EKSTRAKSI FITUR SINYAL ELEKTROENSEFALOGRAF (EEG) UNTUK IDENTIFIKASI UNSPOKEN-SPEECH MENGGUNAKAN EEGLAB
|
|
- Indra Sudjarwadi
- 6 tahun lalu
- Tontonan:
Transkripsi
1
2 EKSTRAKSI FITUR SINYAL ELEKTROENSEFALOGRAF (EEG) UNTUK IDENTIFIKASI UNSPOKEN-SPEECH MENGGUNAKAN EEGLAB Pembimbing : Ir. Syamsul Arifin, MT. Andi Rahmadiansah, ST. MT. oleh : Bagas Isadewa Teknik Fisika ITS
3
4 the Idea Kelumpuhan
5 the Idea Unspoken-Speech merupakan aktivitas berbicara atau mengucapkan suatu kata tanpa menggunakan organorgan artikulatori dan tidak menghasilkan suara sama sekali.
6 the Idea Brain-Computer Interface
7 Permasalahan Bagaimana cara mengekstraksi fitur sinyal EEG untuk identifikasi unspoken-speech menggunakan EEGLAB
8 Tujuan dan Manfaat Mendapatkan fitur sinyal EEG pada aktivitas unspoken-speech. Memudahkan proses klasifikasi sinyal EEG untuk pengembangan Brain-Computer Interface (BCI).
9 Brain Computer Interface must not depend on the brain s normal output pathways of peripheral nerves and muscles
10 Brain Computer Interface Perekaman sinyal EEG Preprocessing (artefact removal) Ekstraksi fitur Klasifikasi / translasi fitur Aplikasi BCI
11 Elektroensefalograf Elektroda Bio-Amp Filter ADC Display
12 Ritme Sinyal EEG
13 Bagaimana Otak Bekerja?
14 Bagaimana Otak Bekerja?
15 Mulai Ekstraksi epoch Perekaman sinyal EEG Dekomposisi data dan artifact removal menggunakan ICA Konversi sinyal.raw menjadi.txt Averaging data Import data ke EEGLAB Visualisasi ERP Import lokasi kanal Analisa dan pembahasan Segmentasi event Selesai
16 Eksperimen 2 (dua) subjek laki-laki dewasa Aktivitas yang dilakukan yaitu membaca tanpa suara Blocks : A20x / I 20x / U 20x / E 20x / O20x Sequential : (AIUEO)5x diulang 4x Total 20x untuk tiap huruf
17 Eksperimen Menggunakan Compumedics ProFusion 21 channel Stimulus ditampilkan di layar laptop Berupa slideshow huruf A I U E O Pengolahan data menggunakan EEGLAB
18 Perekaman Sinyal EEG Pemasangan elektroda dengan standar 10-20
19 EEGLAB??? Matlab toolbox opensource
20 Flowchart Mulai Segmentasi event Perekaman sinyal EEG Ekstraksi epoch Konversi data sinyal Ekstraksi fitur pada sinyal Import data ke EEGLAB Import lokasi kanal Analisa dan pembahasan Re-reference elektroda Selesai
21 Mulai Data sinyal EEG per epoch Inspeksi visual data tiap epoch Inspeksi visual data tiap epoch Visualisasi fitur Visualisasi fitur Run ICA Selesai Analisa kemiripan sinyal
22 Olah Data Pra EEGLAB Sinkronisasi Event Waktu rekaman EEG dan stimulus direkam untuk mendapatkan waktu onset stimulus Hasil perekaman berupa.raw Konversi data.raw menjadi.txt menggunakan Persyst Channel A1 dan A2 dihapus
23 EEGLAB - preprocessing Import data.txt Import channel location : 19 channel Import event : berdasarkan sinkronisasi Event ialah Segmentasi event Ekstraksi epoch Epoch ialah
24 Fitur Fitur ialah suatu karakter pembeda dari sinyal hasil pengukuran yang didapat dari segmentasi pola sinyal tertentu Ekstraksi fitur bertujuan untuk mendapatkan karakteristik atau ciri yang unik dari suatu pola sinyal Proses klasifikasi menjadi lebih mudah jika sinyal yang bersangkutan hanya mengandung fitur yang dibutuhkan
25 EEGLAB Ekstraksi Fitur Fitur Apa? ERP (event related potential) PSD (power spectral density) ERP image
26 EEGLAB Ekstraksi Fitur Dekomposisi data menggunakan ICA Menghasilkan ERP Artifact Removal Averaging Data Menghasilkan ERP Time-Freq Analysis Power Spectral Density
27 ERP??? Event related potential Potensial listrik yang muncul terkait dengan event tertentu Tidak terlihat pada sinyal raw Orde dalam mikrovolt Muncul pada rentang waktu beberapa ratus milisekon
28 ERP? Lanjut Secara tradisional diekstrak melalui averaging ICA mampu mendekomposisi sinyal EEG untuk mendapatkan komponen ERP
29 Averaging ERP Menjumlahkan trials Trials adalah data kontinyu pada rentang waktu terkait dengan event Trials harus time-locked dengan event Averaging melemahkan sinyal yang berbeda fasa dan menguatkan sinyal berfasa sama pada time-locked
30 Averaging
31 ICA ERP Independent component analysis Memberikan solusi pada blind source separation Berfungsi sebagai spatial filter
