SURYA WARDANA Primary Author mixed material bibliography Banda Aceh Fakultas Teknik Elektro 2025

Skripsi

Abstrak - Autism Spectrum Disorder (ASD) merupakan gangguan perkembangan neurobiologis yang berdampak pada kemampuan komunikasi, interaksi sosial, serta sering disertai perilaku repetitif dan restriktif. Salah satu pendekatan yang digunakan dalam mendeteksi dan menganalisis ASD adalah electroencephalography (EEG), yaitu teknik non invasif yang merekam aktivitas listrik otak melalui elektroda yang ditempatkan pada kulit kepala. Meskipun EEG memiliki potensi besar dalam mengungkap disfungsi neurologis yang terkait dengan ASD, kompleksitas dan sifat nonstasioner dari sinyal EEG menuntut penerapan metode ekstraksi fitur yang efektif untuk memperoleh representasi karakteristik sinyal secara optimal. Penelitian ini bertujuan untuk membandingkan kinerja dua metode ekstraksi fitur, yaitu Variational Mode Decomposition (VMD) dan Dynamic Mode Decomposition (DMD), dalam menganalisis sinyal EEG pada individu dengan ASD. Kedua metode ini diterapkan untuk mendekomposisi sinyal EEG menjadi komponen-komponen signifikan yang merepresentasikan pola neurofisiologis khas pada penyandang ASD. Berdasarkan hasil evaluasi kuantitatif, DMD menunjukkan performa yang lebih unggul dibandingkan VMD, dengan rata-rata nilai MAE sebesar 0,17 μV², MSE sebesar 0,17 μV², dan SNR sebesar 32,05 dB. Sebaliknya, VMD menghasilkan nilai MAE sebesar 0,4 μV², MSE sebesar 0,48 μV², dan SNR sebesar 27,14 dB. Hasil tersebut mengindikasikan bahwa DMD lebih efektif dalam mengekstraksi fitur relevan dari sinyal EEG untuk mendukung analisis lebih lanjut pada kelompok ASD. 0 ELECTRONIC THESES AND DISSERTATION Universitas Syiah Kuala 158329 2025-07-03 12:36:42 2025-07-03 14:35:38 machine generated