Juliantino, Yohanes Ronaldo and Edita Rosama Widasari, S.T., M.T., M.Eng., Ph.D. (2025) Implementasi Metode K-Nearest Neighbor Untuk Deteksi Dini Stres Berbasis Neurosky Electroncephalogram Sensor. Sarjana thesis, Universitas Brawijaya.
Abstract
Stres merupakan respons fisiologis dan psikologis seseorang yang menimbulkan tekanan atau beban dalam kehidupan sehari-hari, yang diakibatkan dari beragam faktor, seperti tuntutan pekerjaan yang terlalu berat, konflik interpersonal, dan pengaruh lingkungan. Stres dapat diatasi dengan cara mendeteksi stres, baik dengan metode subjektif maupun objektif. Metode subjektif melibatkan pengisian kuesioner atau wawancara dengan psikolog, sementara metode objektif menggunakan pengukuran fisiologis. Salah satu metode subjektif yang umum digunakan adalah Perceived Stress Scale (PSS), namun seringkali metode subjektif ini terbatas oleh persepsi pribadi dan emosi dari responden. Metode objektif melibatkan pengukuran baik secara fisik maupun fisiologis. Pada pengukuran fisik, kondisi stres dapat dilihat ekspresi wajah, frekuensi kedipan mata, dan dilatasi pada pupil. Sementara itu, pada pengukuran fisiologis melibatkan pembacaan perubahan fisiologis dengan penggunaan sensor pada tubuh, seperti perekaman aktivitas otak, aktivitas otot, dan detak jantung. Salah satu cara untuk membantu proses deteksi stres yaitu menggunakan pengukuran secara fisiologis dengan parameter aktivitas listrik otak melalui electroencephalography (EEG). Penelitian ini akan membuat pengembangan sistem deteksi dini stres berbasis sinyal EEG dengan gelombang alpha (8-13 Hz) dan beta (13-30 Hz) dan mengimplementasikan metode KNearest Neighbor (KNN). Gelombang sinyal didapatkan melalui proses dekomposisi sinyal discrete wavelet transform (DWT). Penelitian ini akan menghasilkan klasifikasi stres dalam dua kelas, yaitu normal dan stres. Ekstraksi fitur menggunakan metode Mean Absolute Value (MAV) Beta dan Ratio MAV Beta/Alpha. Pengujian sistem mendapatkan akurasi sebesar 84% dengan ratarata waktu komputasi 0,12622 detik. Sistem deteksi dini stres ditampilkan dalam graphical user interface (GUI) aplikasi MATLAB. GUI mampu menampilkan keluaran berupa grafik sinyal alpha dan beta, nilai ekstraksi fitur, hasil klasifikasi dan keterangan, serta waktu komputasi. Sistem ini diharapkan mampu mendeteksi stres dengan akurat dan waktu komputasi yang cepat.
English Abstract
Stress is a physiological and psychological response that creates pressure or burden in daily life, caused by various factors such as heavy work demands, interpersonal conflicts, and environmental. Stress can be addressed through detection using both subjective and objective methods. The subjective method involves completing questionnaires or interviews with psychologists, while the objective methods uses physiological measurements. One widely used subjective method is the Perceived Stress Scale (PSS), although the method is often limited by personal perceptions and emotions of the respondents. The objective method involves measurements based on physical and physiological parameters. In physical measurements, stress can be observed through facial expressions, blink rate, and pupil dilation. On the other hand, physiological measurements involve recording physiological changes using body sensors, such as brain activity, muscle activity, and heart rate sensors. One approach to assist in stress detection is through physiological measurements that use electrical brain activity parameters obtained via electroencephalography (EEG). This study aims to develop an early stress detection based on EEG signals using alpha waves (8-13 Hz) and beta waves (13-30 Hz) and implementing the K-Nearest Neighbor (KNN) method. The signal waves are obtained through discrete wavelet transform (DWT) decomposition. This study will classify stress into two classes, namely normal and stressed. Feature extraction uses the Mean Absolute Value (MAV) from beta waves and the MAV Beta/Alpha ratio. The test results with 84% accuracy and an average computation time of 0.12622. The early stress detection system is displayed on the graphical user interface (GUI) in the MATLAB application. The GUI can display output in the form of alpha and beta signal graphs, feature extraction values, classification results and descriptions, and computation time. This system is expected to be able to detect stress accurately and with fast computation time.
| Item Type: | Thesis (Sarjana) |
|---|---|
| Identification Number: | 052515 |
| Uncontrolled Keywords: | Alpha, Beta, EEG, K-Nearest Neighbor, Mean Absolute Value, Ratio, Stres. |
| Divisions: | Fakultas Ilmu Komputer > Teknik Komputer |
| Depositing User: | S Sucipto |
| Date Deposited: | 18 Feb 2025 06:31 |
| Last Modified: | 18 Feb 2025 06:31 |
| URI: | http://repository.ub.ac.id/id/eprint/237008 |
![[thumbnail of DALAM MASA EMBARGO]](http://repository.ub.ac.id/style/images/fileicons/text.png) |
Text (DALAM MASA EMBARGO)
Yohanes Ronaldo Juliantino.pdf Restricted to Registered users only Download (5MB) |
Actions (login required)
 |
View Item |