32 ICA Skema
33 ICA Contoh
34 Artifak Ialah sinyal non neural yang ikut terekam pada sinyal EEG Sumber artifak : Kedipan mata Gerakan mata Gerakan otot dahi Gerakan rahang
35 Sinyal Artifak
36 Sebelum didekomposisi
37 Hasil dekomposisi ICA
38 ERP single-trial
39
40
41 Kemiripan Sinyal
42 ERP image
43
44 Power Spectral Density
45
46 RMS sinyal dekomposisi ICA
47
48 Kesimpulan Pada penelitian ini metode yang digunakan untuk mengolah sinyal EEG ialah segmentasi sinyal, inspeksi visual, averaging dan dekomposisi data dengan algoritma ICA. Keempat metode tersebut telah diimplementasikan pada data menggunakan perangkat lunak EEGLAB. Fitur yang berhasil diperoleh ialah event related potential, ERP image, power spectral density dan root mean square. Hasil dekomposisi sinyal EEG menggunakan ICA menunjukkan pola yang tidak beraturan dan tidak menghasilkan pola ERP yang merespon adanya stimuli.
49 ERP hasil inspeksi visual memberikan pola sinyal yang menunjukkan respon terhadap stimuli dengan jelas karena sinyal dari semua kanal mempunyai pola yang mirip. Sinyal EEG yang dianalisa mempunyai kandungan frekuensi pada ritme alpha. Hal ini terlihat pada grafik PSD dimana nilai PSD yang signifikan berada pada rentang frekuensi 10 Hz. Hasil dari analisa kemiripan sinyal secara visual menunjukkan bahwa ERP dari kelima subjek mempunyai kemiripan pola sinyal pada rentang waktu 250 ms hingga 300 ms. Hasil perhitungan koefisien kemiripan sinyal memberikan nilai yang rendah untuk setiap perbandingan. Hasil rata-rata dari semua koefisien korelasi bernilai 0,28.1
50 Saran Menambah jumlah naracoba agar data percobaan menjadi lebih banyak sehingga pola fitur yang didapat menjadi lebih akurat. Menambah jumlah naracoba agar data percobaan menjadi lebih banyak sehingga pola fitur yang didapat menjadi lebih akurat. Pemberian stimulus diperbanyak macamnya seperti mengucapkan kata atau kalimat. Melakukan proses klasifikasi atau pengenalan fitur sehingga terwujudnya sistem Brain Computer Interface.
Ekstraksi Fitur Sinyal Elektroensefalograf (EEG) Untuk Identifikasi Unspoken-speech Menggunakan EEGLAB
Ekstraksi Fitur Sinyal Elektroensefalograf (EEG) Untuk Identifikasi Unspoken-speech Menggunakan EEGLAB Bagas Isadewa #1, Ir. Syamsul Arifin, MT. #2, Andi Rahmadiansah, ST. MT. #3 # Jurusan Teknik Fisika,
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN 3.1 Metode Penelitian Dalam metode penelitian ini dijelaskan bagaimana proses pendeteksian kebohongan menggunakan metode SVM untuk sinyal EEG. Metode penelitian dapat dilihat
Lebih terperinciBAB I PENDAHULUAN. mengalami perkembangan yang sangat cepat. Atas perimbangan nilai sosial,
BAB I PENDAHULUAN 1.1 Latar Belakang Biomedis merupakan salah satu ilmu interdisipliner yang sangat berkembang di era sekarang. Biomedis merupakan gabungan dari bidang ilmu elektro, informatika, mekanik,
Lebih terperinciBRAMARA D Dosen Pembimbing I : NIP Dosen Pembimbing II : Andi Rahmadiansah, ST, MT. NIP
BRAMARA D. 2407.100.009 Dosen Pembimbing I : Dr. Dhany Arifianto, ST, M.Eng. NIP. 19731007 199802 1 001 Dosen Pembimbing II : Andi Rahmadiansah, ST, MT. NIP. 19790517 200312 1 002 Judul Tugas Akhir : PEMISAHAN
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Seluruh aktivitas tubuh manusia dikendalikan dan dikuasai oleh otak. Otak manusia mengarahkan seluruh tindakan yang dilakukan oleh manusia. Otak menjadi bagian terpusat
Lebih terperinciKLASIFIKASI DAN EKSTRAKSI SINYAL EEG-P300 MENGGUNAKAN SUPPORT VECTOR MACHINE
1 BAB I PENDAHULUAN 1.1 Latar Belakang Otak merupakan organ yang sangat penting pada manusia, dimana otak memiliki kemampuan untuk mengendalikan setiap aktivitas yang dilakukan oleh manusia baik dalam
Lebih terperinciABSTRAK Pada tugas akhir ini dibuat sistem pengidentifikasi sinyal EEG, yaitu komponen gelombang alpha, beta dan theta dengan menggunakan transformasi
ABSTRACT This final report is discussed about identification system of EEG signal, named alpha, beta and theta components. The technique are using discrete wavelet tranform and power spectral analysis.
