Klasifikasi Tingkat Stres Saat Tidur Menggunakan Algoritma Random Forest

Abstract

Kesehatan tubuh dipengaruhi oleh kualitas tidur, dan kesulitan tidur dapat menyebabkan masalah kesehatan akibat faktor psikologis seperti stres, kecemasan, dan kegelisahan. Mengukur tingkat stres saat tidur sulit dilakukan karena banyak variabel dengan nilai berbeda yang terlibat. Beberapa variabel yang berperan dalam menilai tingkat stres saat tidur antara lain dengkuran, frekuensi pernapasan, suhu tubuh, anggota tubuh, kadar oksigen darah, gerakan mata, durasi tidur, dan detak jantung. Mengklasifikasikan tingkat stres tidur menggunakan variabel-variabel ini membutuhkan penggunaan algoritma klasifikasi yang efisien. Dalam penelitian ini, algoritma Random Forest digunakan sebagai klasifikasi untuk mengidentifikasi tingkat stres saat tidur. Algoritma Random Forest adalah keseluruhan algoritma yang terdiri dari beberapa pohon keputusan yang bekerja sama untuk menghasilkan klasifikasi yang akurat. Sebelum klasifikasi, dilakukan metode pre-processing pada data, meliputi normalisasi min-max, yang mengubah nilai variabel antara 0 dan 1, dan pre-processing kategorikal, yang mengubah data numerik menjadi data kategorikal yang dapat digunakan dalam algoritma Random Forest. Adapun, tujuan dari penelitian ini adalah membangun sebuah sistem yang dapat mengklasifikasikan varibale-varibale tingkat stres dengan sangat akurat. Hasil penelitian ini memperoleh performa lebih baik dengan akurasi data sebesar 93.65% menggunakan algoritma Random Forest dengan metode evaluasi Confusion Matix, sedangkan algoritma C45 memperoleh akurasi sebesar 87.88%. Dari hasil penelitian ini, diharapkan dapat menjadi dasar untuk pengembangan metode yang lebih efektif dalam mengobati gangguan tidur terkait stres, serta dapat membantu meningkatkan kualitas tidur dan kesejahteraan individu secara umum.