Seberapa akurat tahap tidur Apple Watch? Apa yang ditunjukkan studi validasi

Apple Watch baik dalam membedakan tidur dari bangun dan hanya cukup baik dalam membedakan tahap-tahapnya. Dalam validasi Apple sendiri terhadap polysomnografi (PSG), standar emas laboratorium, algoritma saat ini mengenali 96,8% epoch tidur dan 78,9% epoch bangun, serta sepakat dengan penilai manusia tentang empat tahap dengan kappa 0,68¹. Laboratorium independen yang menguji Watch tanpa keterlibatan Apple melaporkan kekuatan yang sama pada tidur versus bangun dan titik lemah yang sama: tidur dalam, yang hanya ditemukan Watch dalam sekitar setengah dari jendela 30 detik di mana EEG melihatnya²³.

Kappa adalah skor kesepakatan yang dikoreksi untuk peluang: 1.0 sempurna, 0 adalah undian koin. Untuk konteks, teknolog terlatih yang menilai rekaman PSG yang sama sepakat satu sama lain pada kappa sekitar 0,76¹⁰. Selama satu malam penuh Watch oleh karena itu tidak jauh dari pendapat manusia kedua, tetapi kesalahannya berkelompok pada tidur dalam dan saat bangun diam tanpa gerakan.

Segala sesuatu di bawah merujuk pada fitur tahap tidur Apple sendiri, yang diperkenalkan dengan watchOS 9 pada 2022 dan dilatih ulang untuk watchOS 26 pada September 2025¹. Sejak watchOS 27 dan Apple Watch Series 12, yang dirilis pada September 2026, Apple belum menerbitkan dokumen validasi terbaru, jadi angka Oktober 2025 adalah yang saat ini¹¹⁵.

Sebuah laboratorium tidur menilai tidur dari gelombang otak, gerakan mata, dan nada otot. Apple Watch tidak memiliki sensor tersebut. Klasifier tahapnya bekerja dari akselerometer 3-sumbu saja, membaca gerakan kasar dan osilasi pergelangan tangan kecil yang disebabkan oleh pernapasan, dan memberikan setiap epoch 30 detik ke salah satu dari empat label: Terjaga, REM, Inti, atau Dalam¹. Detak jantung, suhu pergelangan tangan, dan oksigen darah dicatat sepanjang malam untuk fitur lainnya; klasifier tahap itu sendiri berbasis akselerometer¹.

Label-label tersebut dipetakan pada label klinis dengan satu penyederhanaan. Dalam adalah N3, REM adalah REM, dan Inti menggabungkan N1 dan N2 karena Watch tidak dapat memisahkan keduanya. Apple memilih kata Inti daripada "ringan" karena N2 biasanya membuat lebih dari setengah malam dan bukan jenis tidur yang lebih rendah¹.

Algoritma dilatih pada 1.171 malam dari 858 orang dan diuji pada 299 malam terpisah dari 166 orang, termasuk partisipan dengan apnea tidur dan gerakan anggota tubuh periodik¹. Pada tahun 2025 Apple melatih ulang dengan model dasar yang dibangun di atas data Studi Jantung dan Gerak Apple dan mengevaluasi versi baru pada set validasi yang sama¹. Sejak watchOS 11, Watch juga melacak tidur di luar jadwal, tetapi hanya mencatat tahap untuk sesi yang lebih panjang dari tiga jam; tidur siang yang lebih pendek mendapatkan catatan hanya tidur atau terbangun biasa¹.

Dua angka penting di sini. Sensitivitas adalah bagian dari epoch tidur sejati yang dilabeli Watch sebagai tidur; spesifisitas adalah bagian dari epoch bangun sejati yang dilabeli sebagai bangun. Apple melaporkan median 97,9% dan 75,0% untuk algoritma 2022, dan 96,8% dan 78,9% untuk pembaruan 2025¹. Penelitian aktigrafi tradisional biasanya mencapai sensitivitas 90 hingga 97% tetapi spesifisitas 50% atau kurang¹.

