Klasifikasi Sinyal EEG Terhadap Tiga Kondisi Pikiran Menggunakan Autoregressive dan Adaptive Backpropagation

Abstract

Seorang siswa dituntut untuk memiliki kemampuan berpikir yang cepat dan tepat dalam menyelesaikan setiap masalah yang dihadapi dalam proses belajar. Kemampuan yang harus dimiliki diantaranya adalah kemampuan menulis dan kemampuan menghitung. Kondisi berpikir setiap siswa tersebut dapat diketahui dengan cara melakukan evaluasi menggunakan perangkat Elektroensephalogram (EEG). Sinyal EEG memiliki banyak informasi mengenai kondisi pikiran seseorang seperti ketika seseorang berpikir menghitung, berpikir menulis bahkan ketika seseorang tidak memikirkan sesuatu. Penelitian ini membangun sebuah sistem klasifikasi sinyal EEG terhadap tiga kondisi pikiran menggunakan Autoregressive untuk ekstraksi sinyal EEG dan klasifikasi menggunakan Adaptive Backpropagation dengan tiga kondisi pikiran yang ditinjau adalah kondisi menghitung, menulis dan tidak memikirkan sesuatu. Orde Autoregressive yang digunakan untuk ekstraksi ciri adalah orde 10, orde 20 dan orde 30 dengan parameter optimal untuk proses pelatihan Adaptive Backpropagation yaitu learning rate 0.01, minimum error 0.001 dan iterasi sebanyak 7000. Hasil pengujian menunjukan akurasi terbaik diperoleh dengan melakukan ekstraksi menggunakan orde 30 dengan akurasi sebesar 82% dari 90 set data yang digunakan.