Claim Missing Document
Check
Articles

Found 2 Documents
Search

EEG Signal Classification using K-Nearest Neighbor Method to Measure Impulsivity Level Ginting, Arico Sempana; Simanjuntak, Ruth Marsaulina; Lumbantoruan, Nurima; Sitanggang, Delima
Jurnal Sisfokom (Sistem Informasi dan Komputer) Vol 13, No 2 (2024): JULY
Publisher : ISB Atma Luhur

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32736/sisfokom.v13i2.2154

Abstract

Impulsivity is the tendency to act without considering consequences or without careful planning. It involves a quick response to a stimulus without sufficient consideration of the consequences. Impulsivity needs to be measured and detected because it has a significant impact on various aspects of a person's life. The factors that influence the level of impulsivity include social environment, stress level, mental health, and genetic factors. Impulsivity can be divided into multiple components, such as reduced sensitivity to unfavorable behavioral outcomes, a disregard for long-term implications, and quick and spontaneous responses to stimuli. Electroencephalogram (EEG) studies can identify specific brain wave patterns such as, Alpha, Betha, Theta, and Gamma waves everything based on an individual brain's level of impulsivity. Signals from the brain are processed to extract specific features that reflect the user's intentions. EEG records brain activity without surgery, and this information is used for the diagnosis, monitoring, and treatment of neurological diseases, as well as scientific research on the brain and mind. K-Nearest Neighbor (KNN) is a classification algorithm that functions by utilizing several K nearest data values (its neighbors) as a reference to determine the class of new data. The K-Nearest Neighbors (KNN) algorithm is used for classification, clustering, and pattern recognition in EEG data where clustering is in 4 classifications (Impulsive, Not Impulsive, Potentially Impulsive, and Very Potentially Impulsive). This classification model shows high accuracy (Training Data: 94.7%, Testing: 91.3%, and Validation Data: 91.8%). This research shows that the KNN algorithm is effective for assessing the degree of impulsivity.
Mengoptimalkan Kemampuan Otak Melalui Latihan Literasi Dan Numerasi Sinuraya, Elida; Idahwati; Simanjuntak, Ruth Rani; Simanjuntak, Ruth Marsaulina; Arinda, Salsa C; Husnah, Safinatul; Salsabila
Jurnal Abdimas Mutiara Vol. 4 No. 1 (2023): JURNAL ABDIMAS MUTIARA (IN PRESS)
Publisher : Universitas Sari Mutiara Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Otak mempunyai kepekaan yang luar biasa untuk mengolah setiap informasi yang masuk dari lingkungan sekitarnya. Ketika seorang anak belajar berhitung dan berfikir maka anak tersebut sedang berbahasa didalam fikirannya. Apabila lobus frontalis mengalami kerusakan maka anak tersebut akan menunjukkan gejala seperti tidak langsung mengerti tentang apa yang ditanyakan orang lain kepadanya. Semakin seseorang memanfaatkan dan memaksimalkan kinerja otaknya, maka orang tersebut akan semakin cerdas. Tujuan kegiatan pengabdian kepada masyarakat ini adalah untuk mengoptimalkan kemampuan otak melalui latihan literasi dan numerasi. Sasaran khalayak dari pengabdian ini adalah siswa SMP Swasta Muhammadiyah Sukaramai Medan. Pelaksanaan pengabdian masyarakat ini dilakukan dari September sampai Nopember 2022 dengan kegiatan terdiri atas membaca selama 15 menit sebelum pembelajaran, membaca majalah dinding, kunjungan ke perpustakaan, english day, sharing IT, pendisiplinan bagi siswa yang melanggar peraturan sekolah, go green, dan peminatan matematika. Kesimpulan: terdapat peningkatan kemampuan otak dalam latihan literasi dan numerasi dari para siswa. Disarankan kepada para siswa untuk tetap melakukan latihan literasi dan numerasi untuk mengasah kemampuan otak agar dapat meningkatkan kecerdasannya.