Detail Cantuman

DETEKSI KECEMASAN BERDASARKAN DATA ELEKTROENSOFALOGRAM DENGAN XGBOOST DAN DISCRETE WAVELET TRANSFORM

YUZZAR ALPRIATNA MALIK / 15-2021-061 - Personal Name
0415068801 - Yusup Miftahuddin, S.Kom., MT - Personal Name
120240902 - Anisa Putri Setyaningrum, S.Kom., M.T. - Personal Name
Text English 2025 Teknik Informatika : FTI

Deteksi kecemasan melalui sinyal elektroensefalografi (EEG) tidak mudah karena sifatnya yang non-stasioner dan berisiko menimbulkan overfitting pada model klasifikasi. Penelitian ini bertujuan mengatasi permasalahan tersebut dengan mengombinasikan Discrete Wavelet Transform (DWT) untuk ekstraksi fitur dan algoritma Extreme Gradient Boosting (XGBoost) sebagai pengklasifikasi. Data berasal dari dataset DASPS dengan 14 kanal EEG yang dilabeli menggunakan skor Hamilton Anxiety Rating Scale (HAM-A). Proses preprocessing meliputi notch filter 50 Hz, band-pass filter 4–45 Hz, serta segmentasi sinyal berdurasi 1 detik. Fitur diekstraksi menggunakan DWT dengan wavelet Daubechies (db4) dan dihitung parameter statistik, kemudian diseimbangkan dengan Synthetic Minority Oversampling Technique (SMOTE). Model XGBoost diuji melalui beberapa skenario hyperparameter seperti jumlah pohon (n_estimators), regularization, learning rate, dan kedalaman pohon (max depth). Hasil baseline menunjukkan akurasi uji 73,8% dengan indikasi overfitting, sedangkan konfigurasi terbaik menghasilkan akurasi 88,9%, precision 93,8%, recall 89,9%, F1-score 91,8%, dan AUC 94,2%. Penelitian ini membuktikan bahwa kombinasi DWT dan XGBoost mampu dalam mengatasi sebagian masalah non-stasioneritas EEG sekaligus meningkatkan akurasi deteksi kecemasan secara objektif dan andal

Anxiety detection through electroencephalography (EEG) signals is challenging due to their non-stationary nature and the risk of overfitting in classification models. This study aims to address these issues by combining Discrete Wavelet Transform (DWT) for feature extraction with Extreme Gradient Boosting (XGBoost) as the main classifier. The data were obtained from the DASPS dataset consisting of 14 EEG channels labeled using the Hamilton Anxiety Rating Scale (HAM-A). The preprocessing stage involved applying a 50 Hz notch filter, a 4–45 Hz band-pass filter, and segmenting the signals into 1-second windows. Features were extracted using DWT with Daubechies (db4) wavelet and statistical parameters were calculated, then balanced with the Synthetic Minority Oversampling Technique (SMOTE). The XGBoost model was evaluated through several hyperparameter scenarios including the number of trees (n_estimators), regularization, learning rate, and tree depth (max depth). The baseline model achieved a test accuracy of 73.8% with signs of overfitting, while the best configuration reached 88.9% accuracy, 93.8% precision, 89.9% recall, 91.8% F1-score, and 94.2% AUC. These results demonstrate that the combination of DWT and XGBoost effectively addresses the non-stationary characteristics of EEG signals while reducing the risk of overfitting, thus providing a reliable and objective method for anxiety detection

Ketersediaan

LOADING LIST...

Lampiran Berkas

LOADING LIST...

Detail Information

Bagian	Informasi
Pengarang	YUZZAR ALPRIATNA MALIK / 15-2021-061 - Personal Name 0415068801 - Yusup Miftahuddin, S.Kom., MT - Personal Name 120240902 - Anisa Putri Setyaningrum, S.Kom., M.T. - Personal Name
No. Panggil	883IF/25
Subyek	Anxiety, Electroencephalography, Dataset Discrete Wavelet Transform
Fakultas	FTI
Tahun Terbit	2025
Jurusan	Teknik Informatika
Deskripsi Fisik
Info Detil Spesifik

Citation

APA Style

. (2025).DETEKSI KECEMASAN BERDASARKAN DATA ELEKTROENSOFALOGRAM DENGAN XGBOOST DAN DISCRETE WAVELET TRANSFORM().Teknik Informatika:FTI

Chicago Style

.DETEKSI KECEMASAN BERDASARKAN DATA ELEKTROENSOFALOGRAM DENGAN XGBOOST DAN DISCRETE WAVELET TRANSFORM().Teknik Informatika:FTI,2025.Text

MLA Style

.DETEKSI KECEMASAN BERDASARKAN DATA ELEKTROENSOFALOGRAM DENGAN XGBOOST DAN DISCRETE WAVELET TRANSFORM().Teknik Informatika:FTI,2025.Text

Turabian Style

.DETEKSI KECEMASAN BERDASARKAN DATA ELEKTROENSOFALOGRAM DENGAN XGBOOST DAN DISCRETE WAVELET TRANSFORM().Teknik Informatika:FTI,2025.Text

Detail Cantuman

DETEKSI KECEMASAN BERDASARKAN DATA ELEKTROENSOFALOGRAM DENGAN XGBOOST DAN DISCRETE WAVELET TRANSFORM

Detail Information

Citation

Homepage Info

Koleksi

Media Sosial / Kanal

Address