Rancang Model Deep Neural Network Untuk Klasifikasi Tingkat Kecenderungan Kecemasan Berdasarkan Data Multimodal Sinyal Fisiologis
Gangguan kecemasan ditandai oleh kecemasan berlebihan yang memicu perilaku tidak nyaman, tak terkendali, dan sering tidak rasional. Kondisi ini dapat berdampak negatif pada kualitas hidup serta menurunkan produktivitas di lingkungan kerja. Penelitian ini merancang model Deep Neural Network (DNN) untuk mengklasifikasikan tingkat kecemasan berdasarkan data sinyal fisiologis, yaitu denyut jantung, konduktansi kulit, dan suhu kulit. Data dikumpulkan menggunakan hasil clusterisasi yang pengambilannya menggunakan kuesioner Hamilton Anxiety Rating Scale (HARS) dan pengukuran langsung dari sinyal fisiologis. Model DNN yang digunakan adalah arsitektur Multilayer Perceptron (MLP) yang mampu mengenali pola dalam data fisiologis untuk menentukan tingkat kecemasan. Penelitian ini menerapkan SMOTE untuk mengatasi ketidakseimbangan kelas pada data. Hasil penelitian menunjukkan model DNN berhasil mencapai akurasi 99,7
URI
https://repository.itera.ac.id/depan/submission/SB2509180032
Keyword
Anxiety Rating Scale Deep Neural Network Hamilton Anxiety Rating Scale Kecemasan Klasifikasi Sinyal Fisiologis