IMPLEMENTASI METODE CONTINOUS CONVOLUTIONAL NEURAL NETWORK UNTUK PENGENALAN POLA PENGANGGE SUARA AKSARA BALI PADA SINYAL ELECTROENCEPHALOGRAM

Maheswara, Made Agastya (2025) IMPLEMENTASI METODE CONTINOUS CONVOLUTIONAL NEURAL NETWORK UNTUK PENGENALAN POLA PENGANGGE SUARA AKSARA BALI PADA SINYAL ELECTROENCEPHALOGRAM. Undergraduate thesis, Universitas Pendidikan Ganesha.

This is the latest version of this item.

[img] Text (COVER)
2115091093-COVER.pdf
Download (2MB)
[img] Text (ABSTRAK)
2115091093-ABSTRAK.pdf
Download (293kB)
[img] Text (BAB 1 PENDAHULUAN)
2115091093-BAB I PENDAHULUAN.pdf
Download (305kB)
[img] Text (BAB 2 KAJIAN TEORI)
2115091093-BAB II KAJIAN TEORI.pdf
Restricted to Repository staff only
Download (587kB)
[img] Text (BAB 3 METODELOGI PENELITIAN)
2115091093-BAB III METODELOGI PENELITIAN.pdf
Restricted to Repository staff only
Download (1MB)
[img] Text (BAB 4 HASIL DAN PEMBAHASAN)
2115091093-BAB IV HASIL DAN PEMBAHASAN.pdf
Restricted to Repository staff only
Download (996kB)
[img] Text (BAB 5 PENUTUP)
2115091093-BAB V PENUTUP.pdf
Restricted to Repository staff only
Download (230kB)
[img] Text (DAFTAR PUSTAKA)
2115091093-DAFTAR PUSTAKA.pdf
Download (252kB)
[img] Text (LAMPIRAN)
211509103-LAMPIRAN.pdf
Download (2MB)

Abstract

Pemrosesan sinyal otak membuka peluang pengembangan sistem komunikasi non-verbal, khususnya bagi individu dengan keterbatasan bicara. Salah satu metode yang digunakan adalah electroencephalogram (EEG), yang mampu merekam aktivitas otak ketika membayangkan pelafalan huruf (imagined spelling). Penelitian ini mengimplementasikan metode Continuous Convolutional Neural Network (Continuous CNN) untuk mengklasifikasikan pola Pengangge Suara Aksara Bali dari sinyal EEG, sebagai upaya pelestarian aksara tradisional sekaligus penyediaan alternatif komunikasi. Data penelitian berasal dari 31 partisipan berusia 19–24 tahun yang diminta membayangkan enam vokal Aksara Bali (A, I, U, E, O, É). Pemrosesan data meliputi segmentasi, dekomposisi ke empat pita frekuensi (gamma, beta, alpha, theta), ekstraksi fitur menggunakan Differential Entropy, baseline reduction, dan representasi dalam bentuk 3D cube (9×9×4). Data tersebut dilatih menggunakan arsitektur Continuous CNN dengan variasi lapisan dan ukuran kernel. Evaluasi dilakukan melalui 10-Fold Cross Validation dengan metrik akurasi, presisi, recall, dan F1-score. Hasil menunjukkan akurasi tertinggi mencapai 90,76%. Model terbaik diintegrasikan ke aplikasi web interaktif sehingga dapat digunakan langsung oleh pengguna.

Item Type: Thesis (Undergraduate)
Uncontrolled Keywords: Electroenchepalogram, Aksara Bali, Pengangge Suara, Continous CNN, Imagined Spelling
Subjects: L Education > L Education (General)
T Technology > T Technology (General)
Divisions: Fakultas Teknik dan Kejuruan > Jurusan Teknik Informatika > Program Studi Sistem Informasi (S1)
Depositing User: Made Agastya Maheswara
Date Deposited: 08 Aug 2025 07:52
Last Modified: 08 Aug 2025 07:52
URI: http://repo.undiksha.ac.id/id/eprint/26620

Available Versions of this Item

  • IMPLEMENTASI METODE CONTINOUS CONVOLUTIONAL NEURAL NETWORK UNTUK PENGENALAN POLA PENGANGGE SUARA AKSARA BALI PADA SINYAL ELECTROENCEPHALOGRAM. (deposited 08 Aug 2025 07:52) [Currently Displayed]

Actions (login required)

View Item View Item