<![CDATA[Gaya hidup sehat (GHS) memiliki peran penting dalam menjaga kesejahteraan fisik dan mental, khususnya pada kalangan mahasiswa dan pekerja. Namun, tren gaya hidup modern yang semakin bersifat sedentari telah secara signifikan meningkatkan risiko munculnya berbagai masalah kesehatan seperti stres, penurunan konsentrasi, obesitas, dan penyakit kronis. Penelitian ini bertujuan untuk mengidentifikasi dan mengelompokkan individu berdasarkan profil gaya hidup dan kualitas tidur mereka menggunakan metode K-Means Clustering. Variabel yang dianalisis mencakup durasi tidur, tingkat stres, aktivitas fisik, indeks massa tubuh (BMI), serta pola gangguan tidur. Analisis dilakukan dengan memanfaatkan dataset Sleep Health and Lifestyle untuk mengungkap pola tersembunyi dalam kebiasaan perilaku dan kesehatan responden. Proses pengelompokan menghasilkan tiga kelompok utama, yaitu: (1) individu dengan gaya hidup sehat optimal yang ditandai dengan tidur yang cukup, pola makan seimbang, dan aktivitas fisik teratur; (2) individu dengan risiko sedang yang memiliki kebiasaan hidup tidak teratur dan tingkat stres menengah; serta (3) individu berisiko tinggi yang dicirikan oleh kualitas tidur yang buruk, stres tinggi, dan kebiasaan hidup yang kurang sehat. Temuan ini menunjukkan bahwa algoritma K-Means efektif dalam mengklasifikasikan individu ke dalam kelompok gaya hidup yang bermakna, sehingga mampu memberikan representasi yang akurat terhadap profil kesehatan populasi. Hasil penelitian ini diharapkan dapat membantu lembaga pendidikan, organisasi kesehatan, dan tempat kerja dalam merancang program promosi kesehatan yang lebih terarah dengan menekankan pengelolaan tidur yang baik, nutrisi seimbang, serta aktivitas fisik rutin untuk meningkatkan kesejahteraan dan produktivitas secara keseluruhan.]]>
Copyrights © 2026
