ANALISIS PREDIKTIF GAYA HIDUP SEHAT BERDASARKAN POLA TIDUR DAN AKTIVITAS FISIK MENGGUNAKAN METODE KLASIFIKASI DATA

Abstract

Gaya hidup sehat merupakan faktor penting dalam menjaga keseimbangan fisik dan mental seseorang. Salah satu pendekatan modern dalam mengidentifikasi gaya hidup sehat adalah melalui analisis data pola tidur dan aktivitas fisik. Penelitian ini bertujuan untuk memprediksi tingkat gaya hidup sehat individu berdasarkan dua variabel utama tersebut, menggunakan metode klasifikasi dalam data mining. Data diperoleh dari sumber terbuka dan telah melalui proses praproses data seperti pembersihan, normalisasi, dan seleksi fitur. Algoritma klasifikasi yang diterapkan mencakup K-Nearest Neighbor (KNN), Decision Tree, dan Random Forest. Evaluasi dilakukan dengan menggunakan akurasi, presisi, recall, dan F1-score. Hasil penelitian menunjukkan bahwa model Random Forest memberikan kinerja prediksi terbaik dengan akurasi mencapai 89%. Temuan ini diharapkan dapat menjadi acuan dalam pengembangan sistem rekomendasi kesehatan berbasis data.