Penerapan Metode Bayes Pada Aplikasi Deteksi Ketergantungan Terhadap Pengguna Game Online
Yusuf Ramadhan Nasutiion1, Supiyandi2, Firda Mei Amanda1,*
1 Sains Dan Teknologi, Ilmu Komputer, Universitas Islam Negeri Sumatera Utara, Medan, Indonesia
2 Sains Dan Teknologi, Teknologi Informasi, Universitas Pembangunan Panca Budi, Medan, Indonesia Email: 1[email protected], 2[email protected], 3,*[email protected]
Email Penulis Korespondensi: [email protected] Submitted 31-03-2023; Accepted 30-04-2023; Published 30-04-2023
Abstrak
Di zaman modern saat ini game online sedang merambah ke seluruh dunia. Hampir semua kalagan orang memiliki keterikatan yang sangat tinggi dengan game online. Game online adalah sejenis game yag menyenangkan bagi pemainya, karena bisa dimainkan tidak hanya sendiri (Singleplayer), namun juga dapat dimainkan dua atau lebih pemain (Multiplayer) dari berbagai tempat yang berbeda dan negara yang berbeda. Salah satu permasalahan di masyarakat adakag besarnya pengaruh game online, karena game online sendiri mempunyai daya tarik yang membuat orang lebih asyik bermain dari pada belajar. Berdasarkan hasil observasi dibuktikan dengan banyaknya remaja menghabiskan waktu sehari-seharinya dalam bermain game online dari padan membaca buku dan dapat menimbulkan dampak negatif lainnya seperti kurangnya bersosialisi, memberikan dampak negatif bagi kesehatan. Untuk menyelesaikan masalah tersebut maka diperlukan sebuah sistem pakar dengan menerapkan algoritma metode bayes, berdasarkan hasil wawancara dengan seorang guru BK didapatkan hasil berupa data berdasarkan nama, 3 jenis tingkat ketergantungan dan 18 data gejala dari game online. Oleh sebab itu, metode bayes dapat memprediksi peluang dimasa depan berdasarkan pengelaman dimasa sebelumnya. Dari hasil penelitian ini dilakukan pengujian terhadap siswa dengan menjawab 18 pertanyaan dari setiap data gejala ketergantungan game online. Dari hasil penelitian tersebut dapat disimpulkan bahwa terdapat seorang siswa yang di diagnosa ketergantungan berat dalam penggunaan game online dengan nilai bayes sebesar 0.84 % atau 84 %. Selain itu pada penelitian ini menghasilkan sebuah aplikasi deteksi ketergantungan terhadap pengguna game online dengan menerapkan metode bayes dan telah berhasil dibuat dan berjalan dengan baik untuk membantu mengurangi para pengguna game online tidak ketergantungan lagi.
Kata Kunci: Ketergantungan; Game Online; Sistem Pakar; Metode Bayes; Aplikasi Mobile Abstract
In this era, online gamems are ectends all over the world. Almost all circles of people have a very high attachment to online games.
Online games are a kind of fun game for players, because the can be played not only alone (Singleplayer), but cab also be played by two more players (multiplayer) from different places and different countries. One of the problems in society is the magnitude of the influence of online games, because online games themselves have an attraction that makes people more fun playing than learning.
Based on the results of observations, it is proven by the large number of teenagers spending their daily time playing online games instead of reading books and can have other negative impacts such as lack of socializing, having a negative impact on health. To solve this problem, an expert system is needed by applying the Bayes method algorithm, based on the results of interviews with a counseling teacher, the results are in the form of data based on name, 3 types of dependency levels and 18 symptom data from online games.
Therefore, the Bayesian method can predict future opportunities based on previous experience. From the results of this study, students were tested by answering 18 questions for each online game dependency symptom data. From the results of this study it can be concluded that there was a student who was diagnosed with heavy dependence on the use of online games with a bayes score of 0.84%
or 84%. In addition, this research produced an application for detecting dependence on online game users by applying the Bayes method and has been successfully created and running well to help reduce online game users from being dependent anymore.
