<?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="91671">
 <titleInfo>
  <title>ANALISIS DATA SINYAL ELECTROENCEPHALOGRAPHY MANUSIA MENGGUNAKAN METODE ADAPTIVE NEURO-FUZZY INFERENCE SYSTEM (ANFIS)</title>
 </titleInfo>
 <name type="Personal Name" authority="">
  <namePart>TOBIYAS JANITRA</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>Universitas Syiah Kuala</publisher>
   <dateIssued>2021</dateIssued>
  </place>
 </originInfo>
 <language>
  <languageTerm type="code">id</languageTerm>
  <languageTerm type="text">Indonesia</languageTerm>
 </language>
 <physicalDescription>
  <form authority="gmd">Null</form>
  <extent></extent>
 </physicalDescription>
 <note>Emosi manusia merupakan salah satu dari aktifitas yang terjadi di dalam otak,&#13;
ketika terjadi suatu aktifitas di dalam otak maka sel sel akan menghasilkan&#13;
gelombang listrik yang disebut dengan biolistrik. Alat untuk mengukur&#13;
gelombang kerja biolistrik ini disebut EEG (electroencephalogram) atau Brain&#13;
Computer Interface (BCI). Dalam pemanfaatan BCI diperlukan sebuah algoritma&#13;
untuk pengklasifikasian sinyal EEG. Pada penelitian kali ini akan dilakukan&#13;
klasifikasi emosi dengan menggunakan  algoritma pengklasifikaian Adaptive&#13;
Neuro-Fuzzy Inference System (ANFIS) merupakan penggabungan dari dua&#13;
algoritma yaitu Fuzzy dan juga jaringan syaraf tiruan, sehingga klasifikasi emosi&#13;
data EEG berbasis ANFIS dengan praprosesing PSD dan ektraksi feature DWT&#13;
dapat digunakan untuk menentukan 4 emosi. Pada penelitian ini, penggunaan&#13;
membership function yang paling baik untuk mengklasifikasikan emosi adalah&#13;
Trimf dengan DWT dengan jumlah epoch 10 dimana diperoleh nilai RMSE&#13;
pelatihan sebesar 0.000006 dengan akurasi sebesar 99.999% dan nilai RMSE&#13;
pengujian sebesar 2.7264 dengan akurasi sebesar 97,27%</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>91671</recordIdentifier>
 <recordCreationDate encoding="w3cdtf">2021-07-08 12:39:00</recordCreationDate>
 <recordChangeDate encoding="w3cdtf">2021-07-08 12:43:32</recordChangeDate>
 <recordOrigin>machine generated</recordOrigin>
</recordInfo>
</modsCollection>