Analisis Perbandingan Pola Sinyal Alpha Dan Theta Eeg Untuk Deteksi Trypophobia Dengan Menggunakan Hjorth Descriptor

Abstract

Abstrak Trypophobia merupakan salah satu fobia spesifik yang mengacu pada ketakutan, panik, dan jijik saat diberi rangsangan visual terdiri dari objek berupa kumpulan benda berlubang dan tidak berbahaya seperti kondensasi air, sarang lebah, dan spons laut. Electroencephalograph (EEG) merupakan alat untuk merekam aktivitas listrik pada otak melaui elektroda yang diletakan pada kulit kepala. Rekaman sinyal EEG berisi informasi mengenai keadaan fisiologis otak dan gangguan neurologis pada otak. Pada tugas akhir ini dibangun sistem untuk mendeteksi trypophobia berdasarkan analisis pola sinyal alpha dan theta EEG. Metoda Hjorth Descriptor sebagai metode ekstraksi ciri sinyal EEG. Untuk metoda klasifikasi menggunakan Support Vector Machine. Hasil pengujian menunjukkan akurasi terbaik pada sinyal alpha pada kernel RBF didapatkan dengan nilai 95.83% dan pada sinyal theta didapatkan dengan nilai 87.5% untuk mendeteksi trypophobia dan tidak. Serta dilakukan pengujian dengan menambahkan kelas stress dengan hasil akurasi terbaik alpha sebesar 75% dan sinyal theta 66.66%. Maka dapat disimpulakan bahwa sinyal trypophobia berbeda dengan yang tidak. Namun jika dibandingkan dengan kondisi stress, sinyal trypophobia masih ada kemiripan dengan kondisi stress. Kata Kunci : Trypophobia, Eclectroencephalograph, Hjorth Descriptor, Support Vector Machine (SVM) Abstract Trypophobia is one of the specific phobias that refers to fear, panic, and disgust when given visual stimuli consisting of objects in the form of a collection of hollow and harmless objects such as water condensation, honeycomb, and sea sponge. Electroencephalograph (EEG) is a tool to record electrical activity in the brain through electrodes placed on the scalp. Recorded EEG signals contain information about the physiological state of the brain and neurological disorders of the brain. In this final project built a system to detect trypophobia based on pattern analysis of alpha and theta EEG signals. The Hjorth Descriptor method is an EEG signal characteristic extraction method. For the classification method using Support Vector Machine. The test result shows the best accuracy on alpha signal in RBF kernel obtained with 95.83% and on theta signal obtained with 87.5% to detect trypophobia and not trypophobia. And done the test by adding stress class with the best alpha accuracy of 75% and theta signal 66.66%. It can be concluded that trypophobia signals are different from those not. However, when compared with stress conditions, trypophobia signal is still similar to the stress conditions. Keywords : Trypophobia, Eclectroencephalograph, Hjorth Descriptor, Support Vector Machine (SVM)