Keywords: Addiction; Online Games; Expert System; Bayes Methode; Mobile Application
1. PENDAHULUAN
Saat ini perkembangan teknologi di era globalisasi berkembang sangat pesat dan secara tidak langsung memberikan pengaruh besar terhadap kehidupan manusia. Salah satu dari perkembangan teknologi tersebut adalah game online. Game online adalah jenis permainan yang menggunakan jaringan internet dan selalu menggunakan teknologi yang ada pada saat inim seperti modem, koneksi kabel, dll [1][2][3][4]. Game online memberikan kepuasan dan penghormatan dari orang lain yang mungkin tidak didapatkan didunia nyata. Game online yang menjadi pelarian saat bosan, tidak didapakan didunia nyata. Game online yang menjadi pelarian saat bosan, tidak hanya anak-anak ataupun remaja yang sering bermain game online banyak juga orang dewasa yang menjadikan game online ini sebagai penghilang kebosanan. Di indonesia sendiri, game online mulai berkembang sejak tahun 90-an, saat ini game Nexia beredar [5]. Dari berbagai kalangan bermain game online, mulai dari kalangana pekerja, mahasiswa, sampai pelajar SMA, SMP, hingga SD [6]. Maraknya game dikomputer yang mengandung berbagai bentuk kekerasan menimbulkan keresahan para orang tua. Jika penggunaan game online dilakukan secara berlebihan maka akan menimbulkan berbagai dampak negatif bagi seorang remaja milenial itu sendiri kurangnya bersosialisasi, minat belajar. Apabila seseorang sudah mengalami kecanduan game online maka akan berpengaruh dalam menjalani kehidupan sehari-hari, karena banyaknya waktu yang dihabiskan di dunia maya mengakibatkan para pengguna game online kurang berinteraksi dengan orang lain dalam dunia nyata. Kondisi seperti ini dikhawatirkan akan membawa suatu masalah psikologis bagi perkembangan mental pelajar maupun nonpelajar.
Copyright © 2023 Yusuf Ramadhan Nasutiion, Page 676 Terdapat banyak penelitian sebelumnya yang membahas tentang kecanduan game online. Pertama, Berdasarkan penelitian sebelumnya yang dilakukan oleh Fraldy Robert Mais dkk menyimpulkan bahwa kecanduan game online menyebabkan seseorang mengalami gangguan kesehatan, dimana semakin terkontrol kecanduan game online yang dialami maka semakin rendah tingkat ketergantungan yang dialami oleh remaja, begitu pula sebaliknya semakin tidak terkontrol ketergantungan game online maka semakin tinggi tingkat kesehatan yang dialami [7]. Kedua penelitian yang dilakukan oleh Naftali dkk menyimpulkan bahwa metode bayes dapat digunakan untuk membantu dalam diagnosis anemia. Dengan 50 data yang telah diujikan oleh pakar sehingga untuk tingkat akurasi sistem berdasarkan hasil validasi pakar dan sistem, diperoleh presentase 90% data kasus yang sesuai [8]. Ketiga dalam penelitian yang dilakukan oleh Romasta Lumbantoruan dkk bahwa dalam penerapan metode teorema bayeas telah berhasil dianalisa dan di implementasikan dalam mendiagnosa penyakit psittociaa pada burung graculla religiosa [9]. Keempat penelitian yang dilakukan oleh Annasaul Putri dkk, menyimpulkan bahwa tingkat ketergantungan game online mahasiswa di kota Padang yang bermain game berada pada kategori sedang, dan menjelaskan bahwa subjek pada penelitian ini mengalamai gangguan pada beberaoa fungsi pribadi, keluarga, sosial, pendidikan, pekerjaan atau yang penting lainnya [10].
Oleh karena itu, diperlukan suatu pengetahuan dan keahlian khusus untuk mengetahuinya, yaitu seorang pakar untuk mendiagnosis deteksi ketergantungan pada pengguna game online tersebut dengan mengimplementasikan pengetahuan dan keahlian seorang pakar ke dalam suatu sistem pakar. Saat ini, dengan bantuan teknologi berbasis komputer orang awam pun dapat menyelesaikan masalahnya atau hanya sekedar mencari suatu informasi berkualitas yang sebenarnya hanya dapat diperoleh dengan bantuan para ahli dibidangnya. Sistem pakar adalah sistem berbasis komputer yang menggunakan pengetahuan, fakta, dan teknik penalaran dalam memecahkan masalah, yang biasanya hanya dapat diselesaikan oleh seorang pakar dalam bidang tertentu. Sistem pakar merupakan program komputer yang menyimpan pengetahuan dan kaidah yang khusus [11][12]. Sistem pakar berfokus pada masalah dominan tertentu atau spesifik tujuan penulis melakukan penelitian ini untuk pengembangan sistem pakar adalah menggantikan pengetahuan seorang pakar dengan sistem yang dapat digunakan oleh orang awam yang ingin mengetahui sesuatu tentang ketergantungan, yang mengalami ketergantungan game online atau tanpa harus menemui seorang psikolog [13][14].
Selain itu dapat memberikan nilai tambahan pada teknologi untuk mempermudah pekerjaan yang semula manual dapat dikerjakan dan lebih mengehemat tenaga.
