Rancang Bangun Sistem Identifikasi Emosi Berbasis Electromyography dengan Metode Klasifikasi Long-Short Term Memory untuk Instrumentasi Pengukuran Psikoterapi

AHMAD AKMAL AMRULLAH, Prof. Ir. Sunarno, M.Eng. Ph.D., IPU.;Ir. Memory M. W., S.T., M.Eng., IPM.

2021 | Skripsi | S1 TEKNIK FISIKA

Emosi merupakan konsep aksi kognitif yang memiliki kombinasi variasi nilai valence dan arousal. Berdasarkan circumplex model of affect, emosi dapat diklasifikasikan menjadi 4 kelas dasar yaitu; NH, NL, PH, dan PL. Identifikasi emosi dapat dilakukan dengan melihat kombinasi nilai valence dan arousal. Ekspresi wajah manusia merupakan salah satu indikator emosi. Otot wajah pembentuk emosi beragam, salah satunya otot Zygomaticus major dan otot Frontalis. Aktivitas otot dapat dipantau menggunakan teknik Electromyography (EMG) dengan memanfaatkan aktivitas listrik yang ada pada otot tersebut. Sayangnya evaluasi terhadap efektivitas proses psikoterapi masih bersifat subjektif. Oleh karena itu perlu dikembangkan sistem identifikasi bersifat kuantitatif yang dapat merepresentasikan kondisi emosional klien. Hingga kini belum dikembangkan sistem identifikasi emosi dengan memanfaatkan teknik EMG pada aktivitas otot wajah untuk psikoterapi secara real time dan kontinu. Sinyal listrik EMG memiliki pola-pola yang tidak dapat diidentifikasi secara langsung. Oleh karena itu diperlukan sistem identifikasi yang dapat digunakan untuk melakukan klasifikasi pola sinyal listrik EMG. Neural network yang dapat diimplementasikan untuk sistem identifikasi emosi salah satunya dengan algoritma Long-short Term Memory (LSTM). Dalam penelitian ini diperoleh sistem identifikasi emosi antar muka berbasis Electromyography yang mampu mengidentifikasi empat emosi dasar berdasarkan circumplex model of affect dengan akurasi rerata 90,94% dan standar deviasinya 1,87%. Sistem yang telah dibuat mampu mengidentifikasi emosi PH (94,4%), PL (92,4%), NH (92,40%), dan emosi NL (87,80%) dengan pengukuran kontinu dan realtime dengan kecepatan prediksi selama 15 detik setelah memulai proses identifikasi emosi.

Psychotherapy is a psychological method between client and therapist designed to produce changes in feelings, knowledge, traits, and behaviour that proven to be a problem for the client. Unfortunately, evaluation of psychotherapy process is still subjective due to lack of system that can measure client's emotional condition. Human facial expressions are one of many indicators of emotion. There are various emotion-forming facial muscles, for example Zygomaticus major muscle and Frontalis muscle. Muscle activity can be monitored using Electromyography (EMG) technique by measuring electrical activity in the muscle. Until now, there is no emotion identification system that has been developed using EMG techniques on facial muscle activity for real-time and continuous psychotherapy. EMG signals have patterns that cannot be directly identified. Therefore, an identification system is needed that can be used to classify the pattern of the EMG electrical signal. One of the neural networks that can be implemented for an emotion identification system is the Long-short Term Memory (LSTM) algorithm. In this study, an electromyography-based emotional identification system was obtained which was able to identify four basic emotions based on the circumplex model of affect with an average accuracy of 90.94% and a standard deviation of 1.87%. The system that has been made is able to identify PH emotions (94,4%), PL (92,4%), NH (92,4%), and NL emotions (87,8%) with continuous and real-time measurements with predictive speed for 15 seconds after the start of emotional identification process.

Kata Kunci : Electromyography, Psychotherapy, LSTM, Circumplex Model of Affect