Klasifikasi Usia Pengguna Berdasarkan Nilai Guna Perangkat Seluler Menggunakan Metode Support Vector Machine

A Comparative Study of SVM Kernels and Grid Search Optimization

Authors

  • Author Icon
    Muhammad Amaruna Sahona Sahona Universitas Indo Global Mandiri
  • Author Icon
    Lastri Widya Astuti Universitas Indo Global Mandiri
  • Author Icon
    Muhammad Haviz Irfani Universitas Indo Global Mandiri

DOI:

https://doi.org/10.55338/jumin.v7i3.8798

Keywords:

Klasifikasi, Perangkat Seluler, Usia, Support Vector Machine, Perilaku Pengguna

Abstract

Klasifikasi perangkat seluler adalah proses pengelompokan perangkat seperti smartphone berdasarkan karakteristik dan fitur yang dimilikinya. Penelitian ini mengatasi permasalahan kurangnya pemahaman mengenai karakteristik penggunaan perangkat seluler pada berbagai kelompok usia, yang dapat menyebabkan ketidaksesuaian produk dengan kebutuhan pengguna. Tujuan penelitian ini adalah mengklasifikasikan usia pengguna perangkat seluler berdasarkan manfaat perangkat menggunakan metode support vector machine (SVM). Data yang digunakan adalah data sekunder dari dataset platform kaggle, yang mencakup variabel terkait perilaku pengguna, seperti model perangkat, sistem operasi, durasi penggunaan aplikasi, waktu layar menyala, konsumsi daya baterai, jumlah aplikasi terinstal, penggunaan data, dan jenis kelamin pengguna. Pengolahan data melibatkan pembersihan data, ekstraksi fitur, pelatihan model SVM dengan kernel Linear, RBF, Polynomial, dan Sigmoid, serta penyetelan Hyperparameter menggunakan Grid Search. Hasil penelitian menunjukkan bahwa model SVM dengan kernel Linear, Polynomial, dan RBF mencapai akurasi 100%, membuktikan efektivitas metode ini dalam mengklasifikasikan usia pengguna.

Downloads

Download data is not yet available.

References

E. Yuda, G. Hestin, O. Vito, and F. Pengetahuan, “PENGETAHUAN LITERASI DIGITAL TERHADAP DIGITAL SURVEILLANCE MEWUJUDKAN SUMBER DAYA MANUSIA UNGGUL PADA ERA INTERNET OF THINGS,” J. Leverage, Engag. Empower. Community, vol. 3, no. 1, pp. 71–80, 2021.

A. Zakaria et al., “Pelatihan Penggunaan Fitur Kesehatan Digital Untuk Mencegah Kecanduan Gadget Pada Anak-Anak,” J. Community Engagem. Empower., vol. 01, no. 01, pp. 2986–2930, 2023, doi: 10.58706/dedikasi.

U. Djuanda and K. Bogor, “Analisis Pengaruh Penggunaan Gadget Pada Perkembangan Psikososial Pada Anak,” vol. 3, pp. 7689–7704, 2024.

Yuyuk, Waridah, and Kartini, “UPAYA ORANG TUA DALAM MENGATASI PENGGUNAAN GADGET PADA ANAK USIA DINI,” 2023.

B. Galih, H. Wicaksana, A. Dinda, and S. E. Zuliestiana, “PENGARUH CITRA MEREK DAN HARGA PRODUK TERHADAP KEPUTUSAN PEMBELIAN SMARTPHONE IPHONE DI INDONESIA BRAND IMAGE AND PRODUCT PRICE; ITS IMPACT FOR SMARTPHONE IPHONE PURCHASING DECISION IN INDONESIA Oleh,” vol. 20, 2019.

K. Nupus, “Analisis Evaluasi Merek Smartphone Samsung Galaxy Series A,” Student Res. J., vol. 2, no. 1, pp. 481–490, 2024, doi: 10.55606/srjyappi.v2i1.1040.

M. Syafiih, M. Khairi, M. Furqan, and B. Yusman, “Pendampingan Literasi Digital untuk Mengurangi Risiko Kejahatan Siber Membentuk Masyarakat yang Lebih Aman,” vol. 2, no. 4, pp. 1027–1036, 2024, [Online]. Available: https://journal.insankreasimedia.ac.id/index.php/JILPI

N. U. Khan, W. Wan, R. Riaz, S. Jiang, and X. Wang, “Prediction and Classification of User Activities Using Machine Learning Models from Location-Based Social Network Data,” Appl. Sci., vol. 13, no. 6, Mar. 2023, doi: 10.3390/app13063517.

B. Al Kurniati1 and U. Solikhah2, “Karakteristik Penggunaan Smartphone (Gadget) Pada Balita Usia 1-5 Tahun Di Desa Dukuhmaja Kecamatan Songgom Kabupaten Brebes,” 2020. [Online]. Available: http://journal.um-surabaya.ac.id/index.php/JKM

Y. Anggriani, “PEMANFAATAN GADGET DALAM MENINGKATKAN MINAT BACA ANAK DI KELUARGA,” 2020.

A. Sanmorino, R. Gustriansyah, and J. Alie, “DDoS Attacks Detection Method Using Feature Importance and Support Vector Machine,” JUITA J. Inform., vol. 10, no. 2, p. 167, 2022, doi: 10.30595/juita.v10i2.14939.

M. A. T. Siregar and G. Gasim, “Identifikasi Cacat Pada Kayu Menggunakan Fitur Glcm Dengan Metode Svm,” J. Algoritm., vol. 3, no. 1, pp. 22–32, 2022, doi: 10.35957/algoritme.v3i1.2970.

P. Pooja Saigal, “SUPPORT-VECTOR MACHINES EVOLUTION AND APPLICATIONS,” 2021.

N. A. S. Kanaka, R. Heriansyah, and S. Puspasari, “Perbandingan Algoritma Decision Tree dan Support Vector Machine Dalam Pemilihan Calon Mahasiswa Penerima KIP-K,” TIN Terap. Inform. Nusant., vol. 4, no. 9, pp. 613–619, 2024, doi: 10.47065/tin.v4i9.4902.

M. Khoiriah and R. Kurniawan, “Penerapan Algoritma Support Vector Machine Untuk Mendeteksi Autisme,” J. Comput. Syst. Informatics, vol. 5, no. 4, pp. 786–795, 2024, doi: 10.47065/josyc.v5i4.5692.

Z. Haoxing and C. System, “penggunaan metrik seperti precision, recall, dan F1-score”.

Downloads

Published

2026-06-08

How to Cite

Sahona, M. A. S., Astuti, L. W., & Haviz Irfani, M. (2026). Klasifikasi Usia Pengguna Berdasarkan Nilai Guna Perangkat Seluler Menggunakan Metode Support Vector Machine: A Comparative Study of SVM Kernels and Grid Search Optimization. Jurnal Media Informatika, 7(3), 815–821. https://doi.org/10.55338/jumin.v7i3.8798