Investigasi Pola Emosi Manusia Berdasarkan Sinyal Electroencephalograph Menggunakan Keluarga Wavelet Dan Correlation Feature Selection

Surya, Dwi Utari and Ir. Ponco Siwindarto,, M.Eng.Sc and Dr. Ir. Erni Yudaningtyas,, M.T. (2019) Investigasi Pola Emosi Manusia Berdasarkan Sinyal Electroencephalograph Menggunakan Keluarga Wavelet Dan Correlation Feature Selection. Magister thesis, Universitas Brawijaya.

Abstract

Emosi pada manusia merupakan salah satu kelebihan yang diberikan oleh tuhan jika dibandingkan dengan makhluk hidup lainnya. Emosi merupakan luapan perasaan ditunjukkan seseorang untuk menggambarkan keadaan dari perasaan yang dirasakannya. Emosi memiliki peranan penting dalam kehidupan manusia akan tetapi terkadang manusia sulit memahami emosi yang dirasakannya bahkan memahami emosi di lingkungan sekitarnya. Oleh karena itu perlu dilakukan pengukuran untuk menginvestigasi pola emosi manusia. Pada penelitian ini dilakukan pemanfaatan sinyal EEG dari SEED dataset (Shanghai Jiao Tou University Emotion EEG Dataset) karena EEG memiliki sifat yang sangat sensitif terhadap perubahan aktivitas otak manusia sehingga pengukurannya dinilai sangat efektif. Sinyal EEG di dekomposisi menggunakan beberapa jenis kernel discrete wavelet transform (DWT) yaitu daubechies (db4 dan db8), symlet (sym8) dan coiflet (coif5). Selanjutnya diekstraksi fitur dengan menggunakan fitur power pada frekuensi alpha, beta, gamma dan theta. Hasil ekstraksi fitur diklasifikasi menggunakan SVM. Selain itu, penelitian ini juga menggunakan metode seleksi fitur Correlation Feature Selection (CFS). Metode CFS dapat memilih fitur yang memiliki korelasi tinggi terhadap kelas, namun satu fitur dengan fitur lainnya tidak berkorelasi sehingga optimal untuk meningkatkan akurasi dan mengurangi komplesitas sebuah algoritma. Hasil dari CFS mampu meningkatkan rata-rata akurasi pada db4 sebesar 15%, coif5 13%, sym8 12% dan db8 11%. Oleh karena itu, nilai rata-rata akurasi yang dihasilkan dengan menggunakan CFS pada db4 sebesar 90%, db8 dengan nilai 90%, sym8 sebesar 92% dan coif5 sebesar 93% sehingga jenis keluarga wavelet yang optimal dalam pengenalan emosi manusia adalah jenis coiflet dengan nilai rata-rata akurasi sebesar 93%. Selain itu, penelitian ini menginvestigasi bagian otak dan kanal EEG yang paling optimal dalam pengenalan emosi manusia dengan menggunakan seleksi fitur. Bagian otak yang paling optimal adalah temporal sebelah kiri pada band frekuensi alpha dan gamma dengan kanal T8, T7, C5, CP5 dan TP7.

English Abstract

Emotions in humans are one of the strengths given by God when compared to other living creatures. Emotions are an overflow of what a person is showing to describe the circumstances of the feelings he feels. Emotions play an important role in human life but sometimes people are difficult to understand the emotions he felt even understand emotions in the surrounding environment. Therefore, it is necessary to investigate the human emotion pattern. In this research conducted the utilization of EEG signals from the SEED dataset (Shanghai Jiao Tou University Emotion EEG Dataset) because EEG has very sensitive properties to the change of human brain activity so that the measurements are rated very effectively. The EEG signals in decomposition use some of the discrete, wavelet transform (DWT) kernel types of daubechies (DB4 and DB8), Symlet (SYM8) and Coiflet (COIF5). Further extracted features by using power features at frequencies alpha, beta, gamma and theta. The extraction results feature classified using SVM. In addition, the research also uses the Correlation Feature Selection (CFS) method. The CFS method can select features that have a high correlation to the class, but one feature with the other features is not correlated so it is optimal to improve accuracy and reduce the efficiency of an algorithm. The results of the CFS were able to increase the average accuracy at DB4 by 15%, Coif5 13%, SYM8 12% and DB8 11%. Therefore, the average value of accuracy generated by using the CFS at DB4 is 90%, DB8 with a value of 90%, SYM8 of 92% and coif5 of 93% so that the optimal type of wavelet family in the introduction of human emotions is a type of coiflet with an average value of accuracy of 93%. In addition, the research investigates the most optimal parts of the brain and EEG channels in the introduction of human emotions using feature selection. The most optimal part of the brain is the left temporal on the alpha and gamma frequency bands with T8, T7, C5, CP5 and TP7 channels.

Item Type:	Thesis (Magister)
Identification Number:	TES/612.82/SUR/i/2019/041904217
Uncontrolled Keywords:	Emosi manusia, Electroencephalograph, wavelet, Correlation Feature Selection (CFS)
Subjects:	600 Technology (Applied sciences) > 612 Human Physiology > 612.8 Nervous system
Divisions:	S2/S3 > Magister Teknik Elektro, Fakultas Teknik
Depositing User:	soegeng sugeng
Date Deposited:	18 Aug 2022 03:27
Last Modified:	18 Aug 2022 03:27
URI:	http://repository.ub.ac.id/id/eprint/193297

Text Dwi Utari Surya.pdf Download (17MB)

Actions (login required)

View Item