Prediksi Gangguan Tidur pada Sleep Health and Lifestyle Menggunakan Support Vector Machine dan Neural Network

Abstract

Tidur dan gaya hidup sehat berperan penting dalam menjaga keseimbangan fisik dan mental seseorang. Faktor yang dapat mempengaruhi gangguan tidur seseorang dapat disebabkan karena pekerjaan individu, durasi tidur, kualitas tidur, tingkat aktivitas, dan faktor gaya hidup lainnya. Tujuan dari penelitian ini menganalisi terjadinya gangguan tidur pada seseorang dengan melihat data faktor-faktor yang mempengaruhi. Maka dari itu diperlukannya suatu sistem yang dapat menganalisis terjadinya gangguan tidur pada seseorang. Penelitian ini mengelompokkan data menggunakan data mining dan membandingkan dua metode prediksi untuk memperkirakan faktor gangguan tidur berdasarkan dataset kesehatan tidur dan gaya hidup yang diimplementasikan pada aplikasi Orange. Dua metode penelitian ini menggunakan algoritma Support Vector Machine dan algoritma Neural Network, untuk mengembangkan model prediksi yang akurat. Berdasarkan analisis dari dua metode algoritma tersebut akurasi pada Support Vector Machine persentasenya 90.1% dan akurasi algoritma Neural Network persentasenya 91.2%. Hasil penelitian menunjukkan bahwa kedua model memiliki tingkat akurasi yang memuaskan dalam memprediksi variabel kesehatan tidur dan gaya hidup. Hasil dari perbandingan dua algoritma, Neural Network yang memiliki persentase yang lebih baik dari klasifikasi data kesehatan tidur dan gaya hidup yang memiliki akurasi AUC 0.907, CA 0.912, F1 0.912, Presisi 0.912, dan Recall 0.912.