Deteksi emosi berdasarkan karakteristik sinyal eeg dengan klasifikasi backpropagation neural network

Setiadi, Roby Harlen (2016) Deteksi emosi berdasarkan karakteristik sinyal eeg dengan klasifikasi backpropagation neural network. Sarjana thesis, UIN Sunan Gunung Djati Bandung.

Preview	Text (COVER) cover.pdf Download (396kB) | Preview
Preview	Text (ABSTRAK) abstrak.pdf Download (829kB) | Preview
Preview	Text (DAFTAR ISI) daftar isi.pdf Download (1MB) | Preview
Preview	Text (BAB I) bab 1.pdf Download (4MB) | Preview
	Text (BAB II) bab 2.pdf Restricted to Registered users only Download (7MB)
	Text (BAB III) bab 3.pdf Restricted to Registered users only Download (2MB)
	Text (BAB IV) bab 4.pdf Restricted to Registered users only Download (9MB)
	Text (BAB V) bab 5.pdf Restricted to Registered users only Download (4MB)
	Text (BAB VI) bab 6.pdf Restricted to Registered users only Download (552kB)
	Text (DAFTAR PUSTAKA) daftar pustaka.pdf Restricted to Registered users only Download (1MB)
	Text (LAMPIRAN) lampiran.pdf Restricted to Repository staff only Download (12MB)

Abstract

Indonesia: Emosi terkait dengan aktivitas di daerah otak yang mengarahkan perhatian, memotivasi perilaku, dan menentukan signifikansi dari apa yang terjadi di sekitar. Keterkaitan antara emosi dan aktivitas otak tersebut memungkinkan pemanfaatan pengolahan sinyal electroencephalograph (EEG) yang berbasis brain computer interface (BCI), untuk mendeteksi emosi seseorang menggunakan perangkat komputer. Dengan menstimulus otak menggunakan video agar berorientasi pada beberapa jenis emosi, maka dapat dikenali pola setiap emosi untuk dijadikan sebagai acuan dalam mengidentifikasi emosi seseorang. Identifikasi emosi diselesaikan dengan respon amplitudo yang diklasifikasikan menggunakan Backpropagation Neural Network (BPNN) berdasarkan model emosi 2 dimensi davidson menjadi emosi lucu, sedih, marah, dan netral. Setelah dilakukan pengujian, Emosi Netral merupakan emosi yang paling mudah terdeteksi (77,7%) diikuti emosi lucu (55,5%), Emosi marah dan sedih sulit terdeteksi (33,3%). Dikarenakan orientasi seseorang untuk membuat mereka merasa sedih dan marah berbeda dengan persepsi seseorang terhadap emosi netral atau lucu. English: Emotion is one of brain's activity that controlling focus, motivated, and choose what will happen. That means, is possible to use electroencephalograph (EEG) signal processing based brain computer interface (BCI) to detect emotion. With some emotional's video as brain stimulated, that can be identification emotional pattern based their amplitude. Amplitude pattern will be classified with backpropagation neural network (BPNN) based davidson's 2 dimensional emotions models to happy, sad, angry, and calm emotion. In our research, calm is most identificated emotion (77.7%) and happy (55.5%). Sad and angry is hard to be identificated (33.3%).

Actions (login required)

View Item