ANALISIS GANGGUAN TIDUR BERDASARKAN GAYA HIDUP MENGGUNAKAN ALGORITMA K-NEAREST NEIGHBOR

Gaya hidup yang tidak sehat, seperti durasi tidur yang kurang, aktivitas fisik rendah, dan kualitas tidur yang buruk, dapat menyebabkan gangguan tisur, seperti insomnia dan sleep apnea. Penelitian ini bertujuan untuk menerapkan algoritma K-Nearest Neighbor (K-NN) pada gangguan tidur berdasarkan faktor gaya hidup setiap individu. Dataset yang digunakan melibatkan 374 individu berusia 27-59 tahun, mencakup atribut seperti durasi tidur, kualitas tdur, tingkat aktivitas fisik, dan lainnya, data didapatkan dari Kaggle. Penelitian ini melibatkan proses pre-processing data, normalisasi, pembagian dataset menjadi data training dan testing, serta pengoptimalkan model K-NN dengan parameter K=5. Hasil menunjukan bahwa model mampu memprediksi gangguan tidur dengan akurasi 86,67% pada data testing. Faktor gaya hidup yang paling signifikan dalam mempengaruhi gangguan tidur yaitu daily steps karena memiliki nilai p-value terendah (2.3110532909145656e−68), α < 0.05. Namun demikian variabel lainnya juga memiliki keterkaitan atau hubungan dengan ganguan tidur. Penelitian ini menyimpulkan bahwa algoritma K-NN efektif digunakan untuk menganalisis dan memprediksi risiko gangguan tidur berdasarkan gaya hidup. Temuan ini dapat dimanfaatkan untuk memberikan rekomendasi peningkatan kualitas tidur melalui pengembangan aplikasi berbasis data mining.