang selanjutnya melalui proses validasi dan prapemrosesan sebelum dianalisis. Hasil evaluasi menunjukkan bahwa model XGBoost mencapai akurasi sebesar 98%, dengan precision 1,00, recall 0,94, dan f1-score 0,97 untuk kelas Ringan; precision 0,90, recall 1,00, dan f1-score 0,95 untuk kelas Sedang; serta precision 1,00, recall 0,98, dan f1-score 0,99 untuk kelas Berat.References
R. Andarsyah and A. Yanuar, “SENTIMEN ANALISIS APLIKASI POSAJA PADA GOOGLE PLAYSTORE UNTUK PENINGKATAN POSPAY SUPERAPP MENGGUNAKAN SUPPORT VECTOR MEACHINE,†J. Tek. Inform., vol. 16, no. 2, pp. 1–7, 2024.
T. S. De, P. Singh, and A. Patel, “A Machine learning and Empirical Bayesian Approach for Predictive Buying in B2B E-commerce,†ACM Int. Conf. Proceeding Ser., pp. 17–24, 2024, doi: 10.1145/3647750.3647754.
P. P. Deka, J. Weiner, and P. R. V Zicari, XGBoost for Regression Predictive Modeling and Time Series Analysis: Learn how to build, evaluate, and deploy predictive models with expert guidance. Packt Publishing, 2024. [Online]. Available: https://books.google.co.id/books?id=bykyEQAAQBAJ
E. Fammaldo, M. Lestari, and C. Hermawan, “GRADIENT BOOSTING TREES UNTUK PEMODELAN DAN PREDIKSI BIAYA KERUGIAN ASURANSI MOBIL,†J. Algoritm. Log. dan Komputasi, vol. 7, no. 1, pp. 634–642, 2024, doi: 10.30813/j-alu.v2i2.6030.
H. Gunawan and A. H. Hasugian, “Klasifikasi Peminatan Skripsi Mahasiswa Ilmu Komputer dengan Algoritma K-Nearest Neighbor,†J. Inf. Syst. Res., vol. 6, no. 2, pp. 1381–1389, 2025, doi: 10.47065/josh.v6i2.6457.
F. P. A. Hasibuan, S. Sumarno, and I. Parlina, “Penerapan K-Means pada Pengelompokan Penjualan Produk Smartphone,†SATESI J. Sains Teknol. dan Sist. Inf., vol. 1, no. 1, pp. 15–20, 2021, doi: 10.54259/satesi.v1i1.3.
M. S. Hasibuan, S. Wahyuni, and R. D. Lestari, “Penerapan Data Mining Menggunakan Metode Teknik Klasifikasi Untuk Melihat Potensi Kepatuhan Wajib Pajak Kendaraan,†J. Comput. Sci. INFORMATICS Eng., vol. 3, no. 1, pp. 1–14, 2024, [Online]. Available: http://creativecommons.org/licenses/by-sa/4.0/
S. N. Imania, A. Ghofur, and F. Lazim, “Rancang Bangun Prototipe Buka Tutup Pintu Otomatis Berbasis Arduino Menggunakan Sensor Ultrasonik di Toko Faridh Collection di Desa Ketowan,†G-Tech J. Teknol. Terap., vol. 8, no. 3, pp. 1386–1395, 2024, doi: 10.33379/gtech.v8i3.4299.
Y. N. Iriyanti and A. M. Mandagi, “Pengetahuan Mengenai Bahaya Merokok dengan Keinginan Berhenti Merokok Masyarakat Desa Pakel,†Prev. J. Kesehat. Masy., vol. 13, pp. 15–24, 2022, [Online]. Available: http://jurnal.fkm.untad.ac.id/index.php/preventif
M. C. Linggar and A. Wibowo, “Perbandingan Metode Ensemble Learning pada Klasifikasi Penyakit Diabetes,†J. Masy. Inform., vol. 13, no. 1, pp. 33–44, 2022.
S. Maesaroh et al., Bahasa Pemrograman Python. PT. SADA KURNIA PUSTAKA, 2024. [Online]. Available: https://www.researchgate.net/publication/381376588
Y. Munandar, “Increase in the Number of Active Smokers during the COVID-19 Pandemic in Indonesia,†in IOP Conference Series: Earth and Environmental Science, IOP Publishing Ltd, 2022, pp. 1–5. doi: 10.1088/1755-1315/950/1/012062.
