Analisis Perbandingan Pola Sinyal Alpha Dan Beta Eeg Dalam Kondisi Trypophobia Dengan Metode Wavelet

Abstract

Abstrak Phobia merupakan rasa takut manusia akan hal-hal yang sangat sepele bagi mayoritas orang. Salah satu phobia yaitu Trypophobia merupakan rasa takut akan visual lubang-lubang yang kecil. Pengaruh dari efek trypophobia itupun bisa kita lihat gelombang otaknya dengan alat bernama EEG atau disebut Electroencephalograph, sehingga kita bisa mengetahui seseorang itu benar-benar mengalami Trypophobia atau tidak. Pada tugas akhir ini dibangun sistem untuk mengklasifikasikan kondisi seseorang tidak merasa takut, dan kondisi seseorang merasa takut akan Trypophobia berdasarkan analisi sinyal alpha dan beta EEG. Artificial Neural Network (ANN) digunakan untuk pengklasifikasian kondisi. Untuk ekstra ciri datanya digunakan Discrete Wavelete Transform (DWT) agar performansi sistem bisa ditingkatkan dan melakukan reduksi dimensi dataset EEG. Hasil pengujianya menunjukan bahwa performa terbaik didapatkan pada sinyal beta yang memiliki akurasi parameter ciri tertinggi yaitu Maksimum, Standar Deviasi dan Variansi dengan nilai akurasi 100%, dengan waktu komputasi 0.027 dan 0.037 detik. Sedangkan untuk sinyal alfa didapat dengan parameter Variansi dan Interquartile Range sebesar 96.42% dengan waktu 0.03 dan 0.032 detik. Meskipun akurasinya sama, namun rata-rata akurasi berdasarkan neuronnya, beta lebih tinggi dari pada alfa, sehingga dapat disimpulkan sinyal beta lebih peka terhadap ketakutan seperti Trypophobia dan channel AF7 baik dalam menangkap sinyal EEG yang terstimulus Trypophobia. Kata Kunci : Phobia, Trypophobia, Electroencephalograph, Artificial Neural Network, Discrete Wavelete Transform. Abstract A phobia is a human fear of things that are very trivial for people. One phobia, Trypophobia, is the fear of visual small holes. The effect of the trypophobia effect can we see its brain waves with a device called EEG or called Electroencephalograph, so we can understand who really improved Trypophobia or not. In this final project a system was developed to classify the condition of someone who is not afraid, and the condition of someone who is afraid of Trypophobia is based on alpha signal analysis and EEG beta. Artificial Neural Networks (ANN) are used for classifying conditions. For the extra features of the data Discrete Wavelete Transform (DWT) is used so that system performance can be improved and reduce the EEG dataset dimensions. The test results show that the best performance is obtained in beta signals which have the highest characteristic parameter accuracy are Maksimum, Standard Deviation and Variance with an accuracy value of 100%, with a calculation time of 0.027 and 0.037 seconds. While for alpha signals obtained with Variance and Interquartile Range parameters of 96.42% with a time of 0.03 and 0.032 seconds. Although the accuracy is the same, but the average is resolved based on the neurons, beta is higher than alpha, so it can told that beta signals more than sensitive to such as Trypophobia and AF7 channels good in catching EEG signals of Trypophobia stimulated condition. Keywords: Phobia, Trypophobia, Electroencephalograph, Artificial Neural Network, Discrete Wavelete Transform.