2. METODOLOGI PENELITIAN
2.1 Metode Penelitian
Pada tahap penelitian ini akan disaikan langkah-langkah yang akan dilaksanakn penulis dalam penyelesian peneltian yaitu sebagai berikut ini:
Gambar 1. Metode Penelitian a. Teknik Pengumpulan Data
Pada tahapan pengumpulan data ini penulis penulis memakai teknik pengumpulan data observasi, wawancara, dan penelitian kepustakaan (Library Research).Tahapan in
i digunakan untuk memperoleh informasi informasi yang berkaitan dengan penelitian yang sedang dilakukan [15].
b. Analisis Kebutuhan
Pada tahapan analisis kebutuhan ini merupakan proses untuk mendapatkan informasi kebutuhan apa saja yang akan digunakan bertujuan untuk membangun sebuah sistem dapat berjalan. Analisis kebutuhan input dari penerapan metode bayes pada aplikasi deteksi ketergantungan game online yaitu berupa data ciri-ciri perilaku dari setiap jenis
ketergantungan yang telah diberikan oleh seorang pakar (BK) yang ada di MTsN 1 Labuhanbatu Utara yang dialami berdasarkan gejala yang akan dipilih. Hal ini tentu saja membuat penulis terbantu dalam menyelasiakn penelitian.
c. Perancangan Sistem
Pada tahap perancangan sistem ini merupakan suatu proses perancangan sistem dengan menentukan rancangan input yang digunakan dalam mendeteksi ketergantngan game online. Pada tahapan perancangan ini terdapat dua tahapan dalam mendeteksi ketergantungan game online yaitu Analisis kebutuhan input ini merupakan penerapan dari metode bayes pada aplikasi deteksi ketergantugan dalam penggunaan game online berupa data gejala dari setiap jenis tingkat ketergantungan yang diberikan oleh seorang pakar (Guru BK) melalui wawancara. Dan analisis kebutuhan ouput ini, pengguna akan mendapatkan hasil dari jenis ketergantungan game online yang telah diberikan oleh pakar. dari gejala- gejala yang telah dipilih. Dan selanjutnya akan diproses dengan perhitungan metode bayes dari nilai terbesar satu atau lebih jenis ketergantungan yang dipengaruhi dari gejala-gejala yang telah dipilih dan memberikan solusi untuk jenis ketergantungan yang dialami pengguna.
d. Pengujian Sistem
Pengujian sistem ditujukan untuk menguji kinerja sistem serta mengetahui secara cepat dan lebih efektif dalam mendeteksi jenis ketergantungan game online. Pengujian dilakukan oleh pengguna awam maupun kulitas dengan cara menggunakn sistem tersebut secara langsung. Sistem akan diuji kepada beberapa peserta yang dipilih pada setiap pengujian. Pada tahap pengujian ini dilakukan dengan cara pengujian black box. Pengujian black box yaitu perangkat lunak dari segi spesifikasi fungsional tanpa menguji desain kode program untuk mengetahui apakah fungsi, masukk dan keluaraan dari perangkat lunak sesuai dengan spesifikasi yang dibutuhkan [16][17].
e. Penerapan
Pada penelitian ini adalah prosedur pemecahan metode bayes. Penerapan atau penggunaan pada sistem ini adalah pengguna(siswa) game online sehingga dapat mendiagnosa dalam mendeteksi ketergantungan game online berdasarkan data gejala yang sudah sesuai diberikan oleh seorang pakar yaitu guru BK.
2.2 Perencanaan
Pada penelitian ini proses perancangan meliputi dua bagian yaitu perancangan flowchart sistem, dan perancangan desain interface.
a. Sitem Flowchart
Flowchart bertujuan untuk melihat urutan dan hubungan proses dari kerja sistem yang dibuat [18]. Pada tahap ini akan dibuat dua flowchart, yaitu flowchart sistem dan flowchart metode bayes.
Gambar 2. Flowchart Metode Bayes
Copyright © 2023 Yusuf Ramadhan Nasutiion, Page 678
Gambar 3. Flowchart Sistem
b. Desain Interface
Perancangan aplikasi dalam penelitian ini ditunjukkan pada gambar 3 berikut :
(a) (b) (c)
Gambar 4. (a) Fitur Halaman User (b) Fitur Halaman Pelatihan (c) Fitur Halaman Pengujian
3. HASIL DAN PEMBAHASAN
3.1 Analisis Data
Pada analisis data menejelaskan tentang bagaimana cara menetukan hasil dari deteksi ketergantungan game online berdasarkan data dan hasil penilaian dan perhitungan menggunakan metode teorema bayes. Probabilitas ketergantungan game online didapat dari perhitungan probabilitas gejala yang dimiliki oleh masing-masing jenis ketergantungan game online. Pada bagian menjelasakn hasil penelitian yang dilakukan dengan menggunakan teorema bayes. Langkah pertama adalah dengan cara menentukan bobot masing-masing gejala berdasarkan nilai kepasatian yang diperoleh dari interprestasi teminologi bayes [19][20][21].
a. Analisis Jenis Ketergantungan Game Online.