E. A. Novia, W. I. Rahayu, and C. Prianto, SISTEM PERBANDINGAN ALGORITMA K-MEANS DAN NAÃVE BAYES UNTUK MEMPREDIKSI PRIORITAS PEMBAYARAN TAGIHAN RUMAH SAKIT BERDASARKAN TINGKAT KEPENTINGAN. Kreatif. [Online]. Available: https://books.google.co.id/books?id=MND9DwAAQBAJ
N. H. Nufus and S. Sriani, “Penerapan Metode K-Means Untuk Pengelompokkan Data Pelaporan Di Kantor Urusan Agama,†Build. Informatics, Technol. Sci., vol. 6, no. 3, pp. 2085–2093, 2024, doi: 10.47065/bits.v6i3.6316.
R. S. Nurhalizah, R. Ardianto, and P. Purwono, “Analisis Supervised dan Unsupervised Learning pada Machine Learning: Systematic Literature Review,†J. Ilmu Komput. dan Inform., vol. 4, no. 1, pp. 61–72, 2024, doi: 10.54082/jiki.168.
F. Paputungan, “Karakteristik Perkembangan Masa Dewasa Awal Developmental Characteristics of Early Adulthood,†J. Educ. Cult., vol. 3, no. 1, 2023.
A. K. Pratama, H. Ashaury, and F. R. Umbara, “KLASIFIKASI DATA GEMPA BUMI DI PULAU JAWA MENGGUNAKAN ALGORITMA EXTREME GRADIENT BOOSTING,†J. Mhs. Tek. Inform., vol. 7, no. 4, pp. 2923–2929, 2023.
A. F. B. Sajiwo, B. Rahmat, and A. Junaidi, “KLASIFIKASI INDEKS STANDAR PENCEMARAN UDARAN (ISPU) MENGGUNAKAN ALGORITMA XGBOOST DENGAN TEKNIK IMBALANCED DATA (SMOTE),†J. Inform. dan Tek. Elektro Terap., vol. 12, no. 3, pp. 2190–2200, 2024, doi: 10.23960/jitet.v12i3.4699.
R. Siringoringo, R. P. Angin, and B. Rumahorbo, “MODEL KLASIFIKASI GENETIC-XGBOOST DENGAN T-DISTRIBUTED STOCHASTIC NEIGHBOR EMBEDDING PADA PERAMALAN PASAR,†J. TIMES Technol. Informatics & Comput. Syst., vol. XI, no. 1, pp. 30–36, 2022, [Online]. Available: https://archive.ics.uci.edu/ml/datasets/online+retail
R. A. Sitorus and I. Zufria, “Application of the Naïve Bayes Algorithm in Sentiment Analysis of Using the Shopee Application on the Play Store,†Digit. Zo. J. Teknol. Inf. dan Komun., vol. 15, no. 1, pp. 53–66, 2024, doi: 10.31849/digitalzone.v15i1.19828.
L. S. Surya and D. H. Wibowo, “PERILAKU MEROKOK PADA REMAJA PEREMPUAN,†J. Ilmu Sos., no. 3, pp. 1565–1578, 2023.
M. D. Utami, H. Akbar, and D. Aryani, “Semi Supervised Learning Model Untuk Prediksi Kelancaran Pembayaran Kredit Kendaraan Bermotor,†J. Ilm. Tek. Inform., vol. 26, no. 1, pp. 128–137, 2025.
E. H. Yulianti, O. Soesanto, and Y. Sukmawaty, “Penerapan Metode Extreme Gradient Boosting (XGBOOST) pada Klasifikasi Nasabah Kartu Kredit,†JOMTA J. Math. Theory Appl., vol. 4, no. 1, pp. 21–26, 2022.
V. N. Zulaikhah, A. Zahrania, K. M. Z. Wijayadi, N. Apriliani, N. A. Fatimah, and E. Julianto, “EVALUASI HASIL EDUKASI MASYARAKAT TENTANG BAHAYA KANDUNGAN DALAM ROKOK,†Indones. J. Nat. Sci. Educ., vol. 4, no. 2, pp. 510–515, 2021.
