Klasifikasi Pecandu Alkohol Pada Electroencephalography (EEG) Menggunakan Independent Component Analysis (ICA) dan Learning Vector Quantization (LVQ)

Electroencephalography (EEG) merupakan teknik perekaman
gelombang otak manusia melalui elektroda yang dipasang pada kulit kepala manusia. Hasil dari data sinyal yang didapat dapat digunakan sebagai pendeteksi kriteria pecandu alkohol. Saat ini metode yang digunakan untuk mendeteksi apakah seseorang termasuk seorang pecandu atau tidak melalui tes urin atau tes darah, dan hal tersebut membutuhkan waktu serta kerumitan yang cukup tinggi. Oleh sebab itu diharapkan dengan mendeteksi gelombang otak ini dapat mendeteksi dengan cepat, efisien, dan akurat. Penelitian ini ditujukan untuk mengklasifikasikan hasil perekaman sinyal EEG menjadi pecandu alkohol atau bukan pecandu alkohol (normal) dengan algoritma FastICA yang digunakan sebagai pencari sinyal asli, Discreate Wavelet Transform dan Genetic Algorithm sebagai ekstraksi fitur dan seleksi fitur, untuk metode klasifikasi menggunakan Learning Vector Quantization (LVQ). Data yang digunakan menggunakan satu dari tiga stimulus yang ada, dengan total 400 data, 200 data alkoholik dan 200 data normal. Hasil dari klasifikasi paling tinggi dengan data pelatihan sebanyak 200 data, dan pengujian 200 data mencapai 84% dengan rata-rata 76%.