Jenis ketergantungan game online didapatkan dari hasil wawancara dengan seorang guru Bimbingan Konseling (BK) di MTsN 1 labuhanbatu Utara. Tingkat ketergantungan dibagi menjadi 3 tingkatan yang dapat dilihat pada tabel 1 dibawah ini:
Tabel 1. Data Jenis Ketergantungan Game Online
No Kode Jenis Ketergantungan
1. P1 Ketergantungan Ringan
2. P2 Ketergantungan Sedang
3. P3 Ketergantungan Berat
Sumber : Guru Bimbingan Konseling (Winia Lestari Soekiman, S.Psi) b. Analisis Data Gejala Ketergantungan Game Online
Data gejala yang digunakan dalam mendeteksi ketergantungan game online ini didapat berdasarkan hasil wawancara dengan guru Bimbingan Konseling (BK). Berikut ini adalah data gejala dari ketergantungan game online yang dapat dilihat pada tabel 2 dibawah ini:
Tabel 2. Data Gejala Ketergantungan Game Online
Kode Nama Gejala
G01 Sering begadang
G02 Kesehatam fisik anda mulai berkurang
G03 Menghabiskan waktu lama ketika bermain game G04 Tidak dapat mengontrol emosi ketka berain game G05 Tidak tertarik dalam bersosialisasi
G06 Mengucapkan kata-kata kotor
G07 Konsentrasi anda dalam belajar berkurang
G08 Mulai mengeluarkan uang kepeerluan game online G09 Bermain game hana untuk mengisi waktu luang G10 Masih mengingat waktu ketika bermain game
G11 Merasa resah setelah bermain game untuk waktu yang lama G12 Mulai berbohong
G13 Selalu terpikir game sepanjang hari?
G14 Bermain game hanya untuk melupakan masalah-masalah kehidupan anda G15 Susah dalam membagi waktu
G16 Mulai mencari teman yang hobi dalam jenia game terbaru G17 Mulai mengabaikan perkataan orang tua
G18 Kesulitan untuk berhenti bermain game ketika telah memulainya Sumber : Guru Bimbingan Konseling (Winia Lestari Soekiman, S.Psi) c. Analisis Data Solusi Jeni Ketergantungan
Tabel 3. Solusi Jenis Ketergantungan Game Online
Kode Jenis Ketergantngan Solusi
P1 Ringan Mengurangi waktu dan pergaulan dalam bermain dengan sesama pemain game online dengan cara menolak jika mereka mengajak untuk bermain game online sehingga akan membantu anda untuk menghilangkan rasa untuk bermain game online.
P2 Sedang Mencari kesibukan untuk diri sendiri, mengisi waktu dengan hal yang bermanfaat seperti berolahraga, membaca buku/novel atau kegiatan lain, dengan mencari kesibukan akan membantu anda untuk mengurangi ketergantungan terhadap game online guna dan mengalihkan pikiran pengguna dari bermain game.
Copyright © 2023 Yusuf Ramadhan Nasutiion, Page 680 P3 Berat 1. Menamkan niat untuk berhenti dalam bermain game online, misalnya
dengan cara membuat komitmen dengan tujuan agar menghilangkan ketergantungan terhadap game online.
2. Menceritakan gejala ketergantungan game yang dialami agar orang terdekat kita bisa memberi dukungan dan jalan keluar dan menjadi pengingat setiap kali ingin bermain game. Apabila sudah mengalami pada fisik dan psikologis seperti gangguan syaraf karena terpapar radiasi, hilangnya tanggung jawab sosial, emosional tidak stabil, kesulitan untuk berkomunikasi, maka sebaiknya konsultasi langsung dengan psikolog atau bimbingan konseling.
3.2 Penerapan Metode Bayes
Pada penerapan metode bayes ini dilakukan sebuah uji coba dengan mendapatkan sebuah data gejala ketergantungan game online. Setelah itu data gejala ketergantungan tersebut akan dilakukan perbandingan dengan gejala yang menyebabkan pengguna game online menjadi ketergantungan. Langkah selanjutnya adalah melakukan proses perhitungan menggunakan metode bayes. Pada perhitungan metode bayes ini terdapat data pengguna game online, yaitu tingkat ketergantungan dan data gejala[22][23][24].