Studi independen mengonfirmasi sensitivitas dan lebih ketat pada spesifisitas. Dalam studi malam tunggal 2024 dari 35 orang dewasa sehat, Apple Watch Series 8 mendeteksi 97% dari epoch tidur dan sepakat dengan PSG pada tidur versus bangun dalam 93% dari semua epoch³. Dalam studi 2025 dari 62 orang dewasa yang dirujuk untuk dugaan apnea tidur, sensitivitas adalah 96% tetapi spesifisitas turun menjadi 52%, jadi hampir setengah dari epoch bangun malam itu tercatat sebagai tidur².

Konsekuensi praktisnya adalah bias yang konsisten: Watch cenderung melaporkan sedikit lebih banyak tidur daripada yang Anda dapatkan. Total waktu tidur diperkirakan lebih dari 8 menit dalam kelompok sehat dan 20 menit dalam kelompok apnea, dan bangun setelah tidur diperkirakan lebih rendah 10 dan 21 menit²³. Sebuah meta-analisis 2025 dari 24 studi pelacak pergelangan tangan, termasuk Apple Watch, menetapkan perbedaan terkumpul terhadap PSG sekitar 17 menit total waktu tidur dan 13 menit bangun setelah tidur⁷. Untuk malam tujuh jam, itu adalah kesalahan sekitar 3 hingga 5%.

Matriks kebingungan Apple untuk algoritma 2025 menunjukkan seberapa sering setiap tahap sejati dilabeli dengan benar: Inti 82%, REM 82%, Terjaga 79% dan Dalam 68%¹. Versi 2022 mendapatkan 83%, 78%, 70% dan 62% pada empat yang sama, jadi pembaruan paling membantu pada bangun dan tidur dalam, dan median kappa empat tahap meningkat dari 0,63 menjadi 0,68¹.

Pola yang sama muncul di luar Apple. Dalam studi dewasa sehat 2024, Series 8 menemukan 86% dari epoch tidur ringan dan 83% dari epoch REM tetapi hanya 51% dari epoch tidur dalam, meremehkan tidur dalam sebesar 43 menit dan melebih-lebihkan tidur ringan sebesar 45 menit; kesepakatan empat tahap dengan PSG adalah 75% (kappa 0,60)³. Dalam studi enam perangkat 2025, Watch lagi-lagi terdepan pada tidur ringan (83%) dan REM (69%) tetapi hanya mencapai 51% pada tidur dalam, meremehkannya sebanyak 25 menit. Kappa 0,53-nya masih yang terbaik dari enam perangkat pergelangan tangan, di depan Fitbit Sense (0,42), Whoop 4.0 (0,37) dan Garmin Vivosmart 4 (0,21)².

Sebuah nuansa bekerja menguntungkan Watch. Ketika ia melabeli epoch sebagai Dalam, ia biasanya benar: presisi untuk tidur dalam adalah 88% dalam studi dewasa sehat³. Masalahnya adalah tidur dalam yang terlewat, bukan tidur dalam yang dihasilkan. Sebuah malam yang menunjukkan 40 menit tidur dalam kemungkinan mengandung setidaknya sebanyak itu, dan mungkin lebih banyak lagi. Untuk apa yang dilakukan tahap ini dan berapa banyak yang normal, lihat dasar tidur dalam.

Tidak semua studi sepakat tentang arah kesalahan. Sebuah studi rumah-PSG 2026 dari orang dewasa sehat yang mengenakan Series 7 menemukan bias sebaliknya, tidur ringan meremehkan 74 menit dan REM melebih-lebihkan 30, meskipun Watch masih menduduki peringkat pertama dari tiga perangkat yang diuji⁵. Generasi jam tangan, versi perangkat lunak, dan kamar tidur yang berbeda menghasilkan kesalahan yang berbeda, jadi tidak ada koreksi tetap yang diterapkan pada angka Anda sendiri.

