Klasifikasi Tingkat Kecanduan Judi Online Terhadap Mahasiswa Berdasarkan Frekuensi Aktivitas Menggunakan Algoritma Decision Tree

Hakiki Alami Agustina; Syahrul Andriana; Alexander Dealova

doi:10.58520/jddat.v5i1.93

Authors

Hakiki Alami Agustina Universitas Bina Sarana Informatika
Syahrul Andriana Universitas Bina Sarana Informatika
Alexander Dealova Universitas Bina Sarana Informatika

DOI:

https://doi.org/10.58520/jddat.v5i1.93

Keywords:

Judi Online, Mahasiswa, Kecanduan, Frekuensi Aktivitas, Algoritma Decision Tree

Abstract

Perkembangan teknologi digital telah memberikan dampak positif dalam hal kemudahan untuk mengakses informasi, namun juga menyertakan dampak negatif, seperti meningkatnya jumlah kasus kecanduan judi online di kalangan mahasiswa. Kondisi ini berpotensi memengaruhi berbagai aspek, termasuk akademis, sosial, dan keuangan mahasiswa, sehingga penting untuk mengenali mereka berdasarkan tingkat kecanduan yang dialami. Penelitian ini bertujuan untuk mengelompokkan tingkat kecanduan judi online di antara mahasiswa dengan mempertimbangkan frekuensi aktivitas, durasi bermain, besaran uang yang digunakan, serta faktor akademik dan sosial menggunakan algoritma Decision Tree. Metode yang diambil dalam penelitian ini adalah pendekatan kualitatif deskriptif, dengan pengumpulan data melalui kuesioner dari sekitar 300 mahasiswa di beberapa universitas. Temuan penelitian ini mengungkapkan bahwa algoritma Decision Tree mampu mengklasifikasikan tingkat kecanduan dengan tingkat akurasi sebesar 95%, dan variabel frekuensi aktivitas serta durasi bermain berperan sebagai faktor yang paling dominan dalam menentukan level kecanduan. Penelitian ini memberikan kontribusi terhadap pengembangan sistem untuk pendeteksian dini kecanduan judi online dengan pendekatan machine learning, serta menawarkan saran strategis bagi lembaga pendidikan guna mencegah perilaku adiktif di kalangan mahasiswanya.

References

Á. García del Castillo-López, “Editorial: An integrative proposal in addiction and health behaviors psychosocial research: overview of new trends and future orientations,” Front. Psychol., vol. 16, 2025, doi: 10.3389/fpsyg.2025.1565681.

N. Canale, M. D. Griffiths, A. Vieno, V. Siciliano, and S. Molinaro, “Impact of Internet gambling on problem gambling among adolescents in Italy: Findings from a large-scale nationally representative survey,” Comput. Human Behav., vol. 57, pp. 99–106, Apr. 2016, doi: 10.1016/J.CHB.2015.12.020.

Y. Pharate, R. Pawar, B. Bhalerao, T. Kapile, and S. Nalawade, “Online Gambling and Fantasy Apps: Analyzing User Behavior, Addiction Risk, and Regulatory Challenges,” Jun. 2025, doi: 10.2139/SSRN.5332523.

S. K. M. K. Rahmaddeni, S. K. M. K. Denok Wulandari, M. Renova, A. M. Gilang Ramadhan, and R. Sari, Machine Learning. Serasi Media Teknologi, 2024. Accessed: Nov. 20, 2025. [Online]. Available: https://books.google.co.id/books?id=owoOEQAAQBAJ

A. H. Nasrullah, “IMPLEMENTASI ALGORITMA DECISION TREE UNTUK KLASIFIKASI PRODUK LARIS.” Accessed: Oct. 25, 2025. [Online]. Available: https://ejournal.lppm-unasman.ac.id/index.php/jikom/article/view/203/107

Y. Jiao, G. Wong-Padoongpatt, and M. Yang, “Detection of Problem Gambling with Less Features Using Machine Learning Methods,” 2024, Accessed: Oct. 25, 2025. [Online]. Available: https://arxiv.org/pdf/2403.15962

H. Wardle, A. Moody, M. Griffiths, J. Orford, and R. Volberg, “Defining the online gambler and patterns of behaviour integration: evidence from the British Gambling Prevalence Survey 2010,” Int. Gambl. Stud., vol. 11, no. 3, pp. 339–356, Dec. 2020, doi: 10.1080/14459795.2011.628684.

R. Daniah, A. Hidayatullah, and Susaldi, “Hubungan Tingkat Kecanduan Judi Online Dengan Perilaku Seks Bebas Pada Remaja Di Kelurahan Tugu Cimanggis Depok Tahun 2023,” J. Vent., vol. 2, no. 1, pp. 169–180, Mar. 2024, doi: 10.59680/VENTILATOR.V2I1.989.

Rahmawati and Nurjannah, “Fenomena Adiksi Judi Online Sebagai Dampak Negative Social: Di Rehabilitasi Kunci Yogyakarta,” J. Penelit. Tarbawi Pendidik. Islam dan Isu-Isu Sos., vol. 9, no. 2, pp. 24–30, Dec. 2024, doi: 10.37216/TARBAWI.V9I2.1589.

A. Harris, G. Gous, B. de Wet, and M. D. Griffiths, “The Relationship Between Gambling Event Frequency, Motor Response Inhibition, Arousal, and Dissociative Experience,” J. Gambl. Stud., vol. 37, no. 1, pp. 241–268, Mar. 2021, doi: 10.1007/S10899-020-09955-0/TABLES/3.

J. Mcbride and J. Derevensky, “Internet gambling and risk-taking among students: An exploratory study,” J. Behav. Addict., vol. 1, no. 2, pp. 50–58, Jun. 2020, doi: 10.1556/JBA.1.2012.2.2.

V. E. Tameo, M. H. Tinambunan, and G. C. Rorimpandey, “Predictive Classification of Online Gambling Impacts in North Sulawesi Using Naive Bayes,” Indones. J. Innov. Stud., vol. 24, no. 4, pp. 1–13, 2025, doi: 10.21070/ijins.v26i4.1728.