Analisis Atribut Gelombang Otak yang Mempengaruhi Relaksasi Aromaterapi Bunga Jasmine Menggunakan Multilayer Perceptron (MLP) Neural Network.

Abstract

Kecerdasan buatan telah membuat pengaruh dalam kehidupan manusia Aromaterapi bunga jasmine dapat merangsang aktivitas saraf dan meningkatkan relaksasi. Untuk menganalisis atribut-atribut gelombang otak yang mempengaruhi tingkat relaksasi aromaterapi dengan memanfaatkan metode Multilayer Perceptron (MLP) Neural Network kemudian diklasifikasikan pola-pola pada gelombang otak. MPL merupakan jenis jaringan saraf tiruan. Cara kerja MPL dengan menerima input, diproses oleh beberapa hidden layers, dan menghasilkan output berdasarkan pola yang dipelajari. Model dilatih selama 90 epoch. Hasil pelatihan ini menunjukkan bahwa model dapat mencapai tingkat akurasi yang tinggi mencapai 92.75%. Dari hasil visualisasi akurasi dan validasi loss dapat dilihat bahwa model menunjukan stabilitas dalam proses training tanpa indikasi overfitting. Pola antara traning loss maupun validation loss tetap konsisten ini mendahkan bahwa model dapat melakukan generalisasi dengan data baru. Hal ini juga semakin memperkuat model Multilayer Perceptron (MPL) metode yang cocok untuk klasifikasi atribut gelombang otak dalam penelitian ini.

Artificial intelligence has made an impact in human life. Jasmine flower aromatherapy can stimulate neural activity and promote relaxation. To analyze the brainwave attributes that affect the level of relaxation of aromatherapy by utilizing the Multilayer Perceptron (MLP) Neural Network method and then classifying the patterns in brainwaves. MPL is a type of artificial neural network. MPL works by receiving input, processed by several hidden layers, and producing output based on learned patterns. The model was trained for 90 epochs. The results of this training show that the model can achieve a high level of accuracy reaching 92.75%. From the visualization of accuracy and validation loss, it can be seen that the model shows stability in the training process without any indication of overfitting. The pattern between traning loss and validation loss remains consistent, indicating that the model can generalize with new data. This also further strengthens the Multilayer Perceptron (MPL) model as a suitable method for brainwave attribute classification in this study.