TUWANKU ANDRE AL FARISI Primary Author mixed material bibliography Banda Aceh Fakultas Teknik Elektro 2023

Skripsi

Neurodevelopmental adalah sebuah sindrom pada Autism Spectrum Disorder (ASD) dimana seseorang mengalami gangguan pada saraf kranial sehingga berdampak pada kurangnya interaksi sosial, kemampuan berkomunikasi, serta penyampaian emosi. Akibat semakin berkembangnya zaman, pendeteksian ASD dapat dilakukan dengan memanfaatkan teknologi yang disebut dengan Elektroensefalogram (EEG). EEG akan memunculkan sinyal elektrik pada komputer melalui perangkat BCI sehingga dapat memudahkan proses diagnosis. Namun akibat bentuk sinyal EEG yang kompleks dan bervariasi terhadap waktu, sehingga dibutuhkan solusi lain seperti memanfaatkan skema machine learning untuk mengolah sinyal. Penelitian ini akan memanfaatkan EEG penyandang autis dan normal guna mendukung studi klasifikasi skema machine learning pada sindrom ASD. Metode Fisher Linear Discriminant Analysis (FLDA) merupakan salah satu teknik supervised learning yang digunakan untuk mengklasifikasikan sinyal EEG autis dan normal. Metode ini berfungsi sebagai reduksi dimensi sekaligus pengklasifikasian data dengan memanfaatkan fungsi within dan between. Pada beberapa penelitian, FLDA dapat menghasilkan akurasi diatas 85%. Metode FLDA akan dikombinasikan dengan metode Stationary Wavelet Transform (SWT) untuk mengekstraksi dan mentapis sinyal EEG dengan memanfaatkan fungsi threshold dan sampling melalui proses low dan high pass filter. Ektsraksi fitur SWT akan menghasilkan tiga atribut berupa komponen level 3, level 4, dan level 6 yang masing-masing merepresentasikan sinyal gama, beta, dan teta. Fitur-fitur tersebut digunakan sebagai parameter dalam menguji performa FLDA dalam mengklasifikasi atau memisahkan kelas secara efektif. Berdasarkan hasil penelitian, performa FLDA menghasilkan akurasi diatas 90% pada EEG autis dan normal. Namun, akurasi terbaik FLDA diperoleh sebesar 96% pada klasifikasi EEG normal dengan bantuan confusion matrix. 0 ELECTRONIC THESES AND DISSERTATION Universitas Syiah Kuala 113499 2023-08-22 12:18:44 2023-08-22 14:17:48 machine generated