Klasifikasi Sinyal EEG dengan Stimuli Aromatik Menggunakan Metode Support Vector Machine

Abstract

Electroencephalogram (EEG) adalah aktivitas sinyal listrik yang berasal dari elektroda yang menempel pada area otak. Aktivitas sinyal listrik dari otak menyimpan informasi penting yang menjadi sumber informasi utama dalam mendeteksi. Support Vector Machine(SVM) digunakan untuk mengklasifikasikan EEG sinyal untuk mendapatkan efek hasil deteksi. Penelitian ini bertujuan untuk menghasilkan model SVM yang dapat menentukan data EEG untuk subyek berpengaruh atau tidak. Dalam rekaman EEG, sinyal yang diterima tidak seluruhnya berasal dari otak tapi mungkin terkontaminasi oleh sinyal lain. Jadi untuk mendapatkan informasi yang tepat, lakukan pemrosesan sinyal digital pada sinyal EEG, dan menggunakan aromatik untuk membuat kenyamanan saat tidur.