Analisa Pola Sinyal EEG pada Konsentrasi Belajar Terhadap Video Pembelajaran Singkat Berbasis Domain Waktu-Frekuensi

Pakadang, Stefani Suryaningsih (2024) Analisa Pola Sinyal EEG pada Konsentrasi Belajar Terhadap Video Pembelajaran Singkat Berbasis Domain Waktu-Frekuensi. Masters thesis, Institut Teknologi Sepuluh Nopember.

[thumbnail of 6022221006-Master_Thesis.pdf] Text
6022221006-Master_Thesis.pdf - Accepted Version
Restricted to Repository staff only until 1 October 2026.

Download (5MB) | Request a copy

Abstract

Konsentrasi belajar mempunyai peranan yang sangat penting dalam setiap proses pembelajaran. Salah satu cara untuk menjaga konsentrasi dan salah satu metode pembelajaran yang paling populer saat ini adalah dengan memanfaatkan media pembelajaran video. Namun permasalahan yang paling sering terjadi adalah video pembelajaran yang kurang menarik dan membosankan. Namun hingga saat ini belum ada sistem atau parameter yang dapat menilai seberapa efektif suatu video pembelajaran terhadap konsentrasi siswa. Electroencephalography (EEG) merupakan suatu alat atau sensor yang dapat digunakan untuk mengamati dan merekam gambar aktivitas listrik di otak sebagai respon terhadap rangsangan sehingga EEG dapat digunakan sebagai alat ukur yang dapat mengenali konsentrasi manusia. Oleh karena itu, penelitian ini bertujuan untuk mengamati pola sinyal otak terkait konsentrasi partisipan saat menonton video pembelajaran singkat. Pada penelitian ini, fitur domain frekuensi waktu seperti MAV, Standar Deviasi, dan PSD sinyal EEG digunakan untuk menganalisis konsentrasi partisipan saat menonton video pembelajaran. Setelah menonton video tersebut, para partisipan diminta mengisi kuesioner untuk menyatakan konsentrasinya. Berdasarkan jawaban kuesioner mereka, terdapat tiga keadaan konsentrasi (konsentrasi penuh, konsentrasi sebagian, dan terganggu), data kemudian diberi label sesuai dengan keadaan tersebut. Dari hasil ekstraksi fitur diketahui bahwa partisipan yang mengaku terganggu cenderung memiliki nilai energi yang lebih rendah pada pita alpha, beta, dan gamma dibandingkan partisipan yang mengaku memiliki keadaan konsentrasi penuh pada nilai MAV dan PSD. Namun pola ini tidak muncul pada hasil ekstraksi fitur standar deviasi.
===================================================================================================================================
A Learning concentration has a very important role in every learning process. One way to maintain concentration and one of the most popular learning methods today is utilizing video learning media. However, the most common problem is learning videos that are less interesting and boring. But, until now, there are no systems or parameters to assess how effective a learning video is on student concentration. Electroencephalography (EEG) is a device or sensor that can be used to observe and record images of electrical activity in the brain in response to stimulation so that EEG can be used as a measuring tool that can recognize human concentration. Therefore, this study aims to observe brain signal patterns related to participants’ concentration while watching short learning videos. In this study, time-frequency domain features such as MAV, Standard Deviation, and PSD of the EEG signal, are used to analyze the participant's concentration while watching learning videos. After watching the video, the participants were asked to fill out questionnaires to state their concentration. Based on their questionnaire answers, there are three states of concentration (full concentration, partial concentration, and distracted), the data were then labeled according to these states. From the extraction feature results, it can be found that participants who claimed they were distracted tend to have lower energy values in alpha, beta, and gamma bands than those who claimed to have a full concentration state in MAV and PSD values. However, this pattern is not present in the standard deviation feature.

Item Type: Thesis (Masters)
Uncontrolled Keywords: electroencephalography, learning concentration, learning videos, power spectral density, time-frequency domain,electroencephalography, konsentrasi belajar, video pembelajaran, power spectral density ,domain waktu-frekuensi
Subjects: Q Science > Q Science (General) > Q325.5 Machine learning. Support vector machines.
Q Science > QA Mathematics > QA75 Electronic computers. Computer science. EDP
Q Science > QA Mathematics > QA76.6 Computer programming.
Divisions: Faculty of Intelligent Electrical and Informatics Technology (ELECTICS) > Electrical Engineering > 20101-(S2) Master Thesis
Depositing User: STEFANI SURYANINGSIH PAKADANG
Date Deposited: 26 Jul 2024 15:40
Last Modified: 26 Jul 2024 15:40
URI: http://repository.its.ac.id/id/eprint/109141

Actions (login required)

View Item View Item