Electronic Theses and Dissertation

Abstrak-gangguan yang dapat mempengaruhi mental dan perilaku manusia autism spectrum disorder (asd) merupakan gangguan yang terkait dengan perkembangan otak dan saraf pada anak. penyandang asd sendiri dapat memberikan efek buruk dalam pengendalian emosi, perilaku bersosial, dan komunikasi. penggunaan electroencephalography (eeg) sebagai media pendeteksi sinyal yang ada pada otak manusia, menemukan terdapat perbedaan antara penyandang asd dengan orang normal. pada penelitian ini hal yang akan dianalisis adalah parameter sinyal eeg penyandang asd dengan orang normal. pada penelitian ini transformasi akan dilakukan sebanyak 3 level menggunakan wavelet packet decomposition (wpd), dan parameter yang akan dianalisis adalah ekstraksi fitur (mean, variance, skewness, dan kurtosis). klasifikasi dan pengukuran akurasi klasifikasi dilakukan menggunakan metode random forest (rf). pada penelitian ini jumlah data yang digunakan adalah 156 resepien pengidap asd dan 75 data resepien normal. akurasi klasifikasi yang didapat sebesar 77%, kesalahan klasifikasi mayoritas berada pada resepien normal, hal ini disebabkan oleh jumlah data yang tidak rata antara resepien pengidap asd dan resepien normal. kata kunci: electroencephalography, autism spectrum disorder, wavelet packet decomposition, random forest, independent component analysis

Abstract-Disorders that can affect human mental and behavior Autism Spectrum Disorder (ASD) is a disorder associated with brain and nerve development in children. People with ASD themselves can have a negative effect on emotional control, social behavior, and communication. The use of electroencephalography (EEG) as a medium signal detector in the human brain, found that there is a difference between people with ASD and normal people. In this research, what will analyzed are the EEG signal parameters with ASD with normal people. In this study, the transformation will be carried out in 3 levels using Wavelet Packet Decomposition (WPD), and the parameters to be analyzed are feature extraction (mean, variance, skewness, and kurtosis). Classification and Measurement of classification accuracy is carried out using the Random Forest method (RF). In this study, the amount of data used was 156 prescriptions with ASD and 75 normal patient data. Accuracy of classification obtained of 77%, the majority of misclassifications are in normal recipients, this is This is due to the uneven amount of data between ASD patients and normal prescription. Keywords: Electroencephalography, Autism Spectrum Disorder, Wavelet Packet Decomposition, Random Forest, Independent Component Analysis