View/Open

Author
Ahmad, Adriansyah Hasibuan

Advisor
Winda, Yulita, M.Cs.
Miranti, Verdiana, M.Si.

Koleksi
Student Dissertations and Theses

Publisher

Tidur merupakan suatu kegiatan rutin sehari-hari yang penting untuk kesehatan dan dalam beberapa tahun terakhir menjadi perhatian. Banyaknya keluhan mengenai gangguan tidur disebabkan karena dampaknya yang serius bagi kesehatan. Beberapa penelitian menyimpulkan bahwa tidur berpengaruh terhadap performa kognitif yang optimal, proses fisiologis, pengaturan emosi, dan kualitas hidup. Sleep apnea dan insomnia merupakan penyakit yang termasuk gangguan tidur yang paling banyak dialami penderita gangguan tidur. Para penderita, terutama orang dewasa, sering mengeluh tentang gangguan tidur yang dialami dan tidak mengetahui jenis maupun penyebabnya. Sehingga, dapat diterapkan salah satu proses dalam machine learning yaitu klasifikasi untuk mengklasifikasikan jenis gangguan tidur yang sering dikeluhkan oleh penderita. Klasifikasi gangguan tidur dapat dilakukan dengan metode Support Vector Machine (SVM) dan K-Nearest Neighbor (KNN). Penggunaan metode ini bertujuan untuk mengetahui perbandingan performa antara kedua metode klasifikasi dengan memperhatikan nilai accuration, precision, recall, dan f-1 score. Penerapan SVM menghasilkan accuracy 88%, precision 87%, recall 84%, dan f1-score 85%. Ini diperoleh dari 66 data yang berhasil diidentifikasi dari 75 data testing. Sedangkan pada KNN menghasilkan accuracy 85%, precision 85%, recall 80%, dan f1-score 82%. Ini diperoleh dari 64 data yang berhasil diidentifikasi dari 75 data testing. SVM lebih unggul dibanding KNN karena pemilihan kombinasi nilai parameter (C dan gamma) yang optimal. C berfungsi untuk mengendalikan usaha SVM untuk memisahkan data dengan benar, gamma berfungsi mengendalikan seberapa jauh jangkauan jarak efektif dari data latih. Kata Kunci: Gangguan Tidur, Klasifikasi, Support Vector Machine, KNearest Neighbor

URI
https://repo.itera.ac.id/depan/submission/SB2408020044

Keyword
Gangguan Tidur, Klasifikasi, Support Vector Machin Sleep Disorders, Classification, Support Vector Ma