Klasifikasi Efek Familiarity Pada Sinyal Eeg Manusia Menggunakan Metode Hjorth Descriptor : Classification Of Familiarity Effects In Human Eeg Signal Using Hjorth Descriptor Method

Abstract

Abstrak Dalam Human-Computer Interaction, audiovisual sangat berpengaruh bagi kondisi fisiologis yang mempengaruhi perasaan manusia. Hal ini dapat dilihat dari kemampuan manusia yang mampu merasakan perasaan yang berbeda-beda saat melihat tayangan video musik. Perasaan ini muncul akibat stimulus yang dihasilkan dari tayangan video musik tersebut sehingga terjadi fluktuasi aktifitas otak dan menghasilkan karakteristik sinyal otak tertentu. Dengan menggunakan Electroencephalogram (EEG), dilakukan klasifikasi karakteristik sinyal otak pada kategori familiarity. Familiarity adalah keadaan saat manusia mengenali sesuatu. Penelitian ini menggunakan data sekunder yang diambil dari DEAP: A Database for Emotion Analysis using Physiological Signals. Data yang diambil dari DEAP berjumlah 32 data yang telah melalui beberapa tahap pre-processing, maka data dapat langsung diproses dengan menggunakan metode Hjorth Descriptor untuk ekstraksi ciri dan metode Multilayer Perceptron (MLP) untuk klasifikasi. Pengujian dilakukan dengan skenario dimana data dari 29 data yang digunakan, 15 data digunakan sebagai data latih dan 14 data digunakan sebagai data uji. Dari hasil pengujian yang dilakukan, didapatkan akurasi terbaik pada kondisi balance class sebesar 78.57% pada percobaan 1, 2 dan 27 dengan kombinasi ciri Hjorth Descriptor activity, mobility dan complexity. Digunakan juga dua hidden layer dengan 12 neurons pada tiap hidden layer serta epoch berjumlah 1.000 epochs pada MLP. Kata Kunci: EEG, familiar, Hjorth Descriptor, Multilayer Perceptron. Abstract In Human-Computer Interaction, audiovisual is very influential for physiological condition that affects human’s feelings. This can be seen from human ability to feel different feelings while watching music video. This feeling occured because of the stimulus elicited from the music video, so that brain activity fluctuation happened and obtained certain brain signals characteristics. By using Electroencephalogram (EEG), we did a classification of brain signal characteristics in familiarity category. Familiarity is a state when human recognize something. This research is using secondary data taken from DEAP: A Database for Emotion Analysis using Physiological Signals. Data taken from deap is the amount of 32 and has been through several pre-processing methods, so data can go straight to be processed using Hjorth Descriptor as the feature extraction method and Multilayer Perceptron (MLP) as the classifier method. The test is done with scenario where from 29 data used, 15 data is used as training data and 14 data is used as testing data. From the test result, the best accuracy is gained in balance class is 78.57% in trial 1, 2 and 27 with Hjorth Descriptor feature combinations of activity, mobility and complexity. Two hidden layers with 12 neurons in each hidden layer and epoch with the amount of 1000 is also used in MLP. Keywords: EEG, familiar, Hjorth Descriptor, Multilayer Perceptron