<![CDATA[Gangguan tidur dapat menurunkan kualitas hidup dan berkaitan dengan berbagai masalah kesehatan serta gangguan fungsi sehari-hari. Penelitian ini bertujuan menerapkan algoritma Random Forest untuk mengklasifikasikan gangguan tidur berdasarkan data kesehatan dan aktivitas fisik serta mengimplementasikan model ke dalam aplikasi berbasis Android. Penelitian menggunakan data sekunder dari Sleep Health and Lifestyle Dataset. Dataset awal terdiri atas 374 rekam data; setelah tahap prapemrosesan dan penghapusan rekam data tanpa label gangguan tidur, diperoleh 155 rekam data yang memenuhi kriteria pemodelan, terdiri atas 78 Sleep Apnea dan 77 Insomnia. Data dibagi menjadi 124 data latih dan 31 data uji. Model Random Forest menggunakan 30 pohon keputusan dengan kedalaman maksimum 20. Kinerja model dievaluasi menggunakan akurasi, presisi, recall, F1-score, dan confusion matrix. Model mencapai akurasi 90,32%. Kelas Insomnia menghasilkan presisi 87,50%, recall 93,33%, dan F1-score 90,32%, sedangkan kelas Sleep Apnea menghasilkan presisi 93,33%, recall 87,50%, dan F1-score 90,32%. Analisis feature importance menunjukkan Physical Activity Level sebagai fitur paling berpengaruh, diikuti Daily Steps, Age, Blood Pressure, dan Heart Rate. Hasil penelitian menunjukkan bahwa Random Forest mampu mengklasifikasikan Insomnia dan Sleep Apnea dengan kinerja yang seimbang serta dapat diintegrasikan ke dalam aplikasi Android sebagai alat bantu analisis awal.]]>
Copyrights © 2026
