KLASIFIKASI OTAK MANUSIA DALAM KEADAAN RELAX MENGGUNAKAN METODE SUPERVISED LEARNING

Aktivitas otak manusia mengalami perubahan seiring bertambahnya usia,rnterutama pada lansia perempuan yang berisiko lebih tinggi mengalami penurunanrnfungsi kognitif. Penelitian ini bertujuan untuk mengklasifikasikan aktivitas otakrnlansia perempuan saat istirahat atau dalam keadaan rileks berdasarkan kondisirnmata (terbuka dan tertutup) menggunakan algoritma Support Vector Machinern(SVM) dan Naive Bayes. Data yang digunakan berupa sinyal EEG dari subjekrnperempuan berusia 60–80 tahun yang diperoleh dari OpenNeuro, dengan 20 kanalrnEEG yang direkam pada laju 500 Hz. Tahapan penelitian mencakup prosesrnpreprocessing menggunakan band pass filtering, ekstraksi fitur domain wakturn(mean, standar deviasi, skewness, kurtosis) dan domain frekuensi (menggunakanrnShort-Time Fourier Transform), serta pembagian dataset menjadi data latih danrndata uji. Model klasifikasi yang digunakan adalah SVM dengan kernel linier danrnpolinomial serta Naive Bayes, dengan evaluasi kinerja model menggunakanrnConfusion Matrix yang mencakup akurasi, precision, recall, dan F1-score. Hasilrnpenelitian menunjukkan bahwa SVM dengan kernel linier dan parameter C 0.01rnmenghasilkan performa terbaik dengan akurasi 85,71%, precision 0,89, recallrn0,86, dan F1-score 0,85. Sementara itu, Naive Bayes memperoleh akurasi sebesarrn71,43%,precision 0,73, recall 0,71, dan F1-score 0,71, dan SVM kernel polinomialrnmenunjukkan hasil yang lebih rendah dengan akurasi 57,14%,precision 0,77,rnrecall 0,57, dan F1-score 0,47 . Berdasarkan hasil tersebut, SVM linier dinilairnpaling efektif dalam mengklasifikasikan kondisi mata terbuka dan tertutuprnberdasarkan sinyal EEG pada lansia perempuan.