Bangun tenang terlihat seperti Inti

Berbaring diam dengan mata terbuka menghasilkan hampir tidak ada gerakan. Dalam validasi Apple, 27% dari epoch bangun yang sebenarnya dilabeli sebagai Inti oleh algoritma 2022; pembaruan 2025, yang ditujukan khusus pada "bangun tenang", menguranginya menjadi 17%¹. Inilah sebabnya mengapa Watch meremehkan waktu bangun, dan mengapa spesifisitas bisa turun menjadi 52% ketika tidur terfragmentasi².

Tidur dalam juga terlihat seperti Inti

Kesalahan yang paling umum dalam matriks Apple adalah tidur dalam yang sebenarnya dilabeli sebagai Inti: 38% dari epoch tidur dalam pada 2022, 32% pada 2025¹. Dalam dan Inti keduanya statis, keduanya memiliki pernapasan yang teratur, dan fitur yang memisahkan keduanya, gelombang otak lambat, tidak terlihat oleh sensor pergelangan tangan. Kelompok penelitian yang menambahkan detak jantung ke data akselerometer mentah Apple Watch mencapai akurasi empat kelas sekitar 71% terhadap pita EEG, jadi langit-langit untuk sinyal pergelangan tangan tidak jauh di atas tempat Apple sudah berada⁹.

Tidur terfragmentasi lebih sulit

Analisis Apple sendiri menemukan bahwa transisi tahap yang sering dan indeks apnea-hipopnea yang lebih tinggi adalah dua faktor yang paling mengurangi kesepakatan, sementara model jam tangan tidak membuat perbedaan¹. Dalam kohort terpisah dari 236 pasien klinik tidur, kappa adalah 0,55 untuk algoritma 2022 dan 0,66 untuk yang 2025¹. Studi klinik independen lebih ketat. Sebuah studi multicenter Korea 2023 dari 75 pasien dengan indeks apnea-hipopnea rata-rata 18, yang dijalankan oleh perusahaan teknologi tidur yang aplikasi miliknya menduduki peringkat tertinggi, mencatat kappa Apple Watch 8 sebesar 0,30, dengan tidur dalam ditemukan dalam 41% epoch dan REM dalam 43%⁴. Sebuah makalah metode 2026 yang dibangun di atas data Apple Watch dari orang-orang dengan apnea tidur menambahkan peringatan: rentang panjang "bangun" yang "mudah", seperti waktu di tempat tidur sebelum tertidur, membesar-besarkan akurasi yang dilaporkan, sehingga angka dari relawan sehat tidak dapat diterapkan pada tidur yang terganggu⁸.

Keselarasan dan durasi sesi

Apple mencatat bahwa band yang longgar mengurangi sinyal akselerometer, dan tahap hanya dicatat untuk sesi tidur yang lebih panjang dari tiga jam¹¹¹. Malam yang singkat, atau jam tangan yang bergeser di sekitar pergelangan tangan, akan menghasilkan grafik yang lebih buruk dari yang ditunjukkan studi di atas.

watchOS 26, dirilis pada September 2025, membawa model akselerometer yang dilatih ulang yang dijelaskan di atas dan memperkenalkan Skor Tidur¹¹⁴. Apple mengatakan algoritma skor tersebut dikembangkan dan diuji pada lebih dari 5 juta malam dari Studi Jantung dan Gerak Apple dan diinformasikan oleh panduan dari American Academy of Sleep Medicine, National Sleep Foundation, dan World Sleep Society¹⁴. Pembaruan 26.2 kemudian memperhalus klasifikasi skor; band saat ini adalah Sangat Rendah (0 hingga 40), Rendah (41 hingga 60), OK (61 hingga 80), Tinggi (81 hingga 95) dan Sangat Tinggi (96 hingga 100)¹²¹³.

