Electronic Theses and Dissertation

Data Electroencephalography (EEG) berisikan rekaman dari aktivitas sinyal otak yang terbagi dalam beberapa kanal dengan respons impuls yang berbeda dapat digunakan sebagai pendeteksi emosi manusia. Dalam mengklasifikasi emosi, data EEG perlu dilakukan penguraian atau pengolahan sinyal menjadi nilai-nilai yang dapat membantu dalam mengenali emosi. Penelitian ini dilakukan untuk mengklasifikasi emosi manusia dari data EEG menggunakan metode Power Spectral Density (PSD) dan Discrete Wavelete Transform (DWT) pada tahap awal pengklasifikasian serta metode Decision Tree sebagai metode akhir yang dapat memperbaiki akurasi dari dua metode pada tahap awal pengklasifikasian. Metode DWT digunakan sebagai acuan dalam klasifikasi emosi, hal ini dikarenakan pada metode DWT memiliki output nilai arousal dan valance sedangkan pada metode PSD hanya memiliki output gabungan (emosi) tanpa diketahui nilai arousal dan valance. Adapun hasil dari penelitian ini adalah, dari segi akurasi, metode decision tree dapat memperbaiki akurasi dari metode power spectral density yang mulanya sebesar 99,25%. Hal ini dikarenakan dari 400 trial yang dilakukan pada 10 partisipan, hanya terjadi perbedaan output pada 3 trial.

Electroencephalography (EEG) data contains activity recordings of brain signals which are divided into several channels with different impulse responses that can be used as a detector of human emotions. In classifying emotions, EEG data needs to be parsed or signal processing into values that can help in recognizing emotions. This research was conducted to classify human emotions from EEG data using the Power Spectral Density (PSD) and Discrete Wavelete Transform (DWT) methods in the early stages of classification and the Decision Tree method as the final method that can improve the accuracy of the two methods in the early stages of classification. The DWT method is used as a reference in the classification of emotions, this is because the DWT method has an output of arousal and valance values while the PSD method only has a combined output (emotions) without knowing the arousal and valance values. The results of this study are, in terms of accuracy, the decision tree method can improve the accuracy of the power spectral density method which was originally 99.25%. This is because of the 400 trials conducted on 10 participants, there were only differences in outcomes in 3 trials.