Analisis Perbandingan Algoritma Machine Learning Dalam Klasifikasi Gangguan Tidur

Nabila Khansa
Zaehol Fatah

Gudang Jurnal Multidisiplin Ilmu
Vol. 2 No. 11 (2024): GJMI - NOVEMBER

Gangguan tidur seperti insomnia dan sleep apnea merupakan masalah kesehatan global yang dapat menurunkan kualitas hidup. Deteksi dini terhadap gangguan ini penting dilakukan, khususnya dengan bantuan teknologi seperti algoritma data mining untuk meningkatkan ketepatan diagnosis. Data mining adalah bagian esensial dari analitik data dalam disiplin ilmu data science, yang memberikan berbagai manfaat luas dan aplikasi yang relevan. Penelitian ini menggunakan dataset Sleep Health and Lifestyle dari Kaggle untuk mengevaluasi kinerja tiga algoritma data mining, yaitu Naïve Bayes, Support Vector Machine (SVM), dan Neural Network, dalam mengklasifikasi gangguan tidur. Proses pengembangan model mengikuti tahapan CRISP-DM dengan pengujian akurasi menggunakan Cross Validation dan evaluasi menggunakan Confusion Matrix dan kurva ROC. Berdasarkan hasil pengujian, algoritma Neural Network menunjukkan kinerja terbaik dengan akurasi 93,08% dan nilai AUC yang termasuk dalam klasifikasi "Excellent." Temuan ini menunjukkan bahwa Neural Network efektif dalam mengklasifikasi gangguan tidur, sehingga dapat mendukung proses diagnosa dan penanganan gangguan tidur secara lebih akurat.