Utama, Dhanu Kurnia (2020) Pengenalan Emosi Marah Pada Remaja Ketika Bermain Video Game Berbasis Sinyal Pulse Rate Menggunakan Klasifikasi Support Vektor Machine. Masters thesis, Institut Teknologi Sepuluh Nopember.
Preview |
Text
07111550060002-Master_Thesis.pdf Download (4MB) | Preview |
Abstract
Remaja pada saat sekarang tumbuh dalam era video game baik online maupun offline, sedangkan permainan video game lebih bersifat emosional dari pada rasional, hal ini disebabkan oleh protokol algoritma game yang dibuat dapat menyesuaikan terhadap perilaku pemain. Parameter seperti reward, tantangan baru dan bertingkat, bersosial, dan tren merupakan sedikit dari banyak cara agar video game menjadi lebih menarik pengguna. Salah satu akibat yang sering terjadi dari pengaruh penarik minat tersebut adalah emosi marah pada gamer, sedangkan emosi marah merupakan salah satu emosi negatif bagi manusia yang dapat menyebabkan kesehatan yang buruk.
Oleh karena itu, penelitian ini mencoba untuk memberikan informasi tentang pola sinyal pulse rate pada pemain ketika kemarahan terjadi selama bermain video game yang telah ditentukan. Video game yang dipilih telah divalidasi menggunakan survei ke komunitas pengembang video game sebagai video game yang dapat memiliki emosi marah sebagai emosi yang dominan. Data pulse rate dari setiap subjek memiliki dua fase: fase baseline (pre-stimulation) dan fase bermain (in-stimulation). Parameter statistik yang digunakan untuk mendapatkan pola pulse rate adalah difference value of mean dan absolute deviation of mean. Selain itu pengenalan emosi marah dilakukan dengan cara melakukan prediksi emosi marah dari fitur data sinyal pulse rate yang direkam saat bermain video game. Hal ini bertujuan untuk dapat memberikan informasi tentang tingkat kebenaran dari data pulse rate yang diasumsikan sebagai data representasi emosi marah. Metode yang digunakan dengan menerapkan algoritma klasifikasi Support Vektor Machine (SVM). Terdapat permasalahan dalam data yang diperoleh pada metode klasifikasi, yaitu ketidakseimbangan antara kelas baseline dan playing. Penyelesaian permasalahan imbalanced class yang diusulkan menggunakan pendekatan algoritma Bagging (boostrap agregation) dengan membangun beberapa model dengan algoritma yang sama (multiple classifier) dari sub-sampel yang berbeda.
Hasil yang didapatkan, klasifikasi menggunakan metode Bagging yang diusulkan mempunyai performasi dengan skor akurasi sebesar 82.98%, Weighted Averages dari skor PPV dan NPV sebesar 77.7%, Weighted Averages dari skor TPR dan TNR sebesar 83%, dan Weighted Averages dari skor FPR dan FNR sebesar 76.2%. Dari hasil tersebut menunjukan bahwa prediksi emosi marah menggunakan metode klasifikasi dapat mengenali emosi marah pada remaja ketika bermain video game berbasis sinyal pulse rate.
===================================================================================================
Teenagers are now growing up in the era of video games both online and offline, while video game play is more emotional than rational, this is due to the game algorithm protocol that is made to adapt to player behavior. Parameters such as rewards, new and stratified challenges, social, and trends are just a few of the ways that games become more attractive to users. One consequence that often occurs from the influence of attracting interest is angry emotions on gamers, while angry emotions are one of the negative emotions for humans that can cause poor health.
Therefore, this study tries to provide information about the pulse rate signal patterns in players when anger occurs during playing video games that have been determined. The selected game has been validated using a survey to the video game developer community as a video game that can have angry emotions as dominant emotions. The pulse rate data for each subject has two phases: the baseline phase (pre-stimulation) and the play phase (in-stimulation). The statistical parameters used to obtain the pulse pattern are the difference value of mean and absolute deviation of mean. Besides the introduction of angry emotions is done by predicting angry emotions from the pulse rate signal feature data that is recorded while playing video games. It aims to be able to provide information about the level of truth of the pulse rate data which is assumed to be data representation of angry emotions. The method used by applying the Support Vector Machine (SVM) classification algorithm. There are problems in the data obtained in the classification method, namely the imbalance between the baseline and playing classes. Solution to the imbalanced class problem is proposed using the Bagging algorithm (boostrap aggregation) approach by building several models with the same algorithm (multiple classifier) from different sub-samples.
The results obtained, the classification using the proposed Bagging method has performance with an accuracy score of 82.98%, Weighted Averages of the PPV and NPV scores of 77.7%, Weighted Averages of the TPR and TNR scores of 83%, and Weighted Averages of the FPR and FNR scores of 76.2%. From these results, it shows that prediction of angry emotions using the classification method can identify angry emotions in adolescents when playing video games based on pulse rate signals.
| Item Type: | Thesis (Masters) |
|---|---|
| Uncontrolled Keywords: | Pengenalan Emosi Marah, Video Game, Visualisai Pola, Algoritma SVM, Metode Bagging, Recognition of Angry Emotions, Video Games, Pattern Visualization, SVM Algorithm, Bagging Method |
| Subjects: | Q Science > Q Science (General) > Q337.5 Pattern recognition systems |
| Divisions: | Faculty of Electrical Technology > Electrical Engineering > 20101-(S2) Master Thesis |
| Depositing User: | Dhanu Kurnia Utama |
| Date Deposited: | 10 Aug 2020 07:21 |
| Last Modified: | 29 May 2023 14:26 |
| URI: | http://repository.its.ac.id/id/eprint/77269 |
Actions (login required)
 |
View Item |