Implementasi Metode Gradient Descent untuk Peningkatan Kinerja Database pada Sistem Perekaman Kelelahan Mental Berbasis Sinyal Electroencephalography

Abstrak

Penelitian mengenai deteksi kelelahan mental melalui pengukuran fisiologis menggunakan sinyal Electroencephalography pernah dibahas pada penelitian yang dilakukan oleh Syifa’ Hukma Shabiyya pada tahun 2023. Namun, penelitian tersebut memiliki kekurangan ketika digunakan langsung oleh psikolog, terutama psikolog klinis. Hal ini disebabkan oleh ketidakmampuan sistem atau alat hasil penelitian sebelumnya dalam menyimpan riwayat perekaman sinyal. Oleh karena itu, penelitian ini mengusulkan sistem perekaman kelelahan mental dalam bentuk database untuk memungkinkan penyimpanan rekam medis pasien dan pengembangan dashboard sebagai alat visualisasi data yang memudahkan psikolog klinis menyimpan dan melihat kembali data pasien. Sistem yang diusulkan dapat mendeteksi kelelahan mental dan menyimpan data ke dalam database. Metode Gradient Descent diimplementasikan melalui proses self-tuning untuk mencari nilai optimum waktu eksekusi query saat menampilkan data ke dashboard. Hasil penelitian menunjukkan proses pengujian parameter akan memperkecil ukuran dari setiap parameternya agar database dapat berjalan dengan optimal dengan nilai parameter yang sesuai dan source yang digunakan tidak terlalu berlebihan sehingga kinerja dari database akan meningkat dan semua proses yang dieksekusi di database menjadi lebih efektif. Selain itu, Terdapat 4 nilai optimum parameter yang meminimalkan waktu query. Rata-rata waktu eksekusi query pada penelitian ini adalah 0,0063 detik dan terjadi peningkatan kinerja database sebesar 79% setelah metode Gradient Descent diimplementasikan. Berdasarkan kesimpulan, hasil penelitian menunjukkan efektivitas sistem dalam menyimpan data dan mengoptimalkan waktu eksekusi query dapat mendukung psikolog klinis dalam menyimpan rekam medis pasien di database.