KLASIFIKASI STRES BERBASIS EEG MENGGUNAKAN CONTINUOUS CAPSULE NETWORK DENGAN MEMPERTAHANKAN INFORMASI SPASIAL

ARYANITASARI, FARICHATURRIFQI (2025) KLASIFIKASI STRES BERBASIS EEG MENGGUNAKAN CONTINUOUS CAPSULE NETWORK DENGAN MEMPERTAHANKAN INFORMASI SPASIAL. S1 - Sarjana thesis, Universitas AMIKOM Yogyakarta.

	Text (COVER-ABSTRAK) COVER.pdf - Published Version Download (1MB)
	Text (BAB I) BAB I.pdf - Published Version Download (177kB)
	Text (BAB II) BAB II.pdf - Published Version Restricted to Registered users only Download (841kB)
	Text (BAB III) BAB III.pdf - Published Version Restricted to Registered users only Download (339kB)
	Text (BAB IV) BAB IV.pdf - Published Version Restricted to Registered users only Download (681kB)
	Text (BAB V) BAB V.pdf - Published Version Download (82kB)
	Text (DAFTAR PUSTAKA) Daftar Pustaka.pdf - Published Version Restricted to Registered users only Download (91kB)
	Archive (SOURCE CODE) Source Code - 20.11.3738.zip - Published Version Restricted to Repository staff only Download (2MB)

Abstract

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%.

Item Type:

Thesis (S1 - Sarjana)

Contributor:

Pembimbing
Agastya, I Made Artha

Uncontrolled Keywords:

stres, EEG, Continuous Capsule Network, Differential Entropy, 3D Cube

Subjects:

000 - Komputer, Informasi dan Referensi Umum > 000 Ilmu komputer, ilmu pengetahuan dan sistem-sistem > 000 Ilmu komputer, informasi dan pekerjaan umum

Divisions:

Fakultas Ilmu Komputer > Informatika

Depositing User:

RC Universitas AMIKOM Yogyakarta

Date Deposited:

02 Mar 2026 01:37

Last Modified:

02 Mar 2026 01:37

URI:

http://eprints.amikom.ac.id/id/eprint/31693

Actions (login required)

View Item