Research on word classification based on EEG signals has been carried out by (Rauf, 2021). dataset used in these studies is a dataset obtained from recording EEG signals for
the words eat, drink, hungry, thirsty, happy, sad, sick, and toilet, the eight words were recorded using an emotive with five conditions namely, relax, look at pictures, read aloud,
read silently, and imagine. Based on the research suggestion that has been done previously, it is to use the SVM classification method to identify brain activity based on
EEG signal patterns to explore the SVM method. The results of the study are 6 classification models, namely the results of the accuracy rate using the RBF kernel Mean feature of 29%, Standard Deviation feature of 19%, and the Mean and Standard Deviation feature of 19%, and using the Sigmoid kernel Mean feature of 20%, Standard feature Deviation is 18%, and the Mean feature and Standard Deviation feature is 20%, from the results of the 6 models made in this study, the highest level of accuracy is obtained by the SVM model with the RBF kernel of 29% with the Mean feature.

Pada penelitian mengenai klasifikasi kata berdasarkan sinyal EEG telah dilakukan oleh (Rauf, 2021). Dataset yang digunakan pada penelitian-penelitian tersebut adalah dataset
yang diperoleh dari perekaman sinyal EEG untuk kata makan, minum, lapar, haus, senang, sedih, sakit, dan toilet, delapan kata tersebut direkam menggunakan perangkat emotiv dengan lima kondisi yakni, rileks, melihat gambar, membaca dengan suara, membaca dalam hati, dan membayangkan. Berdasarkan saran penelitian yang telah dilakukan sebelumnya ialah untuk menggunakan metode klasifikasi SVM untuk
mengidentifikasi aktivitas otak berdasarkan pola sinyal EEG untuk melakukan eksplorasi terhadap metode SVM. Hasil dari penelitian berupa 6 model klasifikasi, yakni hasil
tingkat akurasi menggunakan kernel RBF fitur Mean sebesar 29%, fitur Standar Deviasi sebesar 19%, dan fitur Mean serta Standar Deviasi sebesar 19%, dan menggunakan kernel
Sigmoid fitur Mean sebesar 20%, fitur Standar Deviasi sebesar 18%, dan fitur Mean serta fitur Standar Deviasi sebesar 20%, dari hasil 6 model yang dibuat pada penelitian ini, tingkat akurasi tertinggi diperoleh model SVM dengan kernel RBF sebesar 29% dengan fitur Mean.