Penerapan Algoritma Desicion Tree untuk Klasifikasi Gangguan Tidur Berdasarkan Data Gaya Hidup dan Aktivitas Digital

Abstract

Gangguan tidur merupakan masalah kesehatan yang meningkat seiring perubahan gaya hidup dan penggunaan teknologi digital. Penelitian ini bertujuan mengklasifikasikan gangguan tidur berdasarkan data gaya hidup dan aktivitas harian menggunakan algoritma Decision Tree. Data yang digunakan meliputi informasi demografi, durasi dan kualitas tidur, tingkat aktivitas fisik, serta tingkat stres. Proses penelitian mencakup prapemrosesan data, pembagian data latih dan uji, serta penerapan algoritma Decision Tree. Hasil penelitian menunjukkan bahwa Decision Tree mampu mengklasifikasikan gangguan tidur dengan akurasi yang baik dan mudah diinterpretasikan, dengan faktor durasi tidur, tingkat stres, dan aktivitas fisik sebagai variabel yang berpengaruh signifikan. Temuan ini menunjukkan bahwa pendekatan berbasis data mining dapat membantu dalam memahami pola gangguan tidur secara lebih sistematis. Model yang dihasilkan juga memiliki keunggulan dalam menyajikan aturan keputusan yang mudah dipahami, sehingga dapat digunakan sebagai bahan pertimbangan dalam pengambilan keputusan terkait kesehatan tidur. Dengan demikian, hasil penelitian ini diharapkan dapat memberikan kontribusi dalam pengembangan sistem pendukung keputusan untuk identifikasi gangguan tidur serta menjadi referensi bagi penelitian selanjutnya di bidang kesehatan dan analisis data.