Klasifikasi Tingkat Stres Manusia Berdasarkan Pengamatan Gelombang Otak Menggunakan Eeg dengan Algoritma K-Nearest Neighbor

Abstract

Stress is a condition that suppresses the person's psychic state in achieving something. Stress at some level can harm human health since it can cause various diseases that are often underestimated by humans. These diseases include headaches, cramps, heart attack, high blood pressure, and even strokes can occur. Detection of stress levels is generally done by filling out questionnaires or conducting self-assessment tests. However, it seems subjective because the scoring results depends on one's honesty in answering the questionnaire. Therefore, this study conducts the classification of human stress levels based on the observation of brain wave activity using Electroensephalogram (EEG). Since EEG signals can directly reflect the electrical activity of the brain, it can be used as an objective measure for classifying stress levels. In this study, the method used in classification is K-Nearest Neighbor. The stages before classification are pre-processing, feature extraction using Independent Component Analysis, and then classified using K-Nearest Neighbor. This research uses 62 data to be used as training data and testing data. After testing the system, it was concluded that the K-Nearest Neighbor method had the ability to classify stress into normal and high levels with the accuracy of 70%.

Stres merupakan suatu kondisi yang menekan keadaan psikis seseorang dalam mencapai sesuatu. Stres pada tingkat tertentu dapat membahayakan kesehatan manusia karena dapat menimbulkan berbagai penyakit yang selama ini seringkali diremehkan oleh manusia. Penyakit-penyakit tersebut diantaranya sakit kepala, kram, jantung, tekanan darah tinggi, bahkan stroke dapat terjadi. Deteksi tingkat stres pada umumnya dilakukan dengan mengisi kuesioner atau melakukan self-assessment test. Namun, hal tersebut terkesan subjektif karena hasil penilaia n bergantung pada kejujuran seseorang dalam menjawab kuesioner tersebut. Oleh karena itu, penelitian ini melakukan klasifikasi tingkat stres manusia berdasarkan pengamatan aktivitas gelombang otak menggunakan Elektroensefalogram (EEG). Karena sinyal EEG dapat secara langsung mencerminkan aktivitas listrik otak, hal ini dapat digunakan sebagai ukuran objektif untuk mengklasifikasikan tingkat stres. Pada penelitian ini metode yang digunakan dalam pengklasifikasian adalah K-Nearest Neighbor. Tahapan yang dilakukan sebelum klasifikasi yaitu pre-processing, ekstraksi ciri menggunakan Independent Component Analysis, dan kemudian diklasifikasi menggunakan K-Nearest Neighbor. Penelitian ini menggunakan 62 data yang akan digunakan sebagai data latih dan data uji. Setelah dilakukan pengujian pada penelitian ini, didapatkan kesimpulan bahwa metode KNearest Neighbor memiliki kemampuan dalam mengklasifikasi stres ke dalam tingkat normal dan tinggi sebesar 70%.