Darmawati, Ayu Dsi (2025) PENENTUAN FITUR FREKUENSI BAND YANG OPTIMAL PADA SINYAL ELECTROENCEPHALOGRAM MENGGUNAKAN BANDPASS FILTER UNTUK PENGENALAN EMOSI. Masters thesis, Universitas Pendidikan Ganesha.
![[img]](http://repo.undiksha.ac.id/style/images/fileicons/text.png) |
Text (COVER)
2129101045-COVER.pdf Download (2MB) |
|
Text (ABSTRAK)
2129101045-ABSTRAK.pdf Download (532kB) |
|
Text (BAB 1 PENDAHULUAN)
2129101045-BAB 1 PENDAHULUAN.pdf Download (1MB) |
|
Text (BAB 2 KAJIAN TEORI)
2129101045-BAB 2 KAJIAN TEORI.pdf Restricted to Repository staff only Download (5MB) | Request a copy |
|
Text (BAB 3 METODELOGI PENELITIAN)
2129101045-BAB 3 METODELOGI PENELITIAN.pdf Restricted to Repository staff only Download (3MB) | Request a copy |
|
Text (BAB 4 HASIL DAN PEMBAHASAN)
2129101045-BAB 4 HASIL DAN PEMBAHASAN.pdf Restricted to Repository staff only Download (4MB) | Request a copy |
|
Text (BAB 5 PENUTUP)
2129101045-BAB 5 PENUTUP.pdf Restricted to Repository staff only Download (665kB) | Request a copy |
|
Text (DAFTAR PUSTAKA)
2129101045-DAFTAR PUSTAKA.pdf Download (1MB) |
|
Text (LAMPIRAN)
2129101045-LAMPIRAN.pdf Download (277kB) |
Abstract
Pengenalan emosi berbasis sinyal Electroencephalogram merupakan aspek penting dalam pengembangan sistem interaksi manusia dan komputer yang adaptif terhadap kondisi emosional pengguna. Sinyal EEG terdiri dari beberapa komponen frekuensi band. Tidak semua frekuensi band berpengaruh signifikan dalam pengenalan emosi, sehingga pemilihan band yang optimal penting untuk meningkatkan akurasi klasifikasi. Penelitian ini menggunakan data sekunder dari DEAP dataset untuk mengevaluasi pengaruh orde filter dan metode klasifikasi terhadap akurasi pengenalan emosi. Proses preprocessing dilakukan dengan butterworth bandpass filter orde 2,3 dan 4 untuk mereduksi noise dan mempertahankan komponen sinyal yang relevan. Fitur diekstraksi menggunakan metode Differential Entropy dengan teknik baseline reduction dengan metode Difference dan Relative Difference. Dua metode klasifikasi diterapkan, yaitu Artificial Neural Network dan Support Vector Machine, untuk mengidentifikasi emosi berdasarkan frekuensi band EEG. Hasil menunjukkan bahwa kombinasi band yaitu theta, alfa, beta, dan gamma menghasilkan performa terbaik dalam membedakan kondisi high dan low pada dimensi arousal dan valence. Akurasi tertinggi dicapai dengan metode Artificial Neural Network dengan filter orde 4 dengan teknik baseline reduction pada metode relative difference, yaitu 95,37% untuk arousal dan 94,57% untuk valence. Temuan ini menegaskan pentingnya pemilihan orde filter, metode reduksi baseline dan metode klasifikasi dalam meningkatkan kinerja sistem pengenalan emosi berbasis electroencephalogram.
| Item Type: | Thesis (Masters) |
|---|---|
| Uncontrolled Keywords: | Electroencephalogram, Klasifikasi Emosi, Frequency Band, Butterworth Bandpass Filter, Brain Computer Interface |
| Subjects: | A General Works > AI Indexes (General) |
| Divisions: | Pascasarjana > Program Studi Ilmu Komputer (S2) |
| Depositing User: | Ayu Desi Darmawati |
| Date Deposited: | 08 Aug 2025 07:36 |
| Last Modified: | 08 Aug 2025 07:36 |
| URI: | http://repo.undiksha.ac.id/id/eprint/26560 |
Actions (login required)
 |
View Item |