Muhammad Saifullah Nur Primary Author mixed material bibliography Banda Aceh Fakultas Teknik Elektro 2023

Skripsi

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 0 ELECTRONIC THESES AND DISSERTATION Universitas Syiah Kuala 113637 2023-08-24 14:42:12 2023-08-24 15:32:11 machine generated