Berdasarkan representasi pengetahuan untuk mendiagnoisi deteksi ketergantungan game online ini maka disusun daftar aturan (rule) seperti pada tabel 5 dibawah ini:
Tabel 4. Aturan (rule)
No Aturan (rule)
1 Jika G01 = Benar, maka Nilai Probabilitas = 0.57 2 Jika G01 = Tidak, maka Nilai Probabiltas = 0 3 Jika G02 = Benar, maka Nilai Probabilitas = 1 4 Jika G02 = Tidak, maka Nilai Probabiltas = 0 5 Jika G03 = Benar, maka Nilai Probabilitas = 0.71 6 Jika G03 = Tidak, maka Nilai Probabiltas = 0 7 Jika G04 = Benar, maka Nilai Probabilitas = 0.57 8 Jika G04 = Tidak, maka Nilai Probabiltas = 0 9 Jika G05 = Benar, maka Nilai Probabilitas = 0.71 10 Jika G05 = Tidak, maka Nilai Probabiltas = 0 11 Jika G06 = Benar, maka Nilai Probabilitas = 0.57 12 Jika G06 = Tidak, maka Nilai Probabiltas = 0 13 Jika G07 = Benar, maka Nilai Probabilitas = 0.57 14 Jika G07 = Tidak, maka Nilai Probabiltas = 0 15 Jika G08 = Benar, maka Nilai Probabilitas = 0.71 16 Jika G08 = Tidak, maka Nilai Probabiltas = 0 17 Jika G09 = Benar, maka Nilai Probabilitas = 0.57 18 Jika G09 = Tidak, maka Nilai Probabiltas = 0
Terdapat 18 data pertanyaan yang diajukan kepada pengguna game online sebagaimana hampir semua pengguna gamer dengan game online.Berikut ini pertanyaan yang isi oleh salah satu pengguna yang bernama Muhammad Setia Fajar yang ingin berkonsultasi apakah Setia Fajar terdeteksi ketergantungn game online?
Tabel 5. Pertanyaan Gejala Ketergantungan Game Online
Kode Nama Gejala Jawaban
G01 Apakah anda sering begadang? Tidak
G02 Apakah kesehatan fisik anda mulai berkurang? Ya
G03 Apakah anda menghabiskan waktu lama ketika bermain game? Tidak G04 Apakah anda tidak dapat mengontrol emosi ketika bermain game? Tidak
G05 Apakah anda tidak tertarik dalam bersosialisasi? Ya
G06 Apakah anda mengucapkan kata-kata kotor? Ya
G07 Apakah konsentrasi anda dalam belajar bekurang? Tidak
G08 Apakah anda mulai mengeluarkan uang keperluan game online? Ya G09 Apakah anda bermain game hanya untuk mengisi waktu luan? Tidak G10 Apakah anda masih mengingat waktu ketika bermain game? Ya G11 Apakah merasa resah setelah bermain game untuk waktu yang lama? Tidak
G12 Apakah anda mulai berbohong? Tidak
G13 Apakah anda selalu terpikir game sepanjang hari? Ya
G14 Apakah anda bermain game hanya untuk melupakan masalah-masalah kehidupan anda? Ya
G15 Apakah anda susah dalam membagi waktu? Ya
G16 Apakah anda mulai mencari teman yang hobi dalam jenis game terbaru? Tidak
G17 Apakah anda mulai mengabaikan perkataan orang tua? Ya
G18 Apakah anda kesulitan untuk berhenti bermain game ketika telah memulainya? Tidak
Berdasarkan pertanyaan yang telah diberi jawaban Ya dan Tidak. Maka hasil dari pertanyaan tersebut dapat dilihat seberapa besar Muhammad Setia Fajar mengalami ketergantungan terhadap penggunaan game online yang menggunakan probabilitas bayes kemudian diproses dengan menggunakan metode bayes. Adapun tahapan-tahapan dalam kpenyelesaian metode bayes yaitu sebagai berikut ini:
a. Menentukan nilai probabilitas
Tabel 6. Nilai Probabilitas Gejala
Kd_Gejala Nilai Probailitas
G01 0,57
G02 1,00
G03 0,71
G04 0,57
G05 0,71
G06 0,57
G07 0,57
G08 0,71
G09 0,57
G10 0,43
G11 0,57
G12 0,43
G13 0,29
G14 0,43
G15 0,57
G16 0,29
G17 0,43
G18 1,00
b. Menjumlahkan nilai probabiltas
Setelah mendapatkan nilai probanilits, langkah selanjutnya adalah jumlahkan nilai probabilitas tersebut dengan rumus
∑𝑛𝐺𝑛𝐾= 1 = 𝐺1 + ⋯ + 𝐺𝑛.
1. P1 = Ketergantungan Berat G02 = K (E|H02) = 1 G05 = K (E|H05) = 0.71 G06 = K (E|H06) = 0.57
= ∑ 𝐾
18
𝐺18
= 3 = 1 + 0.71 + 0.57 = 0.28
2. P2 = Ketergantungan Sedang G08 = K (E|H08) = 0.71 G10 = K (E|10) = 0.42
= ∑ 𝐾
18
𝐺18
= 2 = 0.71 + + 0.42 = 1.14
3. P3 = Ketergantungan Ringan G13 = K (E|H13) = 0.28 G15 = K (E|H15) = 0.57 G16 = K (E|H17) = 0.42
= ∑ 𝐾
18
𝐺18
= 3 = 0.28 + 0.57 + 0.42 = 1.27
c. Mencari nilai probabilitas hipotesa H tanpa memandang ievidence
Copyright © 2023 Yusuf Ramadhan Nasutiion, Page 682 Selanjutnya adalah mencari nilai probabilitas hipotesa H tanpa memandang evidence dengan cara memandang evidence dengan cara membagikan nilai probabilitas evidence awal dengan hasil penjumlahan probabilitas berdasarkan data. Dengan rumus
𝑘 (𝐻𝑖) = 𝑘 (𝐸|𝐻∑ =𝑛𝑛 𝑖)
𝑘
.
