%0 Thesis
%9 S1 - Sarjana
%A ARYANITASARI, FARICHATURRIFQI
%A Universitas AMIKOM Yogyakarta,
%B Fakultas Ilmu Komputer
%D 2025
%F universitasamikomyogyakarta:31693
%I Universitas AMIKOM Yogyakarta
%K stres, EEG, Continuous Capsule Network, Differential Entropy, 3D Cube
%T KLASIFIKASI STRES BERBASIS EEG MENGGUNAKAN CONTINUOUS CAPSULE NETWORK DENGAN MEMPERTAHANKAN INFORMASI SPASIAL
%U https://eprints.amikom.ac.id/id/eprint/31693/
%X Stres marupakan kondisi mental yang dapat mempengaruhi aktivitas listrik  otak dan mengganggu produktivitas serta kesejahteraan individu. Metode deteksi  stress konvensional seperti kuesioner bersifat subjektif dan rentan terhadap bias,  sementara metode fisiologis tidak bisa langsung menunjukkan aktivitas otak yang  menjadi pusat pengaturan stres. Electroencephalogram (EEG) mampu merekam  aktivitas listrik otak secara efektif untuk mendeteksi kondisi stress melalui sinyal  aktivitas otak. Penelitan ini mengembangkan sistem klasifikasi stres menggunakan  metode Continuous Capsule Network yang mampu mempertahankan informasi  spasial dari sinyal EEG. Dataset SAM 40 yang terdiri dari rekaman EEG 40 subjek  yang diinduksi stres melalui tugas kognitif digunakan dalam penelitian ini.  Metodologi penelitian ini meliputi dekomposisi frekuensi band (theta: 4-8 Hz,  alpha: 8-13 Hz, beta: 13-30 Hz, dan gamma: 30-45 Hz), ekstraksi fitur  menggunakan Differential Entropy, dan representasi fitur menggunakan 3D Cube  berukuran 9 x 9 x 4 untuk mempertahankan informasi spasial. Penelitian ini  menggunakan hyperparameter tuning untuk membantu mengoptimalisasi  arsitektur model. Hasil penelitian menunjukkan bahwa metode klasifikasi stress  berbasis EEG menggunakan Continuous Capsule Network dapat mencapai akurasi  97,17%.