IDENTIFIKASI KONDISI RILEKS DARI SINYAL EEG MENGGUNAKAN WAVELET DAN LEARNING VECTOR QUANTIZATION

Abstract

Elekroensephalogram (EEG) merupakan sinyal yang memberikan informasi fungsi otak dan syaraf. Sinyal EEG mempunyai amplitudo yang rendah, non stasioner dan tidak ada pola tertentu sehingga tidak mudah untuk dianalisis secara visual. Beberapa variabel yang mempengaruhi sinyal EEG seperti tingkat perhatian, tingkat kewaspadaan, karakter seseorang, dan pengaruh rangsangan luar. Beberapa penelitian terdahulu yang terkait di antaranya klasifikasi tingkat kelelahan, klasifikasi tingkat perhatian, dan klasifikasi tingkat kewaspadaan. Berdasarkan penelitian terdahulu, identifikasi kondisi rileks dari kemunculan gelombang alfa dan penurunan gelombang teta dan beta. Oleh karena itu, analisis frekuensi dengan Transformasi Wavelet menjadi berguna. Pada penelitian ini telah dibangun sistem identifikasi kondisi rileks berdasarkan sinyal EEG menggunakan Wavelet untuk mengekstraksi sinyal dari pengaruh noise dan Learning Vector Quantization (LVQ) untuk melakukan identifikasi. Identifikasi dilakukan terhadap dua kelas yaitu rileks dan tidak rileks dengan menggunakan kanal FP1 yang direkam kepada sepuluh naracoba. Hasil yang diperoleh dengan pengujian terhadap dua data baru menggunakan wavelet sebesar 47.5%, sedangkan pengujian menggunakan data latih sebesar 70%. Pengujian menggunakan lima naracoba terhadap data baru didapatkan akurasi sebesar 63% dan terhadap data latih sebesar 85%. Sedangkan pengujian menggunakan 10 data baru didapatkan akurasi sebesar 47% dan pengujian terhadap data latih sebesar 87.5%. Sistem identifikasi telah diaplikasikan dalam perangkat lunak sehingga mudah digunakan masyarakat luas.

Kata kunci: Sinyal EEG, ekstraksi Wavelet, LVQ, identifikasi kondisi rileks