Penerapan Metode Decision Tree untuk Memprediksi Dampak Kesehatan Akibat Penggunaan Gadget

Perkembangan teknologi informasi dan komunikasi yang semakin pesat telah mendorong peningkatan penggunaan gadget seperti smartphone, tablet, dan laptop dalam berbagai aktivitas kehidupan sehari-hari, mulai dari komunikasi, pekerjaan, pendidikan, hingga hiburan. Meskipun memberikan banyak kemudahan, penggunaan gadget dengan intensitas tinggi dan durasi yang panjang berpotensi menimbulkan berbagai dampak negatif terhadap kesehatan fisik maupun mental pengguna. Oleh karena itu, diperlukan suatu pendekatan berbasis data untuk menganalisis serta memprediksi tingkat dampak kesehatan akibat penggunaan gadget secara objektif dan sistematis. Penelitian ini bertujuan untuk menganalisis dan memprediksi dampak kesehatan pengguna gadget menggunakan algoritma Decision Tree. Metode penelitian yang digunakan adalah pendekatan kuantitatif dengan teknik data mining. Data yang digunakan merupakan data sekunder yang diperoleh dari platform Kaggle, yang mencakup beberapa variabel penting, yaitu usia, jenis kelamin, pekerjaan, mode kerja, dan durasi penggunaan layar harian. Proses klasifikasi dilakukan dengan membangun model Decision Tree berdasarkan perhitungan nilai entropy dan Information Gain untuk menentukan atribut yang paling berpengaruh dalam proses pengambilan keputusan. Hasil penelitian menunjukkan bahwa atribut mode kerja (work mode) merupakan faktor paling dominan dalam menentukan tingkat dampak kesehatan pengguna gadget, diikuti oleh durasi penggunaan layar serta karakteristik individu lainnya. Model Decision Tree yang dihasilkan mampu mengklasifikasikan dampak kesehatan ke dalam dua kategori, yaitu Low dan Good, dengan aturan keputusan yang jelas dan mudah dipahami. Penelitian ini menyimpulkan bahwa intensitas penggunaan gadget dan karakteristik pengguna memiliki pengaruh signifikan terhadap kondisi kesehatan, sehingga pengelolaan penggunaan gadget secara bijak sangat diperlukan untuk meminimalkan risiko dampak kesehatan yang merugikan.