Identifikasi Tingkat Konsentrasi Dari Sinyal EEG Dengan Wavelet dan Adaptive Backpropagation

Abstract

Konsentrasi yang baik adalah salah satu faktor penting dalam proses pembelajaran atau dalam menyelesaikan pekerjaan. Namun tidak mudah untuk mengidentifikasi seseorang dalam konsentrasi yang baik dalam kedua aktivitas tersebut, padahal indikator tersebut sangat penting dalam evaluasi atau umpan balik. Elektroensephalogram (EEG) adalah perangkat yang dapat menangkap aktivitas listrik di otak dan menginformasikan kondisi pikiran seperti emosional, kelelahan, kewaspadaan, kesehatan dan tingkat konsentrasi. Pemodelan sinyal EEG sebelum klasifikasi perlu dilakukan, beberapa penelitian telah menggunakan tranformasi Wavelet, Power Spectral, ataupun Autoregressive. Penelitian ini membangun sistem yang terintegrasi dengan EEG wireless untuk mengidentifikasi tingkat konsentrasi menggunakan Adaptive Backpropagation. Ekstraksi Wavelet digunakan sebagai pemodelan untuk meningkatkan akurasi dengan mengekstraksi sinyal terhadap gelombang alfa, beta, dan gamma. Kehadiran ketiga gelombang menjadi indikator dalam identifikasi menggunakan Adaptive Backpropagation. Adaptive Learning digunakan untuk mempercepat dalam proses pembelajaran jaringan.