Dalam mengambil keputusan, emosi mempengaruhi hasil keputusan tersebut. Contoh saat senang, penilaian suatu hal akan cenderung baik karena menyukai hal tersebut, sebaliknya jika sedih, penilaian suatu hal akan cenderung kurang baik. Pada penelitian sebelumnya emosi dinilai dari sumber fisiologis yaitu sinyal Electroencephalographic (EEG) dari otak. EEG memperoleh sinyal yang berasal dari neuron-neuron yang bekerja pada otak. Rekaman EEG timbul saat terjadi aktivitas listrik pada otak. Data diperoleh melalui media video yang diberikan kepada peserta untuk mengetahui emosi yang terjadi pada peserta.
Dalam penelitian ini sinyal EEG diambil dari penelitian DEAP : A database for Emotion Analysis using physiological Signals dan diproses oleh Independent Component Analysis (ICA). Data yang digunakan sudah melalui tahap pre-processing yang berasal dari database. Data dari database mempunyai beberapa tingkatan yaitu arousal, valence, liking, dominance, dan familiarity. Tingkat yang diambil hanya dari valence. Dengan menggunakan ICA untuk mendapatkan matriks setiap percobaan, kemudian dari matriks tersebut diambil ekstraksi fitur yang kemudian digunakan sebagai data latih dan data uji. Hasil fitur yang didapat diklasifikasikan oleh Support Vector Machine (SVM) dan Genetic Algorithm (GA) agar memperoleh akurasi serta kondisi emosi yang dialami saat senang atau sedih.
Dalam penelitian yang dilakukan, hasil klasifikasi hanya menggunakan SVM memperoleh akurasi sebesar 56.25% dan klasifikasi menggunakan SVM yang dioptimalisasi oleh GA memperoleh akurasi sebesar 77.2727%. Hal ini menunjukan bahwa klasifikasi SVM yang dioptimalisasi oleh GA memberikan hasil akurasi yang lebih baik dibandingkan klasifikasi jika hanya menggunakan SVM. Hasil akurasi yang dapatkan menunjukan hasil klasifikasi emosi antara senang dan sedih.