Analisis Kebiasaan Tidur dan Prediksi Risiko Insomnia Menggunakan Machine Learning dengan Metode Decision Tree dan Logistic Regression

Qhristmas Pniel Wijaya, Wilcoustine (2025) Analisis Kebiasaan Tidur dan Prediksi Risiko Insomnia Menggunakan Machine Learning dengan Metode Decision Tree dan Logistic Regression. Bachelor Thesis, Universitas Multimedia Nusantara.

	PDF HALAMAN_AWAL.pdf Download (2MB)
	PDF BAB_I.pdf Download (215kB)
	PDF BAB_II.pdf Download (933kB)
	PDF BAB_III.pdf Download (708kB)
	PDF BAB_IV.pdf Restricted to Registered users only Download (1MB)
	PDF BAB_V.pdf Download (206kB)
	PDF DAFTAR_PUSTAKA.pdf Download (238kB)
	PDF LAMPIRAN.pdf Restricted to Registered users only Download (1MB)

Abstract

Insomnia merupakan gangguan tidur yang memiliki dampak signifikan terhadap kesehatan fisik dan mental. Penelitian ini bertujuan mengembangkan model prediksi risiko insomnia menggunakan algoritma machine learning berdasarkan data kebiasaan tidur dan aktivitas harian. Dataset numerik dari Kaggle dipra- proses menggunakan StandardScaler dan diperluas dengan data augmentation. Dua algoritma klasifikasi, yaitu Decision Tree (DT) dan Logistic Regression (LR), diterapkan dan dievaluasi menggunakan metrik akurasi, presisi, recall, dan F1-score. Hasil evaluasi menunjukkan bahwa Logistic Regression memberikan performa terbaik pada data uji, dengan akurasi sebesar 0,91, presisi 0,910112, recall 0,987805, dan F1-score 0,947368. Sebaliknya, Decision Tree mencatat akurasi 0,89, presisi 0,9863, recall 0,878, dan F1-score 0,929. Analisis Permutation Importance mengidentifikasi Caffeine Intake sebagai fitur paling berpengaruh terhadap risiko insomnia pada kedua model. Penelitian ini menyimpulkan bahwa Logistic Regression merupakan model yang andal untuk prediksi risiko insomnia, serta menegaskan pentingnya pengendalian konsumsi kafein sebagai langkah preventif.

Item Type:	Thesis (Bachelor Thesis)
Creators:	Qhristmas Pniel Wijaya, Wilcoustine (00000056960)
Contributors:	Zuhdi Pane, Ivransa (8812520016)
Keywords:	Decision Tree, Insomnia, Logistic Regression, Machine Learning, Prediksi Risiko
Subjects:	000 Computer Science, Information and General Works
Divisions:	Faculty of Engineering & Informatics > Informatics
Date Deposited:	09 Sep 2025 06:18
URI:	https://kc.umn.ac.id/id/eprint/40114

Actions (login required)

View Item