Prediksi Tingkat Kesepian Berdasarkan Profil Media Sosial Menggunakan Algoritma Random Forest

Pada era digital yang semakin berkembang, media sosial telah menjadi bagian penting yang tidak terpisahkan dari kehidupan manusia modern, terutama bagi generasi muda, termasuk Generasi Z di SMK Tunas Media yang lahir pada awal abad ke-21 dan menjadi generasi pertama yang tumbuh dengan akses internet, teknologi dan media sosial. Beberapa penelitian terkini mengungkapkan bahwa meskipun Generasi Z tumbuh dalam era teknologi yang sangat terhubung, mereka ternyata memiliki gejala tingkat kesepian yang sangat tinggi bahkan melampaui seluruh generasi sebelumnya, salah satu penyebabnya adalah penggunaan media sosial yang berlebihan, sehingga mereka lebih mengutamakan komunikasi digital dibandingkan interaksi secara langsung. Sekitar 73% dari mereka mengatakan bahwa mereka merasa terisolasi. Hal ini tentunya berdampak pada kesehatan mental mereka, 91% melaporkan mengalami stres fisik atau emosional, dan 68% mengatakan bahwa mereka merasa khawatir tentang masa depan. Oleh karena itu, sangatlah penting untuk melakukan deteksi dini pada siswa-siswi SMK Tunas Media yang berisiko mengalami kesepian. Teknologi pembelajaran mesin Random Forest, dapat digunakan untuk memprediksi tingkat kesepian siswa berdasarkan data profil media sosial. Algoritma ini dapat mempelajari data profil media sosial, seperti pola aktivitas, konteks konten yang dibagikan, interaksi sosial, ekspresi emosi, dan jaringan sosial. Selain itu, penggunaan data UCLA Loneliness Scale merupakan salah satu alat psikometri yang paling umum digunakan untuk mengukur tingkat kesepian dapat diintegrasikan dengan hasil prediksi model pembelajaran mesin untuk memberikan validitas tambahan dalam menilai kesepian. Penelitian ini menunjukkan hasil yang signifikan dalam peningkatan kinerja model klasifikasi setelah diterapkan metode Random Forest yang dioptimalkan dengan Optuna. Dalam penelitian ini, model digunakan untuk memprediksi tingkat kesepian berdasarkan profil media sosial, dan berhasil mencapai akurasi 90%. Hal ini menunjukkan bahwa model Random Forest yang dioptimalkan dengan Optuna memiliki potensi besar dalam mengklasifikasikan tingkat kesepian rendah dan tinggi pada siswa generasi Z.