<![CDATA[Kualitas tidur seseorang biasanya diukur menggunakan kuesioner yang berisi parameter jumlah jam tidur, jam kebiasaan tidur, kondisi saat tidur, kondisi saat bangun tidur, dan variabel lain berdasarkan pengakuan responden. Berdasarkan data yang diperoleh kemudian dihitung menggunakan rumus perhitungan indeks seperti Pittsburg Sleep Quality Index atau metode lainnya. Namun formulasi matematika seperti ini bersifat statis karena tergantung pada variabel yang sudah ditentukan. Sementara kualitas tidur juga ditentukan beberapa faktor, antara lain konsumsi kopi, kandungan kopi, aktifitas fisik, konsumsi rokok, dan konsumsi alkohol. Hingga saat ini belum ada formulasi khusus menghitung kualitas tidur menggunakan variabel-variabel tersebut, sehingga membutuhkan pendekatan algoritma komputasi yang lebih fleksibel. Backpropagation merupakan algoritma komputasi yang mampu mempelajari pola melalui proses pelatihan sejumlah data dan mengujikan dengan data baru. Dalam penelitian ini, jaringan Backpropagation dilatihkan 852 data dan menguji 148 data baru. Hasil pengujian menunjukkan bahwa 135 data berhasil melakukan penilaian secara benar dan 13 data menunjukkan tidak cocok (salah dalam menilai). Sehingga kesimpulan dari penilaian kualitas tidur menggunakan Backpropagation Neural Network ini menunjukkan akurasi 91,22%. Penelitian ini memberikan kontribusi sebagai langkah prefentive menilai kesehatan melalui kualitas tidur dan diharapkan membuka peluang peneliti lain untuk memodifikasi variabel-variabel baru yang berpotensi meningkatkan akurasi penilaian kualitas tidur seseorang.]]>
