Electronic Theses and Dissertation

Autism spectrum disorder (asd) adalah gangguan perkembangan saraf otak yang terjadi sejak lahir sehingga menjadikan penderita mengalami kesulitan dalam berkomunikasi serta mengekspresikan emosi dan perasaan kepada orang lain. teknologi yang dapat digunakan untuk mendiagnosis asd dan berbagai kelainan yang terdapat pada syaraf otak yaitu electroencephalography (eeg). eeg merupakan suatu proses pengukuran aktivitas kelistrikan di area otak dengan meletakkan beberapa elektroda pada scalp (kulit kepala). selama proses perekaman sinyal eeg, sinyal hasil pengukuran seringkali terkontaminasi oleh berbagai jenis noise, hal ini menyebabkan kesulitan dalam proses menganalisis sinyal tersebut. oleh sebab itu diperlukan sebuah metode yang efektif untuk mereduksi noise tersebut. penelitian ini menggunakan metode wiener filter (wf) dan savitzky-golay filter (sg) dalam mengurangi noise pada sinyal eeg penyandang autis dan normal. metode ini akan dikombinasikan dengan metode lainnya yaitu butterworth band-pass filter untuk mengkonsentrasikan frekuensi pada rentang 0,5-40 hz. banyak sampel yang digunakan berjumlah 16 data eeg yang merekam 8 anak autis dan 8 anak normal. berdasarkan hasil perbandingan nilai akurasi performansi menggunakan 3 parameter perhitungan yaitu mean square errors (mse), mean absolute errors (mae) dan signal to noise ratio (snr), penelitian ini membuktikan bahwa wf lebih unggul dibandingkan dengan sg dalam menghasilkan sinyal eeg penyandang autis dan normal yang bebas dari noise. wf menunjukkan nilai snr sebesar 34,773 db berbanding dengan 22,157 db pada sg, serta nilai mae dan mse yang lebih rendah yaitu 0,521 μv dan 0,616 〖μv〗^2 dibandingkan dengan 1,875 μv dan 16,990 〖μv〗^2 pada sg. hasil ini menegaskan bahwa wf lebih efektif dalam mereduksi gangguan noise dan menghasilkan estimasi sinyal yang lebih akurat dalam analisis data eeg. kata kunci: asd, eeg, wf, sg, butterworth band-pass filter, noise

Autism spectrum disorder (ASD) is a brain neurodevelopmental disorder that occurs from birth, causing individuals to have difficulties in communication and expressing emotions and feelings to others. Electroencephalography (EEG) is a technology that can be used to diagnose ASD and various brain disorders. It involves measuring electrical activity in the brain by placing several electrodes on the scalp. During EEG signal recording, the measured signals are often contaminated by various types of noise, which makes the analysis process challenging. Therefore, an effective method is needed to reduce this noise. This research uses the Wiener Filter (WF) and Savitzky-Golay Filter (SG) methods to reduce noise in EEG signals from subjects with autism and normal individuals. These methods will be combined with another method, the Butterworth Band-Pass Filter, to concentrate frequencies in the range of 0,5-40 Hz. The study involves 16 EEG data samples from 8 autistic children and 8 normal children. Based on the comparison of accuracy performance using three parameters, namely Mean Square Errors (MSE), Mean Absolute Errors (MAE), and Signal to Noise Ratio (SNR), the research proves that WF is superior to SG in generating noise-free EEG signals for both autistic and normal subjects. WF demonstrates an SNR value of 34,773 dB compared to 22,157 dB in SG, and lower MAE and MSE values of 0,521 μV and 0,616 〖μV〗^2 compared to 1,875 μV and 16,990 〖μV〗^2 in SG. These results confirm that WF is more effective in reducing noise interference and producing more accurate signal estimations in EEG data analysis. Kata kunci: ASD, EEG, WF, SG, Butterworth Band-pass Filter, Noise