Pengenalan Emosi pada Manula Berbasis Sinyal SpO2 dan Pulse Rate Menggunakan Metode Support Vector Machine

Hakim, Lutfi (2018) Pengenalan Emosi pada Manula Berbasis Sinyal SpO2 dan Pulse Rate Menggunakan Metode Support Vector Machine. Masters thesis, Institut Teknologi Sepuluh Nopember.

[img] Text
07111650060001-Master_Theses.pdf - Published Version
Restricted to Repository staff only

Download (3MB) | Request a copy

Abstract

Pengenalan emosi berbasiskan pada sinyal fisiologi menjadi isu penting untuk dikaji di kalangan para peneliti dalam dekade ini. Salah satu alasannya adalah banyak penelitian yang membuktikan bahwa kondisi emosi, terutama pada Manula, mempengaruhi kondisi fisik secara signifikan. Meskipun demikian, masih sangat sedikit penelitian yang membahas dan mengeksplorasi pengenalan emosi berbasiskan pada sinyal SpO2 dan Pulse rate (PR). Penelitian ini mengusulkan sebuah sistem untuk mengenali tiga emosi dasar pada Manula, seperti Senang, Sedih dan Marah yang berdasarkan kedua jenis sinyal fisiologi tersebut. Metode segmentasi window size digunakan untuk mengekstraksi kedua sinyal fisiologi tersebut yang dibagi menjadi per 15 detik window size. Selanjutnya, metode ekstraksi fitur statistik digunakan untuk mendapatkan fitur-fitur dari sinyal SpO2 dan PR. Metode Support Vector Machine (SVM) dengan pemilihan parameter C dan λ terbaik dan kNN dengan memilih K optimal dari hasil klasifikasi sebagai perbandingan digunakan untuk mengklasifikasikan fitur-fitur yang telah diekstraksi dan diuji ke dalam beberapa skenario, di antaranya klasifikasi menggunakan fitur kombinasi SpO2 dan PR, klasifikasi hanya fitur SpO2 dan PR. Berdasarkan pada hasil eksperimen, didapatkan bahwa metode SVM dapat mengenali emosi lebih baik dibandingkan kNN dengan nilai akurasi terbaik 72,775%, dengan presisi 70,50% dan skor F1 69,60%. Selain itu, kombinasi fitur dari kedua sinyal fisiologi dalam meningkatkan nilai akurasi lebih dari 4,00% baik pada SVM dan kNN dibandingkan dengan klasifikasi menggunakan single sinyal fisiologi. Hasil ini menyediakan informasi bahwa pengenalan emosi berdasarkan sinyal SpO2 dan PR yang dapat dideteksi lebih baik dengan menggunakan kombinasi kedua fitur sinyal tersebut. Lebih jauh, memilih parameter C dan λ pada SVM dan nilai K pada kNN untuk mendapatkan hasil klasifikasi yang optimal dapat di emplementasikan untuk mendapatkan hasil klasifikasi yang lebih baik. ================ Emotion recognition based on physiological signal has become an important issue among researchers nowadays. It is because many studies have proven that emotion condition, especially in elderly, has influenced the physical condition significantly. Nevertheless, there is still few studies which discusses and explores emotion recognition based on SpO2 and Pulse Rate (PR) signals. This research proposed emotion recognition of three basic emotion of elders, such as happy, sad and angry based on those physiological signals. Window size segmentation method was used to extract of both physiological signals reduced to 15 seconds-lenght. Then, statistical feature extraction method was used to obtain the features of SpO2 and PR signals. Support Vector Machine (SVM) with selecting of the best C and λ parameters and choosing of the optimal K parameter of k-Nearest Neighbors (kNN) method as a comparison were used to classify the extracted features which were tested in several scenarios. There were classification using SpO2-PR, SpO2 and PR features. According to work, SVM method achieved the best accuracy (72,775%), with precision 70,50% and F1 score 69,60% compared to kNN. Furthermore, combining of the features of both physiological signals could improve the accuracy more than 4,0% both SVM and kNN methods compared to the single physiological signal. This result provides information of emotions in term of SpO2 dan PR signals which can be better detected by combining the features of physiological signals. Also, the selected SVM of the best C and λ parameters and optimal K value of kNN can implement to achieve a better classification result.

Item Type: Thesis (Masters)
Uncontrolled Keywords: Human emotion recognition, Classification of an affective physiological signal, Pulse oximetry sensor, Video stimulation effect, k-Nearest Neighbors, Pengenalan emosi manusia, klasifikasi sinyal fisiologi, sensor pulse oximeter, Efek stimulasi video
Subjects: T Technology > TK Electrical engineering. Electronics Nuclear engineering > TK5102.9 Signal processing.
T Technology > TK Electrical engineering. Electronics Nuclear engineering > TK5105.546 Computer algorithms
T Technology > TK Electrical engineering. Electronics Nuclear engineering > TK7882.P3 Pattern recognition systems
Divisions: Faculty of Electrical Technology > Electrical Engineering > (S2) Master Theses
Depositing User: Hakim Lutfi
Date Deposited: 18 Oct 2018 03:27
Last Modified: 18 Oct 2018 03:27
URI: http://repository.its.ac.id/id/eprint/52692

Actions (login required)

View Item View Item