Deteksi Tingkat Kewaspadaan Berbasis Electroencephalogram Menggunakan Hierarchical Clustering dan Jaringan Syaraf Tiruan

Abstract

Penelitian tentang tingkat kewaspadaan dibutuhkan untuk menghindari potensi kecelakaan pada pekerjaan beresiko tinggi yang menuntut seseorang untuk fokus dan siaga dalam waktu yang lama. Penelitian ini menggunakan teknologi Electroencephalography (EEG) yang dapat memantau aktivitas otak manusia. Penelitian ini mencoba menggunakan sensor EEG tingkat konsumen Neurosky Mindwave Mobile yang lebih sederhana dibanding perangkat EEG yang biasa digunakan di bidang medis. Tahap praproses dilakukan dengan menggunakan transformasi wavelet untuk melakukan ekstraksi fitur sinyal EEG. Proses pengelompokkan data yang belum memiliki label dilakukan dengan menggunakan metode agglomerative hierarchical clustering. Tujuannya adalah untuk menghasilkan kelas tingkat kesiagaan yang digunakan sebagai label dalam proses klasifikasi menggunakan metode jaringan syaraf tiruan. Hasil dari model ini telah mampu mengidentifikasi tiga kondisi kewaspadaan dengan akurasi sebesar 75.37% ketika diuji terhadap enam subjek dengan menggunakan appropriate metric dynamic time warping dan linkage criteria ward. Adapun parameter hidden node yang dipilih adalah 25 dengan learning rate 0.04 dan jumlah epoch yang dipergunakan 500.