This study aims to produce the best features of Electroencephalograms (EEG) signals, apply the Artificial Neural Network (ANN) algorithm for the classification of
brain activity conditions based on Electroencephalograms (EEG) signals from “relax”, “read”, “image”, “heart” conditions. , "imagination", and to determine the accuracy
results obtained from the Artificial Neural Network (ANN) algorithm. In looking for feature extraction from Electroencephalograms (EEG) signals using wavelets with the
symlet number 2 method with level 10 decomposition. The data used in this study amounted to 10496 which will be divided into 2, namely 8396 data for training data and 2100 data for testing data. Classification of brain activity conditions based on EEG signals using 3 layers of dense layer with activation functions elu and sigmoid and optimizer
adam and categoriccal crossentropy, and the accuracy results are carried out with confusion matrix getting an accuracy value of 84% with a precision value of 84%, a recall value of 84% , and the f1 score is 84%.

Penelitian ini bertujuan untuk menghasilkan fitur terbaik dari sinyal Electroencephalograms (EEG), menerapkan algoritma Artificial Neural Network (ANN) untuk klasifikasi kondisi aktivitas otak berdasarkan sinyal Electroencephalograms (EEG) dari kondisi “relax”, ”baca”, ”gambar”, ”hati”, “imajinasi”, dan untuk mengetahui hasil
akurasi yang didapat dari algoritma Artificial Neural Network (ANN). Dalam mencari fitur ekstraksi dari sinyal Electroencephalograms (EEG)menggunakan wavelet dengan
metode symlet number 2 dengan dekomposisi level 10. Data yang digunakan pada penelitian ini berjumlah 10496 yang akan dibagi menjadi 2 yaitu 8396 data untuk data training dan 2100 data untuk data testing. Klasifikasi kondisi aktivitas otak berdasarkan sinyal EEG menggunakan 3 lapis dense layer dengan fungsi aktivasi elu dan sigmoid dan optimizer adam dan categoriccal crossentropy, dan hasil akurasinya dilakukan dengan confusion matrix mendapatkan nilai akurasi sebesar 84% dengan nilai preccision nya 84%, nilai recall nya 84%, dan nilai f1 score nya 84%.