<?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="98229">
 <titleInfo>
  <title>KLASIFIKASI DATA EMOSI MENGGUNAKAN ELECTROENCEPHALOGRAPHY DENGAN INTEGRASI METODE POWER SPECTRAL DENSITY (PSD) DAN DISCRETE WAVELETE TRANSFORM (DWT)</title>
 </titleInfo>
 <name type="Personal Name" authority="">
  <namePart>Teuku Muhammad Mirza Keumala</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 (S2)</publisher>
   <dateIssued>2022</dateIssued>
  </place>
 </originInfo>
 <language>
  <languageTerm type="code"></languageTerm>
  <languageTerm type="text"></languageTerm>
 </language>
 <physicalDescription>
  <form authority="gmd">Theses</form>
  <extent></extent>
 </physicalDescription>
 <note>Data  Electroencephalography (EEG) berisikan rekaman dari aktivitas sinyal otak yang terbagi dalam beberapa kanal dengan respons impuls yang berbeda dapat digunakan sebagai pendeteksi emosi manusia. Dalam mengklasifikasi emosi, data EEG perlu dilakukan penguraian atau pengolahan sinyal menjadi nilai-nilai yang dapat membantu dalam mengenali emosi. Penelitian ini dilakukan untuk mengklasifikasi emosi manusia dari data EEG menggunakan metode Power Spectral Density (PSD) dan Discrete Wavelete Transform (DWT) pada tahap awal pengklasifikasian serta metode Decision Tree sebagai metode akhir yang dapat memperbaiki akurasi dari dua metode pada tahap awal pengklasifikasian. Metode DWT digunakan sebagai acuan dalam klasifikasi emosi, hal ini dikarenakan pada metode DWT memiliki output nilai arousal dan valance sedangkan pada metode PSD hanya memiliki output gabungan (emosi) tanpa diketahui nilai arousal dan valance. Adapun hasil dari penelitian ini adalah, dari segi akurasi, metode decision tree dapat memperbaiki akurasi dari metode power spectral density yang mulanya sebesar 99,25%. Hal ini dikarenakan dari 400 trial yang dilakukan pada 10 partisipan, hanya terjadi perbedaan output pada 3 trial.</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>98229</recordIdentifier>
 <recordCreationDate encoding="w3cdtf">2022-02-21 13:40:59</recordCreationDate>
 <recordChangeDate encoding="w3cdtf">2022-02-21 15:23:19</recordChangeDate>
 <recordOrigin>machine generated</recordOrigin>
</recordInfo>
</modsCollection>