View Item 
      •   IPB Repository
      • Dissertations and Theses
      • Master Theses
      • MT - Mathematics and Natural Science
      • View Item
      •   IPB Repository
      • Dissertations and Theses
      • Master Theses
      • MT - Mathematics and Natural Science
      • View Item
      JavaScript is disabled for your browser. Some features of this site may not work without it.

      Deteksi Tingkat Kewaspadaan Berbasis Electroencephalogram Menggunakan Fuzzy C-Means dan Support Vector Machine

      Thumbnail
      View/Open
      Fulltext (20.72Mb)
      Date
      2019
      Author
      Edy, Marwan Ramdhany
      Wahjuni, Sri
      Neyman, Shelvie Nidya
      Metadata
      Show full item record
      Abstract
      Beberapa pekerjaan menuntut agar tingkat konsentrasi tetap terjaga dalam waktu yang lama selama waktu bekerja. Kurangnya waktu tidur akan mengakibatkan terganggunya tingkat konsentrasi seseorang. Untuk mengetahui tingkat konsentrasi seseorang dapat dilakukan dengan merekam gelombang otaknya. Penelitian ini menggunakan teknologi Electroencephalographam (EEG) yang berfungsi menangkap gelombang otak manusia. Fokus penelitian ini adalah untuk membuat model sistem pendeteksi tingkat konsentrasi seseorang. Data penelitian ini adalah data hasil perekaman gelombang otak menggunakan Neurosky Mindwave Mobile yang telah diekstrasi fiturnya sebanyak 19 fitur, antara lain meanA4, meanD4, meanD3, meanD2, meanD1, stdA4, stdD4, stdD3, stdD2, stdD1, rmsA4, rmsD4, rmsD3, rmsD2, rmsD1, ratioA4D4, rasioD4D3, ratioD3D dan rasio D2D1. Data tersebut kemudian akan diberikan label menggunakan teknik cluster yaitu Fuzzy C-Means (FCM). Penggunaan teknik FCM didasari pada fakta FCM adalah pendekatan adaptif yang cocok untuk clustering non-stasioner sinyal biomedis yang dimana salah satu sinyal non-stasioner biomedis adalah EEG. Data FCM akan menghasilkan label yang merepresentasikan tertidur, mengantuk, dan siaga untuk setiap raw data. Label tertidur, mengantuk, dan siaga akan diubah menjadi angka 0, 1 dan 2 yang menjadi input pada proses klasifikasi yang menggunakan Support Vector Machine. Dengan menggunakan metode clustering FCM, pada penelitian ini penggantian classifier dari ANN ke SVM dengan kernel trick linear, polynomial, dan RBF mendapatkan hasil yang lebih baik dari sebelumnya yaitu 99,11%, 96,22%, dan 99,33%. Penggunaan FCM dapat membangun model clustering untuk mendapat kelas yang representatif terhadap tingkat kewaspadaan pada sinyal EEG. Hal ini juga dapat disimpulkan bahwa penggunaan FCM dapat mengelompokkan data EEG dibandingkan AHC.
      URI
      http://repository.ipb.ac.id/handle/123456789/100084
      Collections
      • MT - Mathematics and Natural Science [3122]

      Copyright © 2020 Library of IPB University
      All rights reserved
      Contact Us | Send Feedback
      Indonesia DSpace Group 
      IPB University Scientific Repository
      UIN Syarif Hidayatullah Institutional Repository
      Universitas Jember Digital Repository
        

       

      Browse

      All of IPB RepositoryCollectionsBy Issue DateAuthorsTitlesSubjectsThis CollectionBy Issue DateAuthorsTitlesSubjects

      My Account

      Login

      Application

      google store

      Copyright © 2020 Library of IPB University
      All rights reserved
      Contact Us | Send Feedback
      Indonesia DSpace Group 
      IPB University Scientific Repository
      UIN Syarif Hidayatullah Institutional Repository
      Universitas Jember Digital Repository