Identifikasi Respon Emosional Berdasarkan Sinyal Elektroensephalogram Menggunakan Wavelet dan Support Vector Machine

Abstract

Video game dapat menimbulkan respon emosional yang berbeda bagi pemainnya, seperti senang, semangat, ataupun marah. Jika respon emosional marah yang timbul dibiarkan berkelanjutan, dapat membahayakan, terutama pada anak-anak. Oleh karena itu, diperlukan perangkat monitoring respon emosional saat bermain video game secara real time. Namun, hal ini tidaklah mudah. Kondisi emosional dapat diidentifikasi salah satunya menggunakan sinyal Elektroensephalogram (EEG), namun, analisis sinyal tersebut terlalu kompleks. Beberapa penelitian menggunakan sinyal EEG untuk identifikasi respon emosional, tingkat perhatian, ataupun untuk menggerakkan perangkat eksternal. Identifikasi respon emosional penelitian lalu dilakukan secara offline sehingga kurang efektif untuk monitoring. Sementara penelitian lainnya menggunakan Support Vector Machine (SVM) untuk mengidentifikasi respon emosional secara real time. Keunggulan SVM untuk mengidentifikasi sinyal EEG dapat dilakukan sekitar 0,0161 detik, lebih cepat daripada waktu identifikasi real time setiap 10 detik. Pada penelitian ini, sistem dibuat untuk mengidentifikasi respon emosional secara real time saat bermain video game. Identifikasi dilakukan setiap 10 detik, dengan pertimbangan waktu yang cukup terhadap perubahan emosional. Sistem dibangun menggunakan ekstraksi Wavelet dan klasifikasi Support Vector Machine dari data latih 10 naracoba dan lima kali perulangan untuk setiap respon emosional, yaitu marah, senang, dan semangat. Tingkat akurasi yang dihasilkan sebesar 88% untuk data latih dan 70% untuk data uji.