Fitri Risqi Afrianti (2015) Perancangan Sistem Brain Computer Interface (BCI) Untuk Mengenali Kata Pada Aktivitas Unspoken-Speech Menggunakan Jaringan Saraf Tiruan. Skripsi thesis, UNIVERSITAS AIRLANGGA.
![[img]](https://repository.unair.ac.id/style/images/fileicons/text.png) |
Text (cover)
cover.pdf Restricted to Registered users only Download (357kB) | Request a copy |
|
|
Text (ABSTRAK)
gdlhub-gdl-s1-2015-afriantifi-39491-4.abstr-k.pdf Download (387kB) | Preview |
|
|
Text (full text)
full text.pdf Restricted to Registered users only Download (872kB) | Request a copy |
|
|
Text (full text)
bab 5.pdf Restricted to Registered users only Download (2MB) | Request a copy |
Abstract
Komunikasi merupakan salah satu kebutuhan manusia yang penting agar dapat berinteraksi dengan lingkungannya. Berbicara merupakan salah satu bentuk komunikasi yang sering digunakan. Jika organ yang berfungsi untuk berbicara terganggu mengakibatkan sulitnya berkomunikasi. Amyotrophic Lateral Sclerosis (ALS) merupakan penyakit hilangnya kemampuan untuk melakukan aktivitas motorik, seperti berbicara. Oleh karena itu, penderita ALS mengalami kesulitan berkomunikasi. Unspoken-speech menjadi jalur komunikasi yang dapat digunakan bagi penderita ALS karena tidak membutuhkan aktivitas otot seperti berbicara. Pada penelitian ini bertujuan untuk merancang suatu sistem Brain Computer Interface (BCI) untuk mengenali kata bosan dan makan pada aktivitas unspoken-speech menggunakan sinyal elektroensefalograf (EEG). Data sinyal didapatkan dari sepuluh naracoba berjenis kelamin laki-laki yang diinstruksikan mengucapkan kata dalam hati. Data sinyal yang didapat kemudian diolah dan dicari fitur tiap kata. Pencarian fitur menggunakan metode ekstraksi fitur yaitu Independent Component Analysis (ICA) dan Power Spectral Density (PSD). Fitur yang didapat berupa nilai minimum, nilai maksimum, mean dan standar deviasi. Fitur inilah yang dijadikan masukan pada tahap klasifikasi menggunakan Jaringan Saraf Tiruan (JST) Backpropagation. Hasil dari training Backpropagation menunjukkan tingkat akurasi sebesar 100%. Hasil pengujian program dilakukan pada data yang belum pernah dilatih, menunjukkan tingkat akurasi sebesar 75%. Berdasarkan hasil penelitian, sistem BCI yang telah didesain dengan Backpropagation mampu mengidentifikasi kata bosan dan makan
| Item Type: | Thesis (Skripsi) | |||||||||
|---|---|---|---|---|---|---|---|---|---|---|
| Additional Information: | KKC KK ST. T. 25/15 Afr p | |||||||||
| Uncontrolled Keywords: | BRAIN COMPUTER INTERFACE; INDEPENDENT COMPONEN ANALYSIS; POWER SPECTRAL DENSITY | |||||||||
| Subjects: | Q Science > QA Mathematics > QA75.5-76.95 Electronic computers. Computer science R Medicine > RC Internal medicine > RC0321 Neuroscience. Biological psychiatry. Neuropsychiatry |
|||||||||
| Divisions: | 08. Fakultas Sains dan Teknologi > Tekno Biomedik | |||||||||
| Creators: |
|
|||||||||
| Contributors: |
|
|||||||||
| Depositing User: | sukartini sukartini | |||||||||
| Date Deposited: | 18 Dec 2015 12:00 | |||||||||
| Last Modified: | 21 May 2020 14:13 | |||||||||
| URI: | http://repository.unair.ac.id/id/eprint/28171 | |||||||||
| Sosial Share: | ||||||||||
Actions (login required)
 |
View Item |