KLASIFIKASI KEADAAAN EMOSIONAL BERDASARKAN SINYAL EEG MENGGUNAKAN ALGORITMA SUPPORT VECTOR MACHINE

Elektroensephalogram (EEG) merupakan salah satu biosinyal yang merekam aktivitas otak melalui kulit kepala. Diperlukan sebuah pengolahan sinyal EEG karena pengenalan secara visual sulit dilakukan. Hal tersebut dikarenakan sinyal EEG berbentuk gelombang elektrik yang sangat lemah. Pada penelitian ini, sinyal EEG diolah secara matematis sehingga dapat digunakan untuk mengklasifikasikan keadaan emosional. Seseorang tidak dapat mengidentifikasi keadaan emosional manusia dari isyarat verbal maupun non verbal saja karena emosi merupakan proses psiko-fisiologis yang dikaitkan dengan suasana hati, temperamen, kepribadian, serta motivasi. Untuk mengklasifikasikan keadaan emosional berdasarkan sinyal EEG, pada penelitian ini digunakan algoritma Support Vector Machine (SVM). Dataset yang digunakan adalah DEAP : A Database for Emotion Analysis using Physiological Signals dataset sebanyak 1280 data pada tiap 1 chunk sinyal. Eksperimen dilakukan menggunakan Weka 3.9 dengan split rasio 7:3. Dari hasil pengujian, akurasi yang diperoleh pada C=1 yaitu 56.25% dengan , 56.25% dengan , dan 56.77% dengan . Kata kunci : Klasifikasi, Keadaan Emosional, Sinyal EEG, SVM, DEAP datase