Analisis efisiensi tidur berdasarkan faktor demografi dan kebiasaan harian dengan metode random forest regression
Abstrak
Efisiensi tidur berperan penting bagi kesehatan fisik dan mental, namun dapat menurun karena berbagai faktor demografi dan kebiasaan harian. Penelitian ini bertujuan menganalisis efisiensi tidur berdasarkan faktor-faktor tersebut menggunakan metode Random Forest Regression. Pendekatan kuantitatif diterapkan dengan dataset dari Kaggle melalui tahapan data, feature selection, dan pemodelan dengan 100 pohon keputusan. Untuk menilai performa secara menyeluruh, model dibandingkan dengan Linear Regression dan Support Vector Regression (SVR). Hasil penelitian menunjukkan bahwa Random Forest Regression memberikan performa yang sangat baik dengan nilai MAE sebesar 0,0327, MSE sebesar 0,0015, RMSE sebesar 0,0390, dan koefisien determinasi (R²) sebesar 0,91 yang lebih unggul dibanding dua model lainnya pada data pengujian. Model mampu mengikuti pola fluktuasi efisiensi tidur dan diterapkan dalam sistem prediksi interaktif yang menerima input seperti usia, waktu tidur, durasi tidur, jumlah terbangun, dan kebiasaan harian lainnya. Salah satu hasil prediksi menunjukkan nilai efisiensi tidur sebesar 0,528. Nilai ini merupakan output regresi dalam skala kontinu (0–1) dan tidak menghasilkan klasifikasi secara langsung. Kategorisasi kualitas tidur seperti “Sangat Baik”, “Baik”, dan “Kurang” dilakukan secara post-hoc (setelah hasil prediksi diperoleh) berdasarkan ambang batas tertentu. Kesimpulannya, faktor demografi dan kebiasaan harian memiliki pengaruh yang dapat diprediksi terhadap efisiensi tidur, dengan Random Forest Regression terbukti efektif untuk menganalisis hubungan kompleks ini. Penelitian selanjutnya disarankan untuk mengeksplorasi algoritma lain dan menambahkan variabel seperti tingkat stres dan faktor lingkungan untuk analisis yang lebih komprehensif.
Identifier
- DOI: https://doi.org/10.31571/saintek.v14i1.9291
- OpenAlex: https://openalex.org/W4412483056

