Article Per Year (5 Year)
p-Index From 2020 - 2025
0.408
P-Index
This Author published in this journals
All Journal RISTEK : Jurnal Riset, Inovasi, dan Teknologi Kabupaten Batang RISTEK: Jurnal Riset, Inovasi dan Teknologi Kabupaten Batang
Limar Kinanti, M.Si, Shynde
Unknown Affiliation
Agriculture, Biological Sciences & Forestry Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Health Professions Law, Crime, Criminology & Criminal Justice Social Sciences Other

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

Found 2 Documents
Search

 1 
PENGEMBANGAN WEBSITE KLASIFIKASI KUALITAS TIDUR DAN REKOMENDASI PENANGANAN MENGGUNAKAN LOGISTIC REGRESSION Nugraha, Rizky; Muflih, Shidqi Rizkilah; Ferianda, Ilham; Arashi, Zulfan Raihan; Sahubawa, Ninhesa Sahrani; Hendrian,ST, M.Kom, Yanyan; Limar Kinanti, M.Si, Shynde
RISTEK : Jurnal Riset, Inovasi dan Teknologi Kabupaten Batang Vol 9 No 2 (2025): RISTEK :Jurnal Riset, Inovasi dan Teknologi Kabupaten Batang
Publisher : Bapelitbang Kabupaten Batang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55686/ristek.v9i2.204

Abstract

Proses klasifikasi kualitas tidur masyarakat saat ini masih dilakukan secara manual, sehingga membutuhkan waktu dan tenaga yang tidak sedikit. Permasalahan ini disebabkan oleh kurangnya sistem otomatisasi dalam mengolah data tidur serta memberikan rekomendasi yang tepat. Penelitian ini bertujuan untuk mengembangkan sebuah sistem berbasis website yang mampu mengklasifikasikan kondisi tidur pengguna berdasarkan data gaya hidup yang diinputkan, serta memberikan rekomendasi penanganan yang sesuai. Metode yang digunakan adalah pengembangan perangkat lunak berbasis model Waterfall dengan algoritma Logistic Regression untuk klasifikasi. Dataset yang digunakan bersumber dari Sleep Health and Lifestyle di Kaggle, dengan atribut gaya hidup seperti usia, durasi tidur, tingkat stres, dan aktivitas fisik. Hasil evaluasi menunjukkan bahwa model klasifikasi yang dikembangkan memiliki akurasi sebesar 77%. Sistem ini mampu memberikan prediksi kategori tidur seperti Sehat, Insomnia, dan Sleep Apnea, serta rekomendasi penanganan berbasis hasil klasifikasi. Dengan adanya sistem ini, diharapkan proses pengklasifikasian tidur menjadi lebih efektif dan efisien, serta dapat meningkatkan kesadaran masyarakat terhadap kualitas tidur mereka
PENGEMBANGAN WEBSITE KLASIFIKASI KUALITAS TIDUR DAN REKOMENDASI PENANGANAN MENGGUNAKAN LOGISTIC REGRESSION Nugraha, Rizky; Muflih, Shidqi Rizkilah; Ferianda, Ilham; Arashi, Zulfan Raihan; Sahubawa, Ninhesa Sahrani; Hendrian,ST, M.Kom, Yanyan; Limar Kinanti, M.Si, Shynde
RISTEK : Jurnal Riset, Inovasi dan Teknologi Kabupaten Batang Vol 9 No 2 (2025): RISTEK :Jurnal Riset, Inovasi dan Teknologi Kabupaten Batang
Publisher : Bapelitbang Kabupaten Batang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55686/ristek.v9i2.204

Abstract

Proses klasifikasi kualitas tidur masyarakat saat ini masih dilakukan secara manual, sehingga membutuhkan waktu dan tenaga yang tidak sedikit. Permasalahan ini disebabkan oleh kurangnya sistem otomatisasi dalam mengolah data tidur serta memberikan rekomendasi yang tepat. Penelitian ini bertujuan untuk mengembangkan sebuah sistem berbasis website yang mampu mengklasifikasikan kondisi tidur pengguna berdasarkan data gaya hidup yang diinputkan, serta memberikan rekomendasi penanganan yang sesuai. Metode yang digunakan adalah pengembangan perangkat lunak berbasis model Waterfall dengan algoritma Logistic Regression untuk klasifikasi. Dataset yang digunakan bersumber dari Sleep Health and Lifestyle di Kaggle, dengan atribut gaya hidup seperti usia, durasi tidur, tingkat stres, dan aktivitas fisik. Hasil evaluasi menunjukkan bahwa model klasifikasi yang dikembangkan memiliki akurasi sebesar 77%. Sistem ini mampu memberikan prediksi kategori tidur seperti Sehat, Insomnia, dan Sleep Apnea, serta rekomendasi penanganan berbasis hasil klasifikasi. Dengan adanya sistem ini, diharapkan proses pengklasifikasian tidur menjadi lebih efektif dan efisien, serta dapat meningkatkan kesadaran masyarakat terhadap kualitas tidur mereka
Co-Authors Arashi, Zulfan Raihan Ferianda, Ilham Hendrian,ST, M.Kom, Yanyan Muflih, Shidqi Rizkilah Nugraha, Rizky Sahubawa, Ninhesa Sahrani