Implementasi Algoritma K-Means Clustering dalam Penentuan Gangguan Tidur Seseorang berdasarkan Gaya Hidup

Abstract

Abstrak— Gangguan tidur merupakan masalah kesehatan yang signifikan dan terus meningkat sehingga berdampak negatif pada kualitas hidup dan kesejahteraan individu. Gangguan tidur berkaitan erat dengan gaya hidup seseorang seperti durasi tidur sehari-hari, langkah harian, dan jumlah detak jantung yang mempengaruhi kualitas tidur. Gangguan tidur dapat mengurangi kenyamanan dan waktu tidur sehingga akan menyebabkan kualitas tidur yang buruk. Gangguan tidur yang seringkali terjadi adalah insomnia, sleep apnea, restless legs syndrome, hipersomnia, circadian rhythm disorders, dan parasomnia. Data pada penelitian ini bertujuan untuk dianalisis dan dikelompokkan berdasarkan gangguan tidur yang disebabkan oleh gaya hidup melalui salah satu metode data mining yaitu K-Means Clustering melalui identifikasi beberapa cluster yang memiliki gangguan tidur dan tidak memiliki gangguan tidur. Dengan menggunakan metode K-Means diperoleh bahwa berdasarkan data Sleep Duration dan Quality of Sleep terdapat 174 data pada cluster 1 yang menunjukkan adanya gangguan tidur insomnia, terdapat 164 data pada cluster 2 yang menunjukkan tidak adanya gangguan tidur, dan terdapat 36 data pada cluster 3 yang menunjukkan adanya gangguan tidur berupa sleep apnea dengan struktur silhouette score standar (medium structure). Sedangkan berdasarkan data Heart Rate dan Daily Steps terdapat 174 data pada cluster 1 yang  menunjukkan adanya gangguan tidur insomnia, terdapat 164 data pada cluster 2 yang menunjukkan adanya gangguan tidur berupa sleep apnea, dan terdapat 36 data pada cluster 3 yang menunjukkan tidak adanya gangguan tidur dengan struktur silhouette score kuat (strong structure).

Kata Kunci— Gangguan tidur, gaya hidup, data mining, K-Means, clustering.