Article Per Year (5 Year)
p-Index From 2020 - 2025
0.408
P-Index
This Author published in this journals
All Journal Jurnal Pilar Nusa Mandiri Indonesian Journal Computer Science (ijcs)
Panjaitan, Yogi Yosua
Unknown Affiliation
Computer Science & IT

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search
Journal : Indonesian Journal Computer Science (ijcs)

 1 
Implementasi Naive Bayes Untuk Klasifikasi Gangguan Tidur Amelia, Mutiara Mega; Fazrin, Bintang Maulana; Panjaitan, Yogi Yosua; Kurniawan, Muhamad Dicky; Khasanah, Nurul
Indonesian Journal Computer Science Vol. 4 No. 1 (2025): April 2025
Publisher : LPPM Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/t18ryp42

Abstract

Kualitas tidur yang baik merupakan aspek penting dari gaya hidup sehat, dengan dampak signifikan terhadap kesejahteraan fisik dan mental individu. Tidur yang cukup dan berkualitas telah terbukti meningkatkan fungsi kognitif, memperkuat sistem kekebalan tubuh, dan mengurangi risiko terkena berbagai penyakit kronis. Namun, gangguan tidur seperti insomnia dan sleep apnea dapat mengganggu pola tidur dan berpotensi menyebabkan dampak negatif pada kesehatan seseorang. Dalam konteks ini, penelitian ini bertujuan untuk menyelidiki dan mengklasifikasikan gangguan tidur berdasarkan sejumlah atribut yang berkaitan dengan gaya hidup dan kesehatan tidur. Dataset yang digunakan terdiri dari 374 entri, yang mencakup beragam atribut tentang gaya hidup dan kesehatan tidur. Metode Naive Bayes digunakan untuk melakukan klasifikasi, dengan melakukan empat proporsi pembagian data training dan testing: 60:40, 70:30, 80:20, dan 90:10. Tahapan penelitian meliputi pengumpulan data, preprocessing, pemodelan menggunakan algoritma Naive Bayes, evaluasi model, dan analisis hasil. Hasil penelitian menunjukkan adanya peningkatan akurasi seiring dengan peningkatan proporsi data training, dengan akurasi tertinggi mencapai 92.11% pada pembagian data 90:10. hasil tersebut termasuk dalam kategori excellent classification, menunjukkan keberhasilan model dalam mengidentifikasi dan mengklasifikasikan gangguan tidur berdasarkan atribut yang diberikan.
Co-Authors Amelia, Mutiara Mega Fahrurrozi4, Nabil Ali Fazrin, Bintang Maulana Kurniawan, Muhamad Dicky Mayangky, Nissa Almira Muhamad Hasan Nita Merlina, Nita Nurul Khasanah, Nurul Putra, Ananta Kusuma Siti Fauziah