1. P1 = Ketergantungan Berat G02 = K(H2) = 1
2.29= 0.43 G05 = K(H5) = 0.71
2.29= 0.29 G06 = K(H6) = 0.57
2.29= 0.25 2. P2 = Ketergantungan Sedang
G08 = K(H08) = 1
0.28= 0.43 G10 = K(H10) = 0.71
1.14= 0.29 3. P3 = Ketergantungan Ringan
G13 = K(H13) = 0.28
1.29= 0.22 G14 = K(H14) = 0.57
1.29= 0.44 G17 = K(H17) = 0.42
1.29= 0.33
d. Mencari nilai probabilitas hipotesis memandang evidence
Langkah selanjutnya mencari probabilitas hipotesis memandang evidence dengan cara mengalihkan nilai probabilitas evidence dan menjumlahkan hasil perkalian bagi masing-masing hipotesis.
∑ = 𝑘 (𝐻𝑖) × k(E| H𝑖) + ⋯ + 𝐾 (𝐻𝑖) × 𝐾(E| H𝑖)
𝑛
𝑘=𝑛
1. P1 = Ketergantungan Berat
∑ = ( 0.44 × 1 ) + ( 0.31 × 0.71) + ( 0.25 × 0.57) = 0.80
3
𝑘=3
2. P2 = Ketergantungan Sedang
∑ = ( 0.63 × 0.71 ) + ( 0.38 × 0.43) = 0.60
2
𝑘=2
3. P3 = Ketergantungan Ringan
∑ = ( 0.22 × 0.29 ) + ( 0.44 × 0.57) + ( 0.33 × 0.43) = 0.46
3
𝑘=3
e. Mencari nilai hipotesa H benar jika diberi evidence
Langkah selanjutnya adalah mencari nilai 𝑘 = (𝐻𝑖|𝐸𝑖) atau probabilitas H, dengan suatu cara menghasilkan hasil nilai dari probabilitas hipotesa tanpa memandang suatu evidence dengan suatu nilai probabilitas awal lalu dibagi hasil probabilitas hipotesa dengan memandang evidence.
𝑘 (𝐻𝑖 𝐸𝑖) =
𝐾(𝐻𝑖) × 𝐾(𝐸 𝐻𝑖)
∑ = 𝑁𝑛𝑘 1. P1 = Ketergantungan Berat
G02 = 0.44 × 1
0.80 = 0.54 G05 = 0.31 × 0.71
0.80 = 0.28 G06 = 0.25 × 0.57
0.80 = 0.18 2. P2 = Ketergantungan Ringan
G08 = 0.63 × 0.71
1.14 = 0.74 G10 = 0.38 × 0.43
1.14 = 0.26
3. P3 = Ketergantungan Sedang G13 = 0.22 × 0.29
1.29 = 0.14 G15 = 0.44 × 0.57
1.29 = 0.55 G17 = 0.33 × 0.43
1.29 = 0.31 f. Mencari nilai kesimpulan
Langkah selanjutnya adalah mencari nilai bayes dari metode teorema bayes yaitu ∑𝑛𝐾=1𝑏𝑎𝑦𝑒𝑠 = P (𝐸 | H𝑖) × P ( H𝑖 |E𝑖) … . . + P ( E | H𝑖) × P ( H𝑖 |E𝑖). Dengan mencari nilai kesimpulan dari metode teorema bayes dengan cara mengalikan nilai probabilitas evidence awal atau P (E|Hi) dengan nilai hipotesa Hi benar jika diberikan evidence e atau P (Hi | ei) menjumlahkan perkalian.
1. P1 = Ketergantungan Berat
∑ 𝑏𝑎𝑦𝑒𝑠 = ( 1 × 0.54 )
3 𝐾=3
+ ( 0.71 × 0.28) + ( 0.57 × 0.18) = 0.49
2. P2 = Ketergantungan Ringan
∑ 𝑏𝑎𝑦𝑒𝑠 = ( 0.71 × 0.74 )
2 𝐾=2
+ ( 0.42 × 0.26) = 0.64
3. P3 = Ketergantungan Sedang
∑ 𝑏𝑎𝑦𝑒𝑠 = ( 0.28 × 0.14 )
3 𝐾=3
+ ( 0.57 × 0.55) + ( 0.42 × 0.31) = 0.49
Dari hasil perhitungan menggunakan metode teorema bayes diatas, maka dapat diketahui bahwa Muhammad Setia Fajar melakukan diagnosis terdeteksi ketergantungan berat dengan nilai bayes 0.84 atau 84%.
