Abstrak

Electroencephalogram (EEG) adalah instrumen untuk menangkap aktivitas listrik di otak. Karakteristik dari sinyal ini yaitu memiliki bentuk yang tidak beraturan dan pola yang cukup kompleks dengan kontaminasi noise, sehingga analisis visual tidaklah mudah. Beberapa penelitian telah dilakukan untuk klasifikasi sinyal EEG, diantaranya identifikasi kondisi kewasapadaan, mengantuk dan tidur. Penelitian ini membangun sistem klasifikasi kondisi kewaspadaan dari sinyal EEG yang digunakan untuk mengidentifikasi kondisi waspada atau tidak waspada pada saat mengendarai maupun sedang bekerja. Pengolahan sinyal ini terdiri dari dua tahap, yaitu tahap praproses dan proses. Praproses terdiri dari segmentasi dan filtering sinyal EEG yang diolah menggunakan filtering wavelet untuk menghilangkan noise data, serta memperoleh skala frekuensi yang dianalisis. Sedangkan proses klasifikasi menggunakan metode Support Vector Machine (SVM) untuk menentukan class dari kondisi kewaspadaan.

Kata kunci—Sinyal Electroenchepalogram; Filtering Wavelet; Support Vector machine.