Pengenalan Emosi untuk Evaluasi User Experience Pada Aplikasi Google Form Dengan Metode K-Nearest Neighbor

Wirdha Ningsih, Murein Mardhia

Abstract


Electroencephalography (EEG) merupakan alat untuk merekam aktivitas gelombang otak yang dapat dimanfaatkan untuk memvalidasi tingkat kebergunaan dengan pendekatan user experience (UX) dalam mendesain antarmuka aplikasi. Proses pengujian UX secara umum termasuk mengamati perubahan emosi seseorang yang sedang berinteraksi dengan aplikasi dimana hasilnya tidak bisa langsung disimpulkan. Klasifikasi emosi yang diteliti yaitu keadaan senang dan sedih. Emosi senang mempresentasikan kemudahan yang dirasakan saat berinteraksi dengan aplikasi, sedangkan emosi sedih merepresentasikan adanya perasaan bingung atau frustasi.

Sinyal yang digunakan sinyal beta berjenis attention dengan stimulus pengerjaan task pada aplikasi google form. Penelitian ini mengaplikasikan metode K-Nearest Neighbor sebagai klasifikasi dengan ekstraksi fitur orde pertama. Responden yang digunakan sebanyak 30 dengan 3 kali perulangan berjumlah 90 data. Sebanyak 20 responden 3 kali perulangan berjumlah 60 data dijadikan sebagai data training dan 10 responden dengan 3 kali perulangan berjumlah 30 data dijadikan sebagai data uji.

Pada penelitian ini didapatkan hasil pengujian emosi seseorang dalam keadaan senang dan sedih. Pengujian yang dilakukan dengan Confusion Matrix untuk menentukan tingkat akurasi. Nilai akurasi tertinggi yang didapat pada pengujian sinyal beta berjenis attention sebesar 73,3%.

Keywords


Sinyal EEG; Klasifikasi Emosi; User Experience;

Full Text:

PDF

References


Abdurrahman, M. I., Wijayanto, I., Patmasari, R., Prodi, S., Telekomunikasi, T., Elektro, F. T., … Indonesia, B. (2018). ANALISIS PENGARUH TINGKAT KOMPLEKSITAS HAFALAN PADA SINYAL ALFA DAN BETA EEG Impact Analysis of Rote Complexity Level on EEG ’ s Alpha and Beta Signals. 5(3), 4422–4429.

Akademik, K. R. S. (2018). Universitas airlangga. (031), 2018.

Amaral, V., Ferreira, L. A., Júnior, P. T. A., & Castro, M. C. F. De. (2013). EEG Signal Classification in Usability Experiments. (February). https://doi.org/10.1109/BRC.2013.6487469

Azhari, A., Susanto, A., & Soesanti, I. (2015). Studi Perbandingan: Cognitive Task Berdasarkan Hasil Ekstraksi Ciri Gelombang Otak. Seminar Nasional Teknologi Informasi Dan Multimedia, 3.1, 7.

Brain Wave Signal ( EEG ) of. (2009).

Edison, T. A., & Affandes, M. (2015). Mengukur Tingkat Usability pada Sistem Informasi Akademik ( Studi Kasus : Akademik Universitas XYZ ). Sntiki 7, 7(November), 157–163.

Indrawan, R., Djamal, E. C., & Ilyas, R. (2017). Identifikasi Neuropsikologis Terhadap Video Iklan Secara Real-Time Menggunakan Fast Fourier Transform dan Support Vector Machine. 6–10.

Kunci, K. (2019). SYSTEM DESIGN FOR ANALYSIS OF BRAIN WAVE SIGNALS ON EEG-BASED USING DISCRETE. 6(1), 1018–1023.

Ningrum, N. K., Kurniawan, D., & Hendiyanto, N. (2017). Tekstur Motif Batik Pesisir Dengan Algoritma. Simetris, 8(2), 639–646.

Pahlevi, L. M., Wijayanto, I., & Hadiyoso, S. (2018). Analisis Perbandingan Sinyal Beta Dan Gamma Eeg 4 Kanal Terhadap Efek Yang Ditimbulkan Pada Seseorang Saat Diberi Stimulus Berupa Potongan Film Horor Comparison Analysis Between Beta and Gamma 4 Channels Eeg Signals Againts the Effect on a Person When Giv. 5(3), 4511–4517.

Pan, J., Li, Y., & Wang, J. (2016). An EEG-Based brain-computer interface for emotion recognition. Proceedings of the International Joint Conference on Neural Networks, 2016-Octob, 2063–2067. https://doi.org/10.1109/IJCNN.2016.7727453

Permadi, Y., & Murinto, . (2015). Aplikasi Pengolahan Citra Untuk Identifikasi Kematangan Mentimun Berdasarkan Tekstur Kulit Buah Menggunakan Metode Ekstraksi Ciri Statistik. Jurnal Informatika, 9(1). https://doi.org/10.26555/jifo.v9i1.a2044

Rossiana, O., Wijayanto, I., Patmasari, R., Elektro, F. T., Telkom, U., & Transform, D. W. (2018). Analisis Respon Tidur Saat Mendengarkan Wavelet Transform Sleep Response Analysis While Listening Classic Music and Rock Music Through Eeg Signal Using Wavelet. 5(3), 4568–4575.

Sofyan, N. A., Purnamasari, R., Hadiyoso, S., Elektro, F. T., & Telkom, U. (2019). KLASIFIKASI TIPE EMOSI AROUSAL PADA SINYAL EEG DENGAN METODE SUPPORT VECTOR MACHINE AROUSAL TYPE OF EMOTION CLASSIFICATION IN EEG SIGNAL WITH. 6(1), 859–866.

Wiryawan, M. B. (2011). User Experience (Ux) sebagai Bagian dari Pemikiran Desain dalam Pendidikan Tinggi Desain Komunikasi Visual. Humaniora, 2(2), 1158. https://doi.org/10.21512/humaniora.v2i2.3166




DOI: http://dx.doi.org/10.12928/jstie.v9i1.19208

Article Metrics

Abstract view : 0 times
PDF - 0 times

Refbacks

  • There are currently no refbacks.


Copyright (c) 2021 Wirdha Ningsih, Murein Mardhia

Creative Commons License
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.


Jurnal Sarjana Teknik Informatika
Organized by Informatics Department
Published by Universitas Ahmad Dahlan
Website: http://journal.uad.ac.id/index.php/JSTIF
Office: Industrial Technology Faculty, Kampus Utama UAD Jalan Ahmad Yani (Ringroad Selatan), Tamanan, Banguntapan, Bantul, Yogyakarta 55166, Indonesia
Email: herman.yuliansyah@tif.uad.ac.id || jurnalsarjana@tif.uad.ac.id


 

Creative Commons License

This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.