KLASIFIKASI SINYAL ELECTROENCHELPALOGRAPH (EEG) UNTUK PERGERAKAN KURSOR DENGAN METODE REGRESI LINIER DAN BACKPROPAGATION

Widodo, Setio Prakas (2018) KLASIFIKASI SINYAL ELECTROENCHELPALOGRAPH (EEG) UNTUK PERGERAKAN KURSOR DENGAN METODE REGRESI LINIER DAN BACKPROPAGATION. Undergraduate thesis, Universitas Muhammadiyah Sidoarjo.

[img] Text
Skripsi Lengkap - 141080200156.pdf - Published Version
Restricted to Registered users only
Available under License Creative Commons Attribution.

Download (3MB)

Abstract

Dalam penelitian ini dijelaskan aplikasi dari jaringan syaraf tiruan backpropagation dan metode regresi linier untuk ekstraksi sinyal ElectroEnchepaloGraph (EEG).Penelitian ini bertujuan untuk mengembangkan suatu sistem dalam mengidentifikasi sinyal EEG yang digunakan pada pergerakkan kursor kekanan dan kekiri.Data yang digunakan adalah data perekaman mahasiswa Universitas Muhammadiyah Sidoarjo dengan Emotiv Epoc sebagai alat dalam mengambil sinyal EEG.Data ini berisi data subjek, yaitu kelas 1 (untuk pergerakkan tangan kanan) dan 0 (untuk pergerakkkan tangan kiri ).Pengambilan keputusan dilakukan dalam 2 tahap,tahap pertama dari proses linear regresi yang nanti akan diperoleh nilai coefficient masing – masing subsinyal untuk tangan kanan dan kekiri sebagai masukkan untuk proses backpropagation,terdapat 30 data yang terbagi antara 20 subyek (200 percobaan,100 untuk kelas 1 dan 100 untuk kelas 0)sebagai set pelatihan dan 10 subyek(100 percobaan,50 untuk kelas 1 dan 50 untuk kelas 0)sebagai data set uji, keduanya terkandung data eeg 3 detik fasa umpan balik dari masing-masing percobaan.Hasil yang diperoleh untuk pengklasifikasian sinyal ini dengan metode Backpropagation (6-10-10-2) 6 input,10 unit pertama lapisan tersembunyi,10 unit kedua lapisan tersembunyi dan 2 output untuk tangan kiri dan kanan,dengan hasil channel terbaik dari 4 sensor yang digunakan yaitu channel FC5(100%) dan FC6(83%) dengan nilai Akurasi testing tertinggi dibandingkan dengan sensor F7(64%) dan T7(50%).

Item Type: Thesis (Undergraduate)
Additional Information: Skripsi
Uncontrolled Keywords: Regresi Linier; Backpropagation; Sinyal EEG
Subjects: T Technology > TA Engineering (General). Civil engineering (General)
T Technology > TK Electrical engineering. Electronics Nuclear engineering
Divisions: Faculty of Engineering > School of Computer Engineering
Depositing User: teknikinformatika umsida
Date Deposited: 29 Aug 2018 06:13
Last Modified: 29 Aug 2018 06:13
URI: http://eprints.umsida.ac.id/id/eprint/5208

Actions (login required)

View Item View Item