Analisis Pengaruh Tingkat Kompleksitas Hafalan Pada Sinyal Alfa Dan Beta Eeg

Abstract

ABSTRAK Hafalan adalah suatu hal yang sangat umum dilakukan oleh orang-orang untuk banyak kebutuhan dalam kehidupan. Mulai dari kebutuhan sosial, pendidikan sampai dengan kebutuhan religius. Hafalan juga dapat membuat otak mudah lelah dikarenakan oleh tingkat kesulitan hafalannya. Sehingga kita dapat menyadari bahwa tingkat materi yang dihafalkan seseorang berdampak pada otak orang tersebut. Penelitian ini dilakukan untuk menganalisis dan mengidentifikasi sinyal alfa dan beta otak pada Electroencephalograph (EEG). Gelombang otak diambil dari responden yang sedang menghafal 3 materi berbeda yaitu nama-nama orang, rumus kalkulus dan ayat Alquran. Penelitian ini dianalisis dan diidentifikasi menggunakan metode Principal Component Analysis (PCA) dan diklasifikasi dengan metode K-Nearest Neighbor (K-NN) Keluaran dari penelitian ini didapatkan kanal dan ciri mana yang paling efektif untuk digunakan yaitu TP9 untuk pelatihan dan TP10 untuk pengujian. Hasil pengujian menunjukan rata-rata akurasi yang diperoleh sebesar 79,125% pada kedua jenis sinyal. Hasil perbandingan bentuk sinyal menunjukan bahwa pada ketiga kompleksitas hafalan, sinyal alfa lebih cenderung muncul daripada beta pada sinyal otak dan urutan kompleksitas hafalan dari yang paling kompleks adalah hafalan rumus, Alquran, kemudian nama berdasarkan dari perbandingan besaran nilai amplitude, magnitude dan Eigen Value (EigVal). Kata Kunci : Hafalan, EEG, Alfa, Beta, PCA, K-NN, EigVal. ABSTRACT Memorizing is something that is commonly done in many occasions in life. Starting from social, educational, and religious needs. Rote can also make human brain gets easily tired, caused by the complexity of the rote materials. So that we realize that the complexity of the materials that is recited might impact to our brain. This research is done to analyze and identify alpha and beta signals on electroencephalograph (EEG). Brainwaves are taken from respondents who were reciting 3 different things, those are names, formula and verse from Holy Quran. This study is analyzed and identified using Principal Component Analysis (PCA) and the classification using K-Nearest Neighbor (K-NN). The output of this research is to determine which channel and feature is the most effective to be used, which are TP9 for training and TP10 for testing. The data testing result is obtained in amount of 79,125% for both frequencies. Signal comparison results show that from those 3 different rote complexity, alpha signal always liable in brain waves and the complexity order from the most complex are formula, Holy Quran, and name, obtained from the value comparison of amplitude, magnitude and Eigenvalue (EigVal). Keyword : Rote, EEG, Alpha, Beta, PCA, K-NN, Eigval.