Lebih terperinciPengaruh Latar Belakang Warna pada Objek Gambar terhadap Hasil Ekstraksi Sinyal EEG
IJEIS, Vol.7, No.2, October 2017, pp. 161~172 ISSN: 2088-3714 161 Pengaruh Latar Belakang Warna pada Objek Gambar terhadap Hasil Ekstraksi Sinyal EEG Catur Atmaji* 1, Zandy Yudha Perwira 2 1 Departemen
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
1.1 Latar Belakang BAB I PENDAHULUAN Dewasa ini penciptaan video game tidak hanya ditujukan untuk media hiburan saja melainkan juga diperuntukan sebagai media pendidikan bagi berbagai kalangan khususnya
Lebih terperinciADLN - PERPUSTAKAAN UNIVERSITAS AIRLANGGA BAB I PENDAHULUAN
BAB I PENDAHULUAN 1.1 Latar Belakang Perkembangan ilmu pengetahuan dan teknologi berkembang dengan pesat, terutama bidang elektronika dan komputer yang diterapkan pada bidang medis. Kemajuan teknologi
Lebih terperinciADLN - PERPUSTAKAAN UNIVERSITAS AIRLANGGA BAB III METODE PENELITIAN. Program Studi S1 Teknobiomedik, Departemen Fisika, Fakultas Sains dan
BAB III METODE PENELITIAN 3.1 Tempat dan Waktu Penelitian Penelitian ini telah dilaksanakan di Laboratorium Instrumentasi Medis, Program Studi S1 Teknobiomedik, Departemen Fisika, Fakultas Sains dan Teknologi,
Lebih terperinci1. Pendahuluan Latar Belakang
1. Pendahuluan 1.1. Latar Belakang Musik merupakan sarana untuk menyimpan hasil karya seseorang. Dan hampir semua notasi musik dituliskan ke dalam not balok. Not balok adalah susunan nada yang ditulis
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN 3.1 Desain Penelitian Berikut merupakan desain penelitian yang akan digunakan pada proses penelitian penerapan Hidden Markov Models : 40 Studi Literatur dan Kepustakaan Rumusan
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN. perangkat. Alat dan bahan yang digunakan sebelum pengujian:
BAB IV HASIL DAN PEMBAHASAN 4.1 Pengujian Perangkat Lunak Dalam mengetahui perangkat lunak yang dibuat bisa sesuai dengan metode yang dipakai maka dilakukan pengujian terhadap masing-masing komponen perangkat.