3.3 Implementasi Sistem
Pengujian sistem dilakukan semua sistem telah terkonfigurasi dengan baik dan sistem dapat berjalan dengan baik maka tahap terakhir adalah melakukan pengujian sistem. Fajar melakukan diagnosis untuk mendeteksi apakah muhammad setia fajar terdeteksi ketergantungan terhadap game online.
Gambar 5. Fitur Halaman User
Pada gambar 4 diatas merupakan halaman menu saat pengguna user melakukan login pada aplikasi maka user akan masuk ke halaman user. Pada halaman ini ada 6 fitur, yaitu pengujian, pelatihan, feed,edukasi, profil, dan tentang.
Copyright © 2023 Yusuf Ramadhan Nasutiion, Page 684 Gambar 6. Fitur Halaman Pengujian
Pada gambar 5 diatas user dapat melakukan diagnosa atau deteksi pada aplikasi dengan menjawab pertanyaan pertanyaan data gejala yang ada di aplikasi deteksi ketergantungan game online. Selanjutnya setelah user menjawab pertanyaan tersebut maka user dapat melihat jenis ketergantungan game online apakah pengguna ketergantungan berat, sedang, dan ringan. Kemudian user juga dapat melihat nilai bayes dan memberikan solusi pada masing-masing jenis ketergantungan terhadap pengguna, agar pengguna dapat mengurangi dalam bermain game online.
Gambar 7. Fitur Halaman Feed
Pada Gambar 6 halaman ini menjelaskan tentang histori pengguna yang telah melakukan diagnosa deteksi ketergantungan game online.
4. KESIMPULAN
Berdasarkan hasil penelitian dan pembahasan dapat disimpulkan bahwa metode bayes berhasil dalam melakukan diagnosa deteksi para pengguna game online. Penulis melakukan penelitian dengan menggunakan metode bayes karena metode ini mudah untuk dipahami bagi para pemula. Penggunaan algoritma metode bayes menunjukkan bahwa terdapat siswa bernama Muhammad Fajar mengalami katergantungan game online, siswa tersebut menjawab beberapa pertanyaan dari gejala ketergantungan game online. Adapun hasil dari tersebut menunjukkan bahwa siswa tersebut mengalami ketergantungan berat dalam bermain game online dengan nilai bayes 0.84 % atau 84%. Selain itu pada penelitian ini juga menghasilkan sebuah aplikasi deteksi keergantungan game online berbasis mobile android yang dapat digunakan pada smartphone android sehingga para pengguna game online tidak perlu bertemu dengan seorang pakar untuk berkonsultasi tentang ketergantungan gejala-gejala terhadap game online.
REFERENCES
[1] I. Zulkarnein and V. Lusiana, “Rekomendasi Deck Hero Pada Game Clash Royal Menggunakan Metode Naïve Bayes,” J.
Mahajana Inf., vol. 7, no. 1, pp. 108–114, 2022, doi: 10.51544/jurnalmi.v7i1.2961.
[2] A. A. dan A. W. B. U. Kustiawan, JANGAN SUKA GAME ONLINE :PENGARUH GAME ONLINE DAN TINDAK PENCEGAHAN, Cetakan ke. Jawa Timur: Jawa Timur: CV.AE MEDIA GRAFIKA, 2019.
[3] Y. Firdaus, Y. Pebrianti, and T. Andriyani, “Pengaruh kecanduan game online terhadap perilaku konsumtif siswa pengguna game online,” J. Ris. Terap. Akunt., vol. 2, no. 2, pp. 169–181, 2018.
[4] R. Mokhammad, Cara Mudah Membuat Game Edukasi dengan Construct 2; Tutorial sederhana Construct 2. Yogyakarta:
Maskha, 2018.
[5] A. M. S. Luki, Filananoka, “Pengaruh Intensitas Bermain Game terhadap Konsentrasi Belajar Siswa SMK Al -Ikhlash Dalegan Panceng Gersik,” vol. 01, no. 02, pp. 112–119, 2020.
[6] M. Mertika and D. Mariana, “Fenomena Game Online di Kalangan Anak Sekolah Dasar,” J. Educ. Rev. Res., vol. 3, no. 2, p. 99, 2020, doi: 10.26737/jerr.v3i2.2154.
[7] F. R. Mais, S. S. J. Rompas, and L. Gannika, “Kecanduan Game Online Dengan Insomnia Pada Remaja,” J. Keperawatan, vol.
8, no. 2, p. 18, 2020, doi: 10.35790/jkp.v8i2.32318.
