Eliano Rizky Ardani Primary Author mixed material bibliography Banda Aceh Fakultas Teknik 2025

Skripsi

Electroencephalography (EEG) adalah metode non-invasif yang digunakan untuk merekam aktivitas kelistrikan otak dan sering dimanfaatkan dalam analisis kondisi neurologis, seperti Autism Spectrum Disorder (ASD). Namun, sinyal EEG sering terkontaminasi noise dari sumber internal dan eksternal, seperti pergerakan mata, aktivitas otot, dan detak jantung, yang dapat mengurangi kualitas sinyal serta menyulitkan proses analisis. Penelitian ini bertujuan untuk membandingkan performansi metode Principal Component Analysis (PCA) dan Multiscale Principal Component Analysis (MSPCA) dalam mereduksi noise pada sinyal EEG penyandang ASD dan individu normal. Penelitian ini menggunakan dataset EEG sekunder dari Universitas King Abdul Aziz, yang diolah menggunakan bahasa pemrograman Python. Evaluasi performansi dilakukan berdasarkan empat parameter utama, yaitu Mean Squared Error (MSE), Signal-to-Noise Ratio (SNR), dan Percentage Root Mean Square Difference (PRD). Hasil penelitian ini diharapkan dapat mengidentifikasi metode yang lebih unggul dalam menghilangkan noise tanpa merusak struktur utama sinyal EEG. Temuan ini diharapkan memberikan kontribusi signifikan dalam pengembangan teknik pengolahan sinyal EEG, khususnya pada populasi penyandang ASD, serta mendukung analisis dan interpretasi sinyal EEG yang lebih akurat. Kata Kunci: Electroencephalography (EEG), Principal Component Analysis (PCA), Multiscale Principal Component Analysis (MSPCA), Autism Spectrum Disorder (ASD), Pengurangan Derau, Pengolahan Sinyal. 0 ELECTRONIC THESES AND DISSERTATION Universitas Syiah Kuala 163693 2025-07-19 22:21:21 2025-07-20 23:38:35 machine generated