PRATAMA, ACHMAD FIQRI (2025) PREDIKSI POLA TIDUR SEHAT BERDASARKAN AKTIVITAS HARIAN MENGGUNAKAN ALGORTIMA DECISION TREE. S1 thesis, Universitas Mercu Buana Jakarta.
|
Text (HAL COVER)
01 COVER.pdf Download (393kB) | Preview |
|
![[img]](https://repository.mercubuana.ac.id/style/images/fileicons/text.png) |
Text (BAB I)
02 BAB 1.pdf Restricted to Registered users only Download (103kB) |
|
|
Text (BAB II)
03 BAB 2.pdf Restricted to Registered users only Download (157kB) |
|
|
Text (BAB III)
04 BAB 3.pdf Restricted to Registered users only Download (141kB) |
|
|
Text (BAB IV)
05 BAB 4.pdf Restricted to Registered users only Download (286kB) |
|
|
Text (BAB V)
06 BAB 5.pdf Restricted to Registered users only Download (94kB) |
|
|
Text (DAFTAR PUSTAKA)
07 DAFTAR PUSTAKA.pdf Restricted to Registered users only Download (154kB) |
|
|
Text (LAMPIRAN)
08 LAMPIRAN.pdf Restricted to Registered users only Download (532kB) |
Abstract
Good sleep quality plays a vital role in maintaining physical, mental, and emotional health. However, modern lifestyle factors such as work-related stress, excessive use of electronic devices, and high caffeine consumption often disrupt sleep patterns. This study aims to predict healthy sleep patterns based on daily activity data using the Decision Tree algorithm. The dataset used consists of 374 entries, including attributes such as sleep duration, stress levels, physical activity, heart rate, and more. The research process involved data preprocessing, model training, and evaluation using accuracy, precision, recall, and F1-score metrics. The results show that the Decision Tree model can classify healthy sleep patterns with an accuracy of 87%. The most influential factors affecting sleep quality include sleep duration, stress levels, caffeine intake, and the intensity of electronic device usage at night. This model not only provides accurate predictions but also offers interpretable visualizations, making it suitable for implementation in digital health applications to support lifestyle changes toward healthier sleep.. Kata kunci: healthy sleep pattern, daily activity, Decision Tree algorithm, sleep quality. Kualitas tidur yang baik sangat penting untuk menjaga kesehatan fisik, mental, dan emosional. Namun, gaya hidup saat ini, yang seringkali diwarnai oleh stres pekerjaan, penggunaan gadget yang berlebihan, dan tingginya konsumsi kafein, sering mengganggu ritme tidur. Penelitian ini bertujuan untuk meramalkan pola tidur yang sehat dengan memanfaatkan data dari aktivitas sehari-hari menggunakan algoritma Decision Tree. Dataset yang digunakan terdiri dari 374 entri dan mencakup variabel seperti durasi tidur, tingkat stres, aktivitas fisik, detak jantung, dan lain-lain. Proses penelitian meliputi langkah-langkah praproses data, pelatihan model, serta evaluasi dengan metrik akurasi, presisi, recall, dan F1-score. Temuan penelitian menunjukkan bahwa model Decision Tree mampu mengidentifikasi pola tidur yang sehat dengan akurasi yang tepat. Faktor utama yang memengaruhi kualitas tidur meliputi durasi tidur, tingkat stres, konsumsi kafein, dan tingkat penggunaan perangkat elektronik di malam hari. Model ini tidak hanya menghasilkan prediksi yang tepat tetapi juga penyajian visual yang mudah dipahami, sehingga berpotensi diterapkan dalam aplikasi kesehatan digital untuk mendukung perubahan pola hidup masyarakat ke arah tidur yang lebih berkualitas.. Kata kunci: pola tidur sehat, aktivitas sehari-hari, algoritma Decision Tree, kualitas tidur.
| Item Type: | Thesis (S1) |
|---|---|
| Call Number CD: | FIK/INFO. 26 002 |
| NIM/NIDN Creators: | 41521010191 |
| Uncontrolled Keywords: | pola tidur sehat, aktivitas sehari-hari, algoritma Decision Tree, kualitas tidur. |
| Subjects: | 000 Computer Science, Information and General Works/Ilmu Komputer, Informasi, dan Karya Umum > 000. Computer Science, Information and General Works/Ilmu Komputer, Informasi, dan Karya Umum > 004 Data Processing, Computer Science/Pemrosesan Data, Ilmu Komputer, Teknik Informatika 500 Natural Science and Mathematics/Ilmu-ilmu Alam dan Matematika > 510 Mathematics/Matematika > 518 Numerical Analysis/Analisis Numerik, Analisa Numerik > 518.1 Algorithms/Algoritma |
| Divisions: | Fakultas Ilmu Komputer > Informatika |
| Depositing User: | khalimah |
| Date Deposited: | 28 Jan 2026 01:44 |
| Last Modified: | 28 Jan 2026 01:44 |
| URI: | http://repository.mercubuana.ac.id/id/eprint/100749 |
Actions (login required)
 |
View Item |
