IMPLEMENTASI METODE LONG SHORT-TERM MEMORY UNTUK PENGENALAN POLA IMAJINASI UCAPAN PENGANGGE SUARA AKSARA BALI PADA SINYAL ELECTROENCEPHALOGRAM

Parawangsa, I Dewa Gede Mahesta (2026) IMPLEMENTASI METODE LONG SHORT-TERM MEMORY UNTUK PENGENALAN POLA IMAJINASI UCAPAN PENGANGGE SUARA AKSARA BALI PADA SINYAL ELECTROENCEPHALOGRAM. Undergraduate thesis, Universitas Pendidikan Ganesha.

[img] Text (COVER)
2115091105-COVER.pdf
Download (25MB)
[img] Text (ABSTRAK)
2115091105-ABSTRAK.pdf
Download (12MB)
[img] Text (BAB 1 PENDAHULUAN)
2115091105-BAB 1 PENDAHULUAN.pdf
Download (12MB)
[img] Text (BAB 2 KAJIAN TEORI)
2115091105-BAB 2 KAJIAN TEORI.pdf
Restricted to Repository staff only
Download (12MB) | Request a copy
[img] Text (BAB 3 METODELOGI PENELITIAN)
2115091105-BAB 3 METODELOGI PENELITIAN.pdf
Restricted to Repository staff only
Download (12MB) | Request a copy
[img] Text (BAB 4 HASIL DAN PEMBAHASAN)
2115091105-BAB 4 HASIL DAN PEMBAHASAN.pdf
Restricted to Repository staff only
Download (12MB) | Request a copy
[img] Text (BAB 5 PENUTUP)
2115091105-BAB 5 PENUTUP.pdf
Restricted to Repository staff only
Download (12MB) | Request a copy
[img] Text (DAFTAR PUSTAKA)
2115091105-DAFTAR PUSTAKA.pdf
Download (12MB)
[img] Text (LAMPIRAN)
2115091105-LAMPIRAN.pdf
Download (12MB)

Abstract

Aksara Bali, khususnya Pengangge Suara merupakan elemen budaya penting yang kini dipadukan dengan teknologi Brain-Computer Interface (BCI) sebagai solusi komunikasi alternatif. Penelitian ini bertujuan untuk mengenali pola imajinasi ucapan (imagined spelling) pada sinyal Electroencephalogram (EEG) menggunakan metode Deep Learning yakni Long Short-Term Memory (LSTM). Data penelitian diambil dari dataset BISE yang melibatkan 31 partisipan untuk 6 kelas vokal aksara Bali. Proses klasifikasi melibatkan ekstraksi fitur Differential Entropy (DE) dan reduksi baseline menggunakan teknik Relative Difference (RD). Kontribusi utama penelitian ini adalah menemukan arsitektur LSTM paling optimal untuk menerjemahkan sinyal otak menjadi teks. Arsitektur model dievaluasi melalui berbagai skenario hyperparameter tuning guna memastikan kinerja klasifikasi yang maksimal. Hasil pengujian menunjukkan bahwa model LSTM yang diusung mampu mencapai tingkat akurasi sebesar 74,19%, mengungguli metode komparasi lainnya seperti SVM dan ANN. Sistem ini juga telah berhasil diimplementasikan ke dalam aplikasi berbasis web dengan skor usabilitas 74,17 kategori Good, membuktikan potensinya sebagai alat bantu bagi penyandang disabilitas wicara.

Item Type: Thesis (Undergraduate)
Uncontrolled Keywords: Electroencephalogram, Imagined Spelling, Klasifikasi, Long Short-Term Memory.
Subjects: Q Science > Q Science (General)
Q Science > QA Mathematics > QA75 Electronic computers. Computer science
Divisions: Fakultas Teknik dan Kejuruan > Jurusan Teknik Informatika > Program Studi Sistem Informasi (S1)
Depositing User: I Dewa Gede Mahesta Parawangsa
Date Deposited: 18 Jan 2026 23:59
Last Modified: 18 Jan 2026 23:59
URI: http://repo.undiksha.ac.id/id/eprint/27560

Actions (login required)

View Item View Item