Apple Watch Series 11 tidak menambahkan sensor khusus tidur; Skor Tidur berjalan pada Series 6 atau lebih baru, SE (generasi ke-2) atau lebih baru, dan setiap Ultra dengan iOS 26¹⁴. Series 12 dan Ultra 4, yang diumumkan pada September 2026, membawa Sistem Pendeteksi Kesehatan yang dirancang ulang yang membaca detak jantung setiap lima detik sepanjang hari dan mengukur HRV hingga 24 kali lebih sering, menambahkan pembacaan HRV Pemulihan ke vital malam dan skor Kesiapan 0 hingga 10 yang mengambil skor tidur sebagai salah satu input¹⁵. Tidak ada hal ini yang mengubah cara tahap dinilai: dokumen pemeringkatan Apple masih menggambarkan classifier yang hanya berbasis akselerometer, validasi menemukan tidak ada perbedaan kappa antara model jam tangan, dan tidak ada angka akurasi tahap baru yang ada untuk watchOS 27 atau perangkat keras baru¹¹⁵.

Persentase tahap adalah bagian dari epoch sejati dari tahap tersebut yang dilabeli dengan benar oleh Watch; bias adalah Watch dikurangi PSG untuk seluruh malam.

Percayalah pada bingkai, pertanyakan isinya. Waktu tidur, waktu bangun, total tidur dan keteraturan jadwal Anda berasal dari bagian algoritma dengan bukti terkuat. Mereka juga merupakan apa yang dinilai oleh Apple sendiri: Skor Tidur dibangun dari 50 poin untuk durasi, 30 untuk konsistensi waktu tidur selama 13 malam terakhir dan 20 untuk gangguan, tanpa poin untuk menit tahap¹¹¹². Jika Anda mengikuti satu hal, ikuti konsistensi.

Baca menit tahap dengan margin. Di antara studi di atas, tidur dalam terlewat 25 hingga 43 menit semalam dan tidur ringan 45 hingga 74 menit, dalam satu arah atau yang lain²³⁵. Sebuah malam tunggal dengan "hanya 35 menit tidur dalam" berada di dalam batas kesalahan itu dan memberi tahu Anda sangat sedikit. Selama 30 malam bagian acak dari kesalahan sebagian besar terhapus, itulah sebabnya tren selama beberapa minggu berarti sesuatu meskipun malam tunggal tidak. Jika Anda memeriksa grafik setiap pagi, baca cara menghentikan analisis berlebihan data tidur Apple Watch.

Ketahui kapan nomor tersebut paling tidak dapat diandalkan. Jika Anda mendengkur berat, sering terbangun, memiliki kaki gelisah, atau terbaring terjaga dalam jangka waktu yang lama, Anda berada di populasi di mana setiap studi menemukan kesepakatan terlemah¹²⁴. Watch masih berguna untuk penjadwalan dan durasi, tetapi keluhan yang persisten membutuhkan seorang klinisi dan studi tidur yang nyata ketimbang perangkat wearable yang lebih baik. Apple sendiri menyatakan bahwa tahap tidur yang dimilikinya tidak dimaksudkan untuk penggunaan klinis¹.

Pilih bentuk faktor untuk pertanyaan yang Anda miliki. Dalam head-to-head 2024, Oura Ring Gen3 mendeteksi 80% dari epoch tidur dalam dibandingkan dengan 51% milik Watch, sementara keduanya setara dalam tidur versus bangun³; perbandingan kami tentang jam tangan, cincin, dan sensor samping tempat tidur mencakup trade-off-nya. Moon mengikuti pembacaan yang sama dari bukti: ia mengimpor tahap yang ditulis Apple Watch ke Apple Health, tetapi memprioritaskan durasi, waktu, dan konsistensi serta menunjukkan perubahan tahap sebagai tren multi-mingguan daripada keputusan malam demi malam.