<?xml version="1.0" encoding="UTF-8" ?>
<modsCollection xmlns:xlink="http://www.w3.org/1999/xlink" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xmlns="http://www.loc.gov/mods/v3" xmlns:slims="http://slims.web.id" xsi:schemaLocation="http://www.loc.gov/mods/v3 http://www.loc.gov/standards/mods/v3/mods-3-3.xsd">
<mods version="3.3" id="113642">
 <titleInfo>
  <title>SISTEM IDENTIFIKASI SINYAL ELEKTROENSEFALOGRAM ANAK AUTIS BERBASIS RASPBERRY PI DAN IOT UNTUK PENGENDALIAN TINDAKAN MEDIS</title>
 </titleInfo>
 <name type="Personal Name" authority="">
  <namePart>Nizam Albar</namePart>
  <role>
   <roleTerm type="text">Primary Author</roleTerm>
  </role>
 </name>
 <typeOfResource manuscript="no" collection="yes">mixed material</typeOfResource>
 <genre authority="marcgt">bibliography</genre>
 <originInfo>
  <place>
   <placeTerm type="text">Banda Aceh</placeTerm>
   <publisher>Fakultas Teknik Elektro</publisher>
   <dateIssued>2023</dateIssued>
  </place>
 </originInfo>
 <language>
  <languageTerm type="code"></languageTerm>
  <languageTerm type="text"></languageTerm>
 </language>
 <physicalDescription>
  <form authority="gmd">Skripsi</form>
  <extent></extent>
 </physicalDescription>
 <note>Abstrak- Autism Spectrum Disorder (ASD) dikenal dengan kelainan pada saraf otak sehingga cenderung mempengaruhi interaksi sosial, komunikasi dan perilaku serta tingkat fokus yang rendah. Sehingga semasa pertumbuhannya, ASD harus diberikan terapi untuk membantunya belajar berkomunikasi, berinteraksi sosial, dan memperoleh keterampilan hidup hingga beranjak dewasa. Perubahan frekuensi gelombang otak disebabkan suasana hati ASD yang berubah-ubah membuat pemberian terapi berdasarkan pengamatan visual kurang efektif. Sehingga penelitian ini bertujuan membangun sistem berbasis pemrograman python pada Raspberry Pi yang dikonfigurasikan dengan Blynk App yang dapat mengidentifikasi sinyal Electroensephalography (EEG) dari ASD dan memberikan rekomendasi terapi kepada terapis untuk membantu dalam memberikan terapi kepada ASD berdasarkan kondisi frekuensi gelombang otak ASD yang terdeteksi. Dalam penelitian ini digunakan dataset sekunder sinyal EEG sebanyak 11 sampel. Sinyal EEG diinterpretasikan menggunakan library BCI2kReader dan difilterisasi dari noise menggunakan Fast Fourier Transform (FFT). Hasil FFT diekstraksi fitur sinyal menggunakan Power Spectrum Density (PSD) dan periodogram Welch yang membagi segmen sinyal per 30 detik dari waktu rekaman. Berdasarkan hasil analisis salah satu sampel diperoleh hasil rata-rata PSD pada segmen pertama, kedua dan ketiga masing-masing senilai 55,0349  〖μV〗^2/Hz, 55,8791 〖μV〗^2/Hz  dan 138,4144〖μV〗^2/Hz  dengan nilai rata-rata frekuensi segmen pertama, kedua dan ketiga masing-masing diperoleh 7,4185 Hz, 7,4753 Hz dan 11,7650  Hz. Sehingga diperoleh pada segmen pertama dan kedua dengan status frekuensi Theta dengan rekomendasi terapi fisik/nutrisi dan pada segmen ketiga berstatus frekuensi Alpha dengan rekomendasi terapi perilaku, dan hasil akhir per segmen tersebut dikirimkan pada Blynk App.&#13;
&#13;
Kata Kunci : ASD, Terapi, EEG, FFT, PSD.&#13;
</note>
 <note type="statement of responsibility"></note>
 <classification>0</classification>
 <identifier type="isbn"></identifier>
 <location>
  <physicalLocation>ELECTRONIC THESES AND DISSERTATION Universitas Syiah Kuala</physicalLocation>
  <shelfLocator></shelfLocator>
 </location>
 <slims:digitals/>
</mods>
<recordInfo>
 <recordIdentifier>113642</recordIdentifier>
 <recordCreationDate encoding="w3cdtf">2023-08-24 15:08:00</recordCreationDate>
 <recordChangeDate encoding="w3cdtf">2023-08-24 15:39:40</recordChangeDate>
 <recordOrigin>machine generated</recordOrigin>
</recordInfo>
</modsCollection>