<![CDATA[Kualitas tidur merupakan faktor penting bagi kesejahteraan manusia yang sering terabaikan dan dipengaruhi oleh berbagai aspek gaya hidup seperti aktivitas fisik, tingkat stres, dan rutinitas sehari-hari. Penelitian ini memanfaatkan algoritma machine learning untuk menganalisis data terkait kesehatan tidur dan gaya hidup guna memprediksi gangguan tidur. Dataset yang digunakan "Sleep Health and Lifestyle" dari Kaggle berisi informasi tentang kebiasaan tidur, aktivitas fisik, stres, BMI, dan faktor lainnya dari 359 responden. Beberapa algoritma machine learning, termasuk Random Forest, Support Vector Machine (SVM), Logistic Regression, K-Nearest Neighbors (KNN), Gradient Boosting, dan Decision Tree, diterapkan untuk membangun model prediksi. Hasil menunjukkan bahwa Gradient Boosting memberikan akurasi tertinggi sebesar 91%, diikuti oleh Random Forest dan SVM dengan akurasi masing-masing 88%. Analisis mengungkapkan bahwa durasi tidur dan kualitas tidur sangat dipengaruhi oleh tingkat aktivitas fisik dan stres, sedangkan kategori BMI juga memainkan peran signifikan dalam gangguan tidur. Penelitian ini menggarisbawahi pentingnya manajemen stres dan aktivitas fisik dalam meningkatkan kualitas tidur, serta potensi penggunaan teknologi untuk memantau dan meningkatkan kesehatan tidur. Rekomendasi untuk penelitian selanjutnya termasuk penggunaan dataset yang lebih luas dan penambahan fitur tambahan untuk meningkatkan akurasi model.]]>
Copyrights © 2024
