Skripsi/Tugas Akhir

Analisis Pengaruh Durasi Bermain Mobile Legends Terhadap Prestasi Mahasiswa Universitas Dipa Makassar dengan Metode Multilabel Klasifikasi

---

Rating Anda tentang Buku/Tulisan ini!

---

ABSTRAK
Penelitian ini bertujuan untuk menganalisis pengaruh durasi bermain Mobile Legends terhadap prestasi akademik dan non-akademik mahasiswa Universitas Dipa Makassar dengan pendekatan multi-label classification menggunakan algoritma Gradient Boosting. Data dikumpulkan dari 361 mahasiswa melalui kuesioner yang telah diuji validitas (p-value < 0,001) dan reliabilitasnya (Cronbach's Alpha = 0,918). Variabel independen meliputi durasi bermain, frekuensi bermain, waktu belajar, dan jumlah lomba yang diikuti. Sementara itu, variabel dependen adalah prestasi akademik (IPK) dan prestasi non-akademik (organisasi/lomba). Data dianalisis menggunakan Python dengan pendekatan Binary Relevance. Evaluasi model dilakukan menggunakan Hamming Loss, Subset Accuracy, dan R² Score. Hasil menunjukkan model memprediksi prestasi akademik dengan R² = 0,947 dan prestasi non-akademik dengan R² = 0,9999. Temuan ini menunjukkan bahwa kebiasaan digital mahasiswa berpengaruh terhadap capaian prestasi, dan pendekatan machine learning dapat digunakan dalam analisis perilaku pendidikan.
Kata Kunci: Mobile Legends, Prestasi Akademik, Prestasi Non-Akademik, Multi-Label Classification, Gradient Boosting

ABSTRACT
This study aims to analyze the impact of Mobile Legends playing duration on academic and non-academic performance of students at Universitas Dipa Makassar using a multi-label classification approach with the Gradient Boosting algorithm. Data were collected from 361 students using a questionnaire validated (p-value < 0.001; Cronbach's Alpha = 0.918). The independent variables included playing duration, frequency, study time, and number of competitions. The dependent variables were academic performance (GPA) and non-academic performance (organization/competition involvement). The data were analyzed using Python and the Binary Relevance method. The model was evaluated using Hamming Loss, Subset Accuracy, and R² Score. Results showed that the model predicted academic performance with R² = 0.947 and non-academic performance with R² = 0.9999. These findings indicate that students' digital habits influence performance outcomes and that machine learning offers a promising tool in educational behavior analysis.
Keywords: Mobile Legends, Academic Achievement, Non-Academic Achievement, Multi-Label Classification, Gradient Boosting

---

Ketersediaan

SKR 25-51 0922TI

SKR 25-51 TAT a - 0922TI

Perpustakan UNDIPA (Rak Skripsi/Tugas Akhir)

Tidak Dipinjamkan-No Loan

Informasi Detail

Judul Seri

--

No. Panggil

SKR 25-51 TAT a - 0922TI

Penerbit

Makassar : Universitas DIPA., 2025

Deskripsi Fisik

xiii + 95 hlm.; 20,5 x 28,5 cm

Bahasa

Indonesia

ISBN/ISSN

--

Klasifikasi

SKR 25-51

Tipe Isi

Text dan Gambar

Edisi/Cetakan

Edisi/Cetakan 27 Februari 2025

Subjek

Skripsi/Tugas Akhir
Multi-Label Classification

Lampiran File