<![CDATA[Stres adalah salah satu gangguan kesehatan mental yang semakin meningkat di masyarakat. Kondisi fisiologis saat tidur dapat menjadi indikator tingkat stres. Penelitian ini bertujuan untuk membandingkan kinerja metode XGBoost dan Random Forest dalam memprediksi tingkat stres yang diklasifikasikan ke dalam lima kategori, yaitu normal, ringan, sedang, tinggi, dan sangat tinggi. Data yang digunakan berupa data numerik dengan delapan fitur fisiologis, meliputi snoring rate, respiration rate, body temperature, limb movement, blood oxygen, rapid eye movement, sleeping hours, dan heart rate. Metodologi penelitian mencakup preprocessing data melalui normalisasi dan pembagian data, serta evaluasi kinerja model menggunakan metrik accuracy, precision, recall, F1-score, serta confusion matrix. Penelitian ini juga melakukan analisis korelasi pada setiap fitur untuk mengetahui hubungan antara parameter fisiologis dan tingkat stres. Hasil penelitian menunjukkan bahwa kedua model menghasilkan akurasi sebesar 98%, namun Random Forest memiliki kinerja yang lebih stabil berdasarkan cross-validation dengan nilai rata-rata 99,2% dibandingkan dengan XGBoost sebesar 98,7%. Analisis feature importance menunjukkan bahwa snoring rate merupakan fitur paling dominan, serta terdapat korelasi positif dan negatif antarparameter terhadap tingkat stres. Penelitian ini menyimpulkan bahwa Random Forest lebih unggul dalam hal stabilitas model dan berpotensi digunakan untuk memprediksi tingkat stres berbasis data fisiologis tidur.]]>
