Analysis of Environmental Factors On The Risk Of Drug Abuse Using Naïve Bayes And Decision Tree Data Mining Algorithms

Abstrak

Menurut data Badan Narkotika Nasional (BNN), jumlah penyalahguna narkoba di Indonesia terus meningkat setiap tahunnya. Untuk mengatasi hal ini, dilakukan penambangan data untuk mengidentifikasi faktor-faktor paling berpengaruh yang berkontribusi terhadap penyalahgunaan narkoba. Metode analisis yang dipilih adalah algoritma Naïve Bayes dan Decision Tree. Hasil penelitian menunjukkan bahwa prediksi Naïve Bayes menunjukkan tingkat presisi sebesar 75% untuk Teman, 100% untuk Masyarakat, dan 100% untuk Keluarga. Sebaliknya, tingkat presisi Decision Tree adalah 66,67% untuk Teman, 0% untuk Masyarakat, dan 100% untuk Keluarga. Hal ini menunjukkan bahwa metode Naïve Bayes mengungguli Decision Tree dalam mengukur prediksi model untuk setiap kategori. Dalam hal akurasi keseluruhan, Naïve Bayes mencatat tingkat akurasi sebesar 78,57%, dibandingkan dengan akurasi dari Decision Tree sebesar 42,86%. Oleh karena itu, dapat disimpulkan bahwa metode Naïve Bayes lebih akurat daripada metode Pohon Keputusan. Akan tetapi, analisis decision tree dapat menjelaskan bahwa atribut kepribadian berpengaruh pada faktor lingkungan yang signifikan dalam mencegah penyalahgunaan narkoba.

Kata Kunci: Narkoba; Data Mining; Naïve Bayes; Decision Tree