Analisis Efektivitas Sistem Rekomendasi Berbasis Random Forest Untuk Edukasi Rehabilitasi Narkoba di Masyarakat Kota Manado
Main Article Content
Penyalahgunaan narkoba di Kota Manado menunjukkan peningkatan signifikan, sehingga diperlukan strategi edukasi yang personal dan efektif. Namun, metode edukasi konvensional yang selama ini diterapkan masih bersifat seragam dan belum mempertimbangkan karakteristik individu pengguna, sehingga kurang optimal dalam meningkatkan pemahaman masyarakat. Penelitian ini bertujuan untuk merancang, mengimplementasikan, dan mengevaluasi sistem rekomendasi materi edukasi rehabilitasi narkoba berbasis algoritma Random Forest. Sistem dikembangkan dengan arsitektur full-stack menggunakan React.js dan Vite pada frontend, serta FastAPI dan PostgreSQL pada backend. Metode penelitian yang digunakan adalah Research and Development (R&D) dengan melibatkan partisipan yang terbagi ke dalam kelompok eksperimen yang menggunakan sistem rekomendasi dan kelompok kontrol yang mengakses materi tanpa personalisasi. Model Random Forest dilatih menggunakan fitur karakteristik pengguna (usia, jenis kelamin, pendidikan, dan preferensi materi) untuk memberikan rekomendasi yang dipersonalisasi. Evaluasi sistem dilakukan melalui pengujian performa model machine learning dan analisis perbandingan peningkatan pengetahuan antara kedua kelompok. Hasil penelitian menunjukkan bahwa sistem yang dikembangkan mampu memberikan rekomendasi materi yang akurat dan berpotensi meningkatkan efektivitas penyampaian informasi rehabilitasi narkoba dibandingkan dengan metode konvensional. Penelitian ini diharapkan dapat berkontribusi pada pengembangan platform kesehatan digital di kota manado melalui implementasi algoritma Random forest yang mampu memberikan rekomendasi adaptif secara real-time.
Chen, T., & Guestrin, C. 2016. XGBoost. A scalable tree boosting system. In Proceedings of the 22nd ACM SIGKDD International Conference on Knowledge Discovery and Data Mining (pp. 785–794).
GÉRON, A. 2022. Hands-on machine learning with Scikit-Learn, Keras, and TensorFlow (3rd ed.). O'Reilly Media.
GULTOM, F. R., SETYANTO, A., & WIBOWO, A. 2023. Implementasi sistem rekomendasi berbasis konten dan kolaboratif untuk platform e-learning. Jurnal Teknologi Informasi dan Ilmu Komputer (JTIIK), 10(2), 321–330.
KEMENTERIAN KESEHATAN REPUBLIK INDONESIA. 2020. Pedoman umum program rehabilitasi medis dan sosial bagi penyalahguna narkotika, psikotropika, dan zat adiktif lainnya. Kemenkes RI.
SUGIYONO. 2019. Metode penelitian kuantitatif, kualitatif, dan R&D. Alfabeta.
ZHANG, Z., & ZHANG, Y. 2020. Performance metrics (precision, recall, F1-score, accuracy). In K. Phung, V. S. Tseng, G. I. Webb, B. Ho, M. Ganji, & L. Rashidi (Eds.), Encyclopedia of big data technologies. Springer, Cham. https://doi.org/10.1007/978-3-319-63962-8_312-1
Zheng, A., & Casari, A. 2018. Feature engineering for machine learning: Principles and techniques for data scientists. O'Reilly Media.
NUGROHO, A. S., & UTAMI, E. 2021. Personalisasi konten edukasi digital menggunakan metode hybrid filtering. Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi), 5(3), 455–463.
HASTIE, T., TIBSHIRANI, R., & FRIEDMAN, J. 2017. The elements of statistical learning: Data mining, inference, and prediction (2nd ed.). Springer
BADAN NARKOTIKA NASIONAL REPUBLIK INDONESIA. 2022. Laporan tahunan penyalahgunaan narkoba di Indonesia tahun 2021. BNN RI.
