ANALISIS KOMPARASI AKURASI METODE FFT-KNN DAN CNN DALAM PENGENALAN ANGKA (0-9) DENGAN SINYAL EEG

Pratama, I Wayan Pio (2021) ANALISIS KOMPARASI AKURASI METODE FFT-KNN DAN CNN DALAM PENGENALAN ANGKA (0-9) DENGAN SINYAL EEG. Masters thesis, Universitas Pendidikan Ganesha.

This is the latest version of this item.

[img] Text (COVER)
1829101040-COVER.pdf
Download (690kB)
[img] Text (ABSTRAK)
1829101040-ABSTRAK.pdf
Download (223kB)
[img] Text (BAB 1 PENDAHULUAN)
1829101040-BAB 1 PENDAHULUAN.pdf
Download (178kB)
[img] Text (BAB 2 KAJIAN TEORI)
1829101040-BAB 2 KAJIAN TEORI.pdf
Restricted to Repository staff only
Download (1MB)
[img] Text (BAB 3 METODELOGI PENELITIAN)
1829101040-BAB 3 METODELOGI PENELITIAN.pdf
Restricted to Repository staff only
Download (376kB)
[img] Text (BAB 4 HASIL DAN PEMBAHASAN)
1829101040-BAB 4 HASIL DAN PEMBAHASAN.pdf
Restricted to Repository staff only
Download (1MB)
[img] Text (BAB 5 PENUTUP)
1829101040-BAB 5 PENUTUP.pdf
Restricted to Repository staff only
Download (223kB)
[img] Text (DAFTAR PUSTAKA)
1829101040-DAFTAR PUSTAKA.pdf
Download (295kB)
[img] Text (LAMPIRAN)
1829101040-LAMPIRAN.pdf
Download (151kB)

Abstract

ABSTRAK Pratama, I Wayan Pio (2021), Analisis Komparasi Akurasi Metode FFT-KNN dan CNN dalam pengenalan angka (0-9) dengan sinyal EEG. Tesis, Ilmu Komputer, Pascasarjana, Universitas Pendidikan Ganesha. Tesis ini sudah disetujui dan diperiksa oleh Pembimbing I : Made Windu Antara Kesiman, Msc., Ph.D. dan Pembimbing II : Dr. I Gede Aris Gunadi, S.Si, M.Kom. Kata-kata kunci : EEG, FFT, KNN, CNN, 5 x 2-fold validation, akurasi, K-Means, Sinyal Electroencephalography (EEG) merupakan listrik yang dihasilkan oleh aktivitas neuron di dalam otak. Sinyal EEG dapat digunakan pada banyak jenis aplikasi salah satunya Brain Computer Interface (BCI). BCI merupakan teknologi yang memungkinkan pengguna untuk mengontrol komputer melalui gelombang otak. Salah satu hal yang menarik dalam BCI adalah fitur pengenalan angka yang dapat dikembangkan menjadi berbagai hal seperti menggerakan slide presentasi ataupun kursi roda. BCI bekerja dengan memanfaatkan metode machine learning untuk dapat menginterpretasikan sinyal EEG dengan baik. Dari berbagai metode yang ada maka Fast Fourier Transform dengan K-Nearest Neighbor (FFT-KNN) dan Convolutional Neural Network (CNN) adalah yang umum digunakan. Penelitian ini bertujuan untuk membandingkan akurasi antara FFT-KNN dan CNN pada kasus pengenalan digit angka dengan sinyal EEG. Hasil pengujian dengan 5 x 2 fold cross validation menunjukan bahwa CNN mampu memberikan akurasi yang lebih baik dibandingkan FFT-KNN. Metode CNN memberikan akurasi sebesar 22,73%-23,73% dengan tingkat kepercayaan 95%, sedangkan FFT dengan klasifikasi KNN memperoleh akurasi 13,26%. Pengujian dengan paired t-test juga menunjukan bahwa CNN lebih baik secara signifikan dibandingkan FFT-KNN. Walaupun CNN memberikan akurasi yang lebih baik secara signifikan, namun akurasi yang diperoleh masihlah sangat jauh untuk dapat diaplikasikan dalam sistem BCI. Berdasarkan analisis K-Means yang dilakukan diketahui bahwa adanya kemiripan yang sangat tinggi antar label 0-9 menyebabkan sulitnya memperoleh hasil akurasi yang tinggi pada percobaan yang dilakukan. Pada penelitian selanjutnya perlu dilakukan analisis mengenai waktu munculnya sinyal yang merepresentasikan digit angka untuk mendapatkan akurasi yang lebih tinggi.

Item Type: Thesis (Masters)
Uncontrolled Keywords: EEG, FFT, KNN, CNN, 5 x 2-fold validation, akurasi, K-Means
Subjects: Q Science > Q Science (General)
T Technology > T Technology (General)
Divisions: Pascasarjana > Program Studi Ilmu Komputer (S2)
Depositing User: I Wayan Pio Pratama
Date Deposited: 25 May 2021 03:55
Last Modified: 25 May 2021 03:55
URI: http://repo.undiksha.ac.id/id/eprint/6151

Available Versions of this Item

Actions (login required)

View Item View Item