[8] N. Sulardi and A. Witanti, “Sistem Pakar Untuk Diagnosis Penyakit Anemia Menggunakan Teorema Bayes,” J. Tek. Inform., vol. 1, no. 1, pp. 19–24, 2020, doi: 10.20884/1.jutif.2020.1.1.12.
[9] R. Lumbantoruan, N. B. Nugroho, and A. Alhafiz, “Mendiagnosa Penyakit Psittacosis Dengan Menggunakan Metode Teorema Bayes,” J. Sist. Inf. Triguna Dharma (JURSI TGD), vol. 1, no. 5, p. 655, 2022, doi: 10.53513/jursi.v1i5.5340.
[10] S. A. Chiesa, “Hubungan antara Kecanduan Game Online dengan Kualitas Tidur pada Mahasiswa yang Bermain Game Online X di Kota Padang,” Socio Hum., vol. 3, no. 1, pp. 1–11, 2021.
[11] A. M. H. Pardede, “Perancangan Sistem Pakar Diagnosa Penyakit Tanaman Kelapa Sawit Dengan Metode Bayes Study Kasus Pt.Ukindo Blankahan Estate,” J. KAPUTAMA, vol. 10, no. 1, pp. 8–16, 2016, doi: 10.21248/contrib.entomol.13.7-8.894-901.
[12] R. Tulllah, S. M. Mustafa, and A. Rochim, “Sistem Pakar Pendeteksi Penyakit Diabetes Mellitus Menggunakan Algoritma Fuzzy Logic Takagi Sugeno Kang,” vol. 9, no. 2, 2019.
[13] heny Pratiwi, Buku Ajar Sistem pakar. Jawa Barat: Jawa Barat: Goresan Pena, 2019.
[14] F. Kesumaningtyas and R. Handayani, “Perancangan Sistem Pakar Diagnosa Penyakit Rheumatic (Rematik) Dengan Metode Forward Chaining,” J. TEKNOIF, vol. 8, no. 2, pp. 59–63, 2020, doi: 10.21063/jtif.2020.v8.2.
[15] R. Rachman, “Sistem Pakar Deteksi Penyakit Refraksi Mata Dengan Metode Teorema Bayes Berbasis Web,” J. Inform., vol. 7, no. 1, pp. 68–76, 2020, doi: 10.31311/ji.v7i1.7267.
[16] M. R. Fadillah, B. Andika, and D. Saripurna, “Sistem Pakar Mendiagnosa Penyakit Dan Hama Penyerang Tanaman Bougenville Dengan Metode Teorema Bayes,” J. SAINTIKOM (Jurnal Sains Manaj. Inform. dan Komputer), vol. 19, no. 1, p. 88, 2020, doi:
10.53513/jis.v19i1.229.
[17] T. Hidayat and M. Muttaqin, “Pengujian Sistem Informasi Pendaftaran dan Pembayaran Wisuda Online menggunakan Black Box Testing dengan Metode Equivalence Partitioning dan Boundary Value Analysis,” vol. 6, no. 1, pp. 25–29, 2018.
[18] S. Fuadi, O. Candra, and U. N. Padang, “Prototype Alat Penyiram Tanaman Otomatis dengan Sensor Kelembaban dan Suhu Berbasis Arduino,” vol. 1, no. 1, pp. 21–25, 2020.
[19] W. A. najwawakyla. Dkk, Lentera Peradaban. Jawa Timur: Jawa Timur: Caremedia Communication, 2021.
[20] H. W. Saiful Nur Arif, Muhammad Syahril, “Sistem Pakar Mendiagnosa Kerusakan Handphone Oppo,” vol. 4, no. 1, pp. 112 – 126, 2021.
[21] E. T. Simanjuntak, D. Setiawan, and Y. H. Syahputra, “Penerapan Sistem Pakar Mendiagnosa Penyakit Toxoptera Citridus Aurantii Pada Tanaman Jeruk Menggunakan Metode Teorema Bayes,” vol. 4, no. 3, pp. 1–14, 2021.
[22] J. A. Widians, N. Puspitasari, and A. A. M. Putri, “Penerapan Teorema Bayes dalam Sistem Pakar Anggrek Hitam,” Inform.
Mulawarman J. Ilm. Ilmu Komput., vol. 15, no. 2, p. 75, 2020, doi: 10.30872/jim.v15i2.4604.
[23] R. Noviani, “Sistem Pakar Mendiagnosa Gizi Buruk Pada Balita Menggunakan Teorema Bayes,” vol. 3, no. 2, pp. 163–169, 2020.
[24] T. S. Adhiva, U. Fatimah, S. Sitorus, and D. Suherdi, “Expert System Untuk Mendiagnosa Anxiety Disorder Menggunakan Metode Teorema Bayes,” vol. 3, no. 2, pp. 376–384, 2020.
