ANALISIS KOMPARASI ALGORITMA RANDOM FOREST DAN DECISION TREE UNTUK KLASIFIKASI PENGARUH GAYA HIDUP TERHADAP KUALITAS TIDUR MENGGUNAKAN KNIME

Kualitas tidur merupakan aspek penting dalam menjaga kesehatan fisik dan mental seseorang. Gaya hidup yang tidak sehat, seperti pola makan tidak teratur, kurangnya aktivitas fisik, dan kebiasaan begadang, dapat berdampak negatif terhadap kualitas tidur. Penelitian ini bertujuan untuk menganalisis pengaruh gaya hidup terhadap kualitas tidur serta membandingkan kinerja dua algoritma machine learning, yaitu Random Forest dan Decision Tree, dalam mengklasifikasikan data tersebut. Penelitian ini dilakukan menggunakan pendekatan Cross Industry Standard Process
for Data Mining (CRISP-DM), yang mencakup tahapan business understanding, data understanding, data preparation, modelling, dan evaluation. Data yang digunakan
merupakan data sekunder yang telah melalui tahap pembersihan dan transformasi untuk menghasilkan atribut yang relevan. Proses pemodelan dilakukan dengan
bantuan perangkat lunak KNIME, yang mendukung integrasi visual dan analisis berbasis workflow. Hasil dari penelitian menunjukkan bahwa kedua algoritma memiliki hasil performa klasifikasi yang baik, namun Decision Tree menunjukkan
hasil akurasi tertinggi sebesar 99,115%, dibandingkan dengan Random Forest. Selain itu, penelitian ini juga berhasil mengidentifikasi beberapa variabel gaya hidup yang
paling berpengaruh terhadap kualitas tidur, seperti tingkat stress, durasi tidur, dan detak jantung ketika istirahat. Hasil penelitian ini memberikan kontribusi penting dalam memahami bagaimana perilaku sehari-hari dapat memengaruhi kualitas tidur, serta menjadi dasar bagi pengembangan strategi pencegahan gangguan tidur berbasis data. Diharapkan hasil penelitian ini dapat dimanfaatkan oleh individu maupun institusi kesehatan dalam merancang intervensi gaya hidup yang lebih efektif.