Klasifikasi Sinyal Eeg Saat Mendengarkan Musik Rock Dan Musik Klasik Dengan Metode Transformasi Wavelet

Abstract

Abstrak Konsentrasi merupakan hal yang dibutuhkan siswa dalam memahami materi pelajaran agar dapat mencapai hasil belajar yang maksimal. Banyak faktor yang dapat mempengaruhi konsentrasi, salah satunya faktor eksternal seperti suara. Musik merupakan salah satu jenis suara yang dapat meningkatkan konsentrasi seseorang. Dengan menggunakan Electroenchephalography (EEG) sebagai instrumen untuk menangkap sinyal otak, kita dapat mengetahui apa pengaruh dari stimulasi musik terhadap konsentrasi. Tugas akhir ini bertujuan untuk mengklasifikasi dan menganalisis sinyal EEG terhadap kondisi konsentrasi seseorang saat mendengarkan musik rock dan musik klasik dengan melihat bentuk gelombang otak manusia dari sinyal alpha dengan rentang frekuensi (8-16) Hz dan sinyal beta dengan rentang frekuensi (16-32) Hz. Masukan sistem didapatkan dari pengambilan sinyal EEG pada bagian kepala menggunakan alat EEG 4 kanal yaitu MUSE Brain Sensing Headband. Selanjutnya sinyal EEG yang telah direkam akan transformasikan dari domain waktu ke domain frekuensi. Kemudian dilakukan ekstraksi ciri menggunakan Discrete Wavelet Transform (DWT) sebagai pemodelan untuk meningkatkan akurasi dengan mengekstraksi sinyal terhadap gelombang alpha dan beta. Selanjutnya dilakukan proses klasifikasi menggunakan K-Nearest Neighbor (KNN). Hasil pengujian menunjukan bahwa kanal terbaik terdapat pada kanal AF8 dengan akurasi 96% untuk sinyal alpha dan 85% untuk sinyal beta. Pada kanal AF8 untuk sinyal alpha terdapat 26 data yang terdeteksi benar dan 1 data yang terdeteksi salah, sedangkan untuk sinyal beta terdapat 23 data yang terdeteksi benar dan 4 data yang terdeteksi salah. Kata kunci : Discrete Wavelet Transform, Electroenchephalography, KNN, Konsentrasi. Abstract Concentration is something that students need in understanding subject matter in order to achieve maximum learning outcomes. Many factors can affect concentration, one of which is external factors such as sound. Music is one type of sound that can increase one's concentration. By using Electroenchephalography (EEG) as an instrument to capture brain signals, we can find out what the effects of music stimulation on concentration. This final project aims to classify and analyze EEG signals against a person's concentration conditions when listening to rock music and classical music by looking at human brain waveforms from alpha signals with frequency ranges (8-16) Hz and beta signals with frequency ranges (16-32) Hz. System input is obtained from EEG signal capture on the front head of the section using a 4-channel EEG device, namely MUSE Brain Sensing Headband. Then the recorded EEG signal will transform from the time domain to the frequency domain. Then feature extraction is performed using Discrete Wavelet Transform (DWT) as a model to improve accuracy by extracting signals against Alpha and Beta waves. Then the classification process is carried out using K-Nearest Neighbor (KNN). The test results show that the best channels are on the AF8 channel with 96% accuracy for alpha signals and 85% for beta signals. On AF8 channel for alpha signal there are 26 data detected correctly and 1 data detected incorrectly, while for beta signal there are 23 data detected correctly and 4 data detected incorrectly. Keywords : Concentration, Discrete Wavelet Transform, Electrochephalography, KNN.