ARKAAN, Fakhri Dwi (2024) Implementasi Klasifikasi Sinyal Otak Electroencephalogram (EEG) untuk Deteksi Pecandu Pornografi Menggunakan Pendekatan Metode Deep Learning Long Short-Term Memory (LSTM) Berbasis Web. Skripsi thesis, Universitas Jenderal Soedirman.

	PDF (Cover) COVER-Fakhri Dwi Arkaan-H1D020027-Skripsi-2024.pdf Download (134kB)
	PDF (Legalitas) LEGALITAS-Fakhri Dwi Arkaan-H1D020027-Skripsi-2024.pdf Restricted to Repository staff only Download (552kB)
	PDF (Abstrak) ABSTRAK-Fakhri Dwi Arkaan-H1D020027-Skripsi-2024.pdf Download (81kB)
	PDF (BabI) BAB-I-Fakhri Dwi Arkaan-H1D020027-Skripsi-2024.pdf Restricted to Repository staff only until 25 November 2025. Download (92kB)
	PDF (BabII) BAB-II-Fakhri Dwi Arkaan-H1D020027-Skripsi-2024.pdf Restricted to Repository staff only until 25 November 2025. Download (529kB)
	PDF (BabIII) BAB-III-Fakhri Dwi Arkaan-H1D020027-Skripsi-2024.pdf Restricted to Repository staff only until 25 November 2025. Download (160kB)
	PDF (BabIV) BAB-IV-Fakhri Dwi Arkaan-H1D020027-Skripsi-2024.pdf Restricted to Repository staff only Download (1MB)
	PDF (BabV) BAB-V-Fakhri Dwi Arkaan-H1D020027-Skripsi-2024.pdf Download (84kB)
	PDF (DaftarPustaka) DAFTAR PUSTAKA-Fakhri Dwi Arkaan-H1D020027-Skripsi-2024.pdf Download (224kB)

Abstract

Adiksi pornografi pada remaja telah menjadi masalah serius di era digital, yang dipicu oleh mudahnya akses terhadap konten pornografi melalui berbagai platform. Dampaknya terhadap perkembangan sosial dan psikologis remaja sangat mengkhawatirkan. Untuk mengatasi masalah ini, dapat dibuat sistem cerdas untuk mendeteksi kecanduan pornografi pada remaja menggunakan sinyal EEG yang diolah dengan metode deep learning Recurrent Neural Network (RNN) Long Short-Term Memory (LSTM). Sistem ini bertujuan untuk memberikan solusi yang lebih objektif dalam mendeteksi kecanduan pornografi, menggantikan metode konvensional seperti survei dan wawancara yang rentan terhadap kejujuran responden serta stigma sosial. Data sinyal EEG diambil dari beberapa protokol seperti "Eyes Open," "Eyes Closed," dan "Emotional Task," kemudian diproses untuk menghasilkan prediksi kecanduan. Sistem ini diimplementasikan dalam platform web menggunakan framework Flask, yang memungkinkan pengguna untuk mengunggah sinyal EEG dalam format CSV dan memprosesnya secara real-time. Berdasarkan hasil evaluasi, model LSTM yang dikonfigurasi dengan 29 input size, hidden size 128, 3 layers, dropout 0.2, dan learning rate 0.01, menghasilkan metrik performa yang baik dengan akurasi 90%, precision 0.91, recall 0.91, F1-score 0.91, dan ROC-AUC 0.97. Pengujian blackbox memastikan bahwa setiap fitur berjalan dengan baik, dan hasil User Acceptance Test (UAT) dengan 31 responden menunjukkan skor 8.54, yang masuk dalam kategori baik, menandakan sistem ini siap digunakan dalam deteksi kecanduan pornografi berbasis sinyal EEG.

Actions (login required)

View Item