Banyak penelitian dan fakta yang ada di masyarakat bahwa merokok itu buruk bagi kesehatan. Hal ini menyebabkan perokok mencari alternatif dari rokok tradisional hingga rokok elektrik (vaping) untuk membantu berhenti merokok secara perlahan. Namun akhir-akhir ini penggunaan rokok elektrik menjadi pro dan kontra tersendiri di masyarakat karena faktor penerimaan informasi dari masyarakat itu sendiri. Penelitian ini mencoba membandingkan penggunaan 3 metode klasifikasi data mining yaitu Decision Tree, Naïve Bayes dan Logistic Regression untuk mendapatkan algoritma yang paling akurat dan mengetahui hasil klasifikasi bahaya atau tidaknya penggunaan rokok elektrik berdasarkan pandangan masyarakat itu sendiri menggunakan 4 faktor pembanding yaitu seberapa sering. melihat bagaimana orang menggunakan/ menawarkan/ mengiklankan/ mempromosikan rokok elektrik, seberapa sering mereka melihat tayangan tentang bahaya rokok elektrik, memiliki teman dekat yang merokok vape, dan memiliki keluarga (ayah/ibu / saudara kandung) yang merokok. Dari hasil pengolahan data dan pengujian dengan melakukan pengukuran performansi ketiga algoritma tersebut menggunakan prosedur confusion matrix, operator cross validation dan kurva ROC, algoritma decision tree menghasilkan tingkat nilai akurasi yang tertinggi sebesar 81,00% dan berdasarkan grafik algoritma decision tree juga terlihat bahwa Anda memiliki teman dekat yang merokok dengan rokok elektrik menjadi faktor utama seseorang menganggap vaping berbahaya.
Copyrights © 2022