<span style="font-size: 9pt; color: #252525; font-style: normal; font-variant: normal;"><em>Electroencephalography </em><span style="font-size: 9pt; color: #252525; font-style: normal; font-variant: normal;">atau sinyal EEG adalah salah satu biosignal yang marak menjadi topik<br /><span style="font-size: 9pt; color: #252525; font-style: normal; font-variant: normal;">penelitian saat ini. Sinyal EEG memiliki banyak manfaat seperti pendeteksian epilepsi, gangguan<br /><span style="font-size: 9pt; color: #252525; font-style: normal; font-variant: normal;">tidur, atau input dalam aplikasi komputer. Salah satu input yang dapat dideteksi berdasarkan sinyal<br /><span style="font-size: 9pt; color: #252525; font-style: normal; font-variant: normal;">EEG adalah keadaan mata. Namun untuk digunakan sebagai input dalam aplikasi diperlukan<br /><span style="font-size: 9pt; color: #252525; font-style: normal; font-variant: normal;">klasifikasi dengan performansi yang memadai. Oleh karena itu penulis akan dilakukan penelitian<br /><span style="font-size: 9pt; color: #252525; font-style: normal; font-variant: normal;">dimana salah satu metode pembelajaran Jaringan Syaraf Tiruan yaitu <span style="font-size: 9pt; color: #252525; font-style: normal; font-variant: normal;"><em>Extreme Learning Machine</em><br /><span style="font-size: 9pt; color: #252525; font-style: normal; font-variant: normal;">(ELM) akan diimplementasikan untuk mengklasifikasikan kondisi mata berdasarkan sinyal EEG.<br /><span style="font-size: 9pt; color: #252525; font-style: normal; font-variant: normal;">Dataset yang digunakan untuk melatih dan menguji model adalah dataset <span style="font-size: 9pt; color: #252525; font-style: normal; font-variant: normal;"><em>eye-state </em><span style="font-size: 9pt; color: #252525; font-style: normal; font-variant: normal;">yang<br /><span style="font-size: 9pt; color: #252525; font-style: normal; font-variant: normal;">didonasikan oleh Oliver Roesler digabung dengan dataset yang berasal dari website <span style="font-size: 9pt; color: #252525; font-style: normal; font-variant: normal;"><em>repository</em><br /><span style="font-size: 9pt; color: #252525; font-style: normal; font-variant: normal;"><em>Universitas of California, IrvineI </em><span style="font-size: 9pt; color: #252525; font-style: normal; font-variant: normal;">(UCI) . Terdapat 7 <span style="font-size: 9pt; color: #252525; font-style: normal; font-variant: normal;"><em>corpus </em><span style="font-size: 9pt; color: #252525; font-style: normal; font-variant: normal;">yang terdiri dari perekaman EEG<br /><span style="font-size: 9pt; color: #252525; font-style: normal; font-variant: normal;">yang dilakukan kepada 4 orang berbeda, lalu ditambahkan 1 <span style="font-size: 9pt; color: #252525; font-style: normal; font-variant: normal;"><em>corpus </em><span style="font-size: 9pt; color: #252525; font-style: normal; font-variant: normal;">yang merupakan<br /><span style="font-size: 9pt; color: #252525; font-style: normal; font-variant: normal;">penggabungan seluruh <span style="font-size: 9pt; color: #252525; font-style: normal; font-variant: normal;"><em>corpus </em><span style="font-size: 9pt; color: #252525; font-style: normal; font-variant: normal;">lain. Dari hasil pengujian yang dilakukan disimpulkan bahwa ELM<br /><span style="font-size: 9pt; color: #252525; font-style: normal; font-variant: normal;">dapat digunakan untuk klasifikasi keadaan mata dengan akurasi mencapai 97,95% dengan waktu<br /><span style="font-size: 9pt; color: #252525; font-style: normal; font-variant: normal;">latih hanya 0,81 detik jika masing-masing data digunakan secara terpisah, sedangkan<br /><span style="font-size: 9pt; color: #252525; font-style: normal; font-variant: normal;">penggabungan keseluruhan dataset hanya mencapai akurasi 78,94% dengan waktu latih 5,71 detik.</span></span></span></span></span></span></span></span></span></span></span></span></span></span><br style="font-style: normal; font-variant: normal; font-weight: normal; letter-spacing: normal; line-height: normal; orphans: 2; text-align: -webkit-auto; text-indent: 0px; text-transform: none; white-space: normal; widows: 2; word-spacing: 0px; -webkit-text-size-adjust: auto; -webkit-text-stroke-width: 0px;" /></span></span></span></span></span></span></span></span></span></span></span></span></span>