La Febry Andira Rose Cynthia (2015) Klasifikasi Unspoken-Speech Pada Sinyal Otak Berbasis Transformasi Wavelet Dan Jaringan Saraf Tiruan (Jst). Skripsi thesis, UNIVERSITAS AIRLANGGA.

	Text 1. HALAMAN JUDUL.pdf Download (364kB)
	Text 2. ABSTRAK.pdf Download (317kB)
	Text 3. DAFTAR ISI.pdf Download (319kB)
	Text 4. BAB 1.pdf Download (196kB)
	Text 5. BAB 2 .pdf Restricted to Registered users only until 19 May 2023. Download (392kB) | Request a copy
	Text 6. BAB 3 .pdf Restricted to Registered users only until 19 May 2023. Download (313kB) | Request a copy
	Text 7. BAB 4 .pdf Restricted to Registered users only until 19 May 2023. Download (526kB) | Request a copy
	Text 8. BAB 5 .pdf Restricted to Registered users only until 19 May 2023. Download (182kB) | Request a copy
	Text 9. DAFTAR PUSTAKA.pdf Download (189kB)
	Text 10. LAMPIRAN .pdf Restricted to Registered users only until 19 May 2023. Download (1MB) | Request a copy

Abstract

Komunikasi adalah proses penciptaan dan penggunaan informasi seseorang agar dapat terhubung dengan lingkungan dan orang lain. Komunikasi yang tidak lancar dalam jangka panjang akan menyebabkan sulit bertahan hidup. Salah satu contohnya pada penderita kanker laring yang diharuskan untuk operasi pada pita suara yang berdampak penderita kesulitan untuk berkomunikasi. Unspoken-speech merupakan aktivitas berbicara atau mengucapkan suatu kata tanpa menggunakan organ-organ artikulatori dan tidak menghasilkan suara sama sekali, sehingga sinyal otak dapat dimanfaatkan dalam proses ini. Penelitian ini bertujuan untuk klasifikasi unspoken-speech berbasis transformasi wavelet dengan Jaringan Saraf Tiruan (JST). Data didapatkan dengan elektroensephalograf (EEG). Sepuluh orang naracoba berjenis kelamin laki-laki diberikan arahan untuk mengucapkan kata dalam hati. Data yang didapatkan kemudian diolah dan diekstraksi dengan menggunakan Wavelet dan direduksi untuk mendapatkan nilai median, mean, modus, range, dan standar deviasi. Fitur ini yang dijadikan masukan pada JST Backpropagation. Hasil dari training Backpropagation menunjukkan tingkat akurasi terbaik pada fitur median sebesar 97,4%. Hasil pengujian program dilakukan pada data yang belum pernah dilatih sebesar 57,5%. Berdasarkan penelitian, klasifikasi sinyal otak menggunakan wavelet dan JST dapat dilakukan pada kata “Sakit” dan “Tolong”.

Actions (login required)

View Item