Electronic Theses and Dissertation

Autism Spectrum Disorder (ASD) merupakan gangguan perkembangan saraf yang dapat dikaji melalui sinyal Electroencephalography (EEG). Namun, sinyal EEG memiliki amplitudo rendah dan rentan terhadap noise temporal maupun spasial, terutama pada sistem EEG low-density. Penelitian ini membandingkan kinerja tiga konfigurasi prapemrosesan, yaitu FIR dengan SWT, FIR dengan SPHARA, serta FIR, SWT, dan SPHARA, pada sinyal EEG resting-state 16 kanal kelompok ASD dan normal. Analisis dilakukan menggunakan parameter Signal-to-Noise Ratio (SNR), Mean Absolute Error (MAE), Root Mean Square Error (RMSE), dan Standard Deviation (SD). Pengujian statistik menggunakan Wilcoxon Signed-Rank Test dilakukan untuk menganalisis perbedaan kinerja antar konfigurasi berdasarkan seluruh parameter evaluasi. Hasil penelitian menunjukkan bahwa konfigurasi FIR, SWT, dan SPHARA menghasilkan nilai maksimum SNR tertinggi dibandingkan konfigurasi lainnya, yaitu sebesar 31,93 dB pada kelompok ASD dan 34,97 dB pada kelompok normal. Konfigurasi tersebut juga menghasilkan nilai SD rata-rata yang lebih rendah dibandingkan konfigurasi lainnya, yaitu sebesar 14,68 µV pada kelompok ASD dan 21,81 µV pada kelompok normal, yang menunjukkan kestabilan amplitudo sinyal yang lebih baik. Sementara itu, konfigurasi FIR dengan SWT menghasilkan nilai MAE rata-rata terendah, sedangkan nilai RMSE tidak menunjukkan pola keunggulan yang konsisten antar konfigurasi. Hasil uji Wilcoxon menunjukkan adanya perbedaan signifikan pada beberapa parameter evaluasi antar konfigurasi prapemrosesan. Secara keseluruhan, konfigurasi FIR, SWT, dan SPHARA menunjukkan performa yang lebih konsisten dalam meningkatkan kualitas sinyal EEG low-density pada data ASD dan normal.

- Autism Spectrum Disorder (ASD) is a neurodevelopmental disorder that can be investigated using Electroencephalography (EEG) signals. However, EEG signals have low amplitude and are susceptible to both temporal and spatial noise, particularly in low-density EEG systems. This study compares the performance of three preprocessing configurations: FIR with SWT, FIR with SPHARA, and the combination of FIR, SWT, and SPHARA, on 16-channel resting-state EEG signals from ASD and typically developing (normal) groups. The analysis was conducted using Signal-to-Noise Ratio (SNR), Mean Absolute Error (MAE), Root Mean Square Error (RMSE), and Standard Deviation (SD). Statistical analysis was performed using the Wilcoxon Signed-Rank Test to examine performance differences among the preprocessing configurations based on all evaluation metrics. The results show that the combined FIR, SWT, and SPHARA configuration achieved the highest maximum SNR among all configurations, reaching 31.93 dB for the ASD group and 34.97 dB for the normal group. This configuration also produced lower average SD values than the other configurations, with 14.68 µV for the ASD group and 21.81 µV for the normal group, indicating better signal amplitude stability. Meanwhile, the FIR with SWT configuration yielded the lowest average MAE, whereas RMSE did not exhibit a consistent performance advantage across the preprocessing configurations. The Wilcoxon Signed-Rank Test revealed significant differences in several evaluation metrics among the preprocessing configurations. Overall, the combination of FIR, SWT, and SPHARA demonstrated more consistent performance in improving the quality of low-density EEG signals for both ASD and normal data.