Analisis Perbandingan Sinyal Alpha Dan Beta Eeg Empat Kanal Terhadap Efek Yang Ditimbulkan Pada Seseorang Saat Diberi Stimulus Berupa Potongan Film Horror

Abstract

Abstrak Film horor merupakan film yang dirancang untuk menciptakan atau memberikan situasi dan keadaan yang menakutkan, mengejutkan, menyeramkan dan teror untuk para penikmatnya. Hal ini memberikan rangsangan tersendiri terhadap otak karena adanya fluktuasi ion pada neuron otak yang dapat terbaca oleh alat electroencephalograph (EEG). Berdasarkan rentang frekuensinya sinyal otak dibagi menjadi 5 jenis pola sinyal otak yaitu alpha, beta, theta, delta, dan gamma dengan frekuensi berbeda-beda dan dimana masing-masing sinyal menandakan kondisi yang berbeda-beda. Pada penelitian kali ini metode Principal Component Analysis (PCA) sebagai ekstraksi ciri dan metode klasifikasi menggunakan K-Nearest Neighbor (K-NN) dengan masukan berupa data sinyal EEG. Pemilihan metode tersebut ditujukan untuk membagi data sinyal menjadi beberapa komponen berdasarkan frekuensinya dan mengklasifikasikan gelombang otak tersebut untuk memperoleh keluaran berupa kondisi emosional seseorang. Tujuan dari penelitian ini adalah untuk mengetahui perbedaan pola sinyal alpha dan beta pada seseorang pada saat diberi stimulus berupa potongan film horor serta didukung dengan sinkronnya detak jantung, ekspresi wajah atau tingkah laku. Pada penelitian ini hasil perbandingan sinyal beta yang cenderung muncul berada dikanal AF7 dan AF8, sedangkan untuk sinyal alpha yang cenderung muncul berada pada kanal TP9 dan TP10. Akurasi terbaik dari penelitian dengan 2 skenario mencapai 77,7% untuk sinyal alpha dan 77,7% untuk sinyal beta. Kata kunci: EEG, alpha beta, Principal Component Analysis, KNN Abstract Horror Movie is a movie that is made to create or giving some reaal life situation and condition such as fear, shock, scare and terror to its audiences. This makes it’s own stimulus to the brain caused by the ion fluctuation in brain neurons that can be read by electroencephalograph (EEG) tool. Based on the range of frequency signals the brain is divided into has 5 types of signal patterns, those are alpha, beta, theta, delta and gamma with each has 5 characteristics of frequency and each represents different human condition. In this research Principal Component Analysis (PCA) method is used as feature extraction and K-Nearest Neighbor (K-NN) classification method is used with the data input from EEG signals. Those method are selected as the function of splitting the data signals to some components based on the frequency and classifying the brain waves itself to obtain the output in the form of human emotional condition. The purpose of this research is to understand the comparison of alpha and beta signal while given a stimulus of horror movie scene, supported by synchronizing heart beat, face expression and habitual act. The result of comparison in this research is that beta signal is more liable in AF7 and AF8 channels, and alpha signals are more liable in TP9 and TP10 channels. The best accuracy of this research with 2 scenario is 77,7% in alpha signal and 77,7% in beta signal. Keywords: EEG, alpha, beta, Principal Component Analysis, KNN