Lebih terperinciAnalisis Data EEG pada Beberapa Kondisi menggunakan Metode Dekomposisi dan Korelasi berbasis Wavelet (Dekorlet)
Analisis Data EEG pada Beberapa Kondisi menggunakan Metode Dekomposisi dan Korelasi berbasis Wavelet (Dekorlet) Agfianto Eko Putra 1, Catur Atmaji 2 Program Studi Elektronika & Instrumentasi, Jurusan Ilmu
Lebih terperinciNama : Ricky Shonda Sanjaya NRP :
IDENTIFIKASI AKTIVITAS MENTAL MANUSIA MENGGUNAKAN KOMBINASI PCA (PRINCIPAL COMPONENT ANALYSIS) DAN JARINGAN SARAF TIRUAN PADA SINYAL EEG (ELECTROENCEPHALOGRAM) Nama : Ricky Shonda Sanjaya NRP : 0622006
Lebih terperinciPENGKLASIFIKASIAN TINGKAT DANGEROUS DRIVING BEHAVIOR MENGGUNAKAN DATA ELEKTROENSEFALOGRAFI (EEG) DENGAN PENDEKATAN MACHINE LEARNING
PENGKLASIFIKASIAN TINGKAT DANGEROUS DRIVING BEHAVIOR MENGGUNAKAN DATA ELEKTROENSEFALOGRAFI (EEG) DENGAN PENDEKATAN MACHINE LEARNING Nama : Alisca Damayanti NPM : 50412648 Jurusan : Teknik Informatika Fakultas
Lebih terperinciBAB I PENDAHULUAN. PSD Bab I Pendahuluan 1
BAB I PENDAHULUAN Pengolahan Sinyal Digital (Digital Signal Processing, disingkat DSP) adalah suatu bagian dari sain dan teknologi yang berkembang pesat selama 40 tahun terakhir. Perkembangan ini terutama
Lebih terperinciADLN Perpustakaan Universitas Airlangga SKRIPSI LA FEBRY ANDIRA ROSE CYNTHIA
KLASIFIKASI UNSPOKEN-SPEECH PADA SINYAL OTAK BERBASIS TRANSFORMASI WAVELET DAN JARINGAN SARAF TIRUAN (JST) SKRIPSI LA FEBRY ANDIRA ROSE CYNTHIA PROGRAM STUDI S1-TEKNOBIOMEDIK DEPARTEMEN FISIKA FAKULTAS
Lebih terperinciBAB 3 ANALISIS DAN PERANCANGAN PROGRAM APLIKASI
BAB 3 ANALISIS DAN PERANCANGAN PROGRAM APLIKASI Bab ini berisi analisis pengembangan program aplikasi pengenalan karakter mandarin, meliputi analisis kebutuhan sistem, gambaran umum program aplikasi yang
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN
BAB IV HASIL DAN PEMBAHASAN 4.1. Pengujian Perangkat Lunak Dalam mengetahui perangkat lunak yang dibuat bisa sesuai dengan metode yang dipakai maka dilakukan pengujian terhadap masin-masing komponen perangkat.
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Pada sistem identifikasi pembicara atau speaker identification, proses eksraksi ciri memainkan peranan penting dalam menghasilkan persentase keakuran yang baik. Terdapat
Lebih terperinciBAB IV PEMBAHASAN. A. Hasil Model Radial Basis Function Neural Network (RBFNN) Langkah-langkah untuk menentukan model terbaik Radial Basis Function
BAB IV PEMBAHASAN A. Hasil Model Radial Basis Function Neural Network (RBFNN) Langkah-langkah untuk menentukan model terbaik Radial Basis Function Neural Network (RBFNN) untuk diagnosis penyakit jantung
Lebih terperinciBAB III METODE PENELITIAN DAN PERANCANGAN SISTEM. penelitian laboratorium. Studi kepustakaan dilakukan untuk mencari teori atau
BAB III METODE PENELITIAN DAN PERANCANGAN SISTEM 3.1 Metode Penelitian Metode penelitian yang digunakan meliputi studi kepustakaan dan penelitian laboratorium. Studi kepustakaan dilakukan untuk mencari
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Batuk merupakan mekanisme refleks yang sangat penting untuk menjaga jalan napas tetap terbuka (paten) dengan cara menyingkirkan hasil sekresi lendir yang menumpuk pada
Lebih terperinciIDENTIFIKASI SINYAL EEG MENGGUNAKAN KOEFISIEN REGRESI DAN JARINGAN SYARAF TIRUAN
IDENTIFIKASI SINYAL EEG MENGGUNAKAN KOEFISIEN REGRESI DAN JARINGAN SYARAF TIRUAN Hindarto Jurusan Teknik Informatika, Fakultas Teknik, Universitas Muhammadiyah Sidoarjo hindartomay@yahoo.com Abstrak Dalam
Lebih terperinciIDENTIFIKASI KERUSAKAN MESIN BERPUTAR BERDASARKAN SINYAL SUARA DENGAN METODE ADAPTIVE NEURO FUZZY INFERENCE SYSTEM
IDENTIFIKASI KERUSAKAN MESIN BERPUTAR BERDASARKAN SINYAL SUARA DENGAN METODE ADAPTIVE NEURO FUZZY INFERENCE SYSTEM Seminar Tugas Akhir O L E H : M I F T A H U D D I N P E M B I M B I N G : I R. Y E R R
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Wicara atau ucapan adalah cara berkomunikasi yang paling sederhana dan sering digunakan oleh manusia. Namun, seiring dengan perkembangan teknologi, proses komunikasi
Lebih terperinciBAB III METODOLOGI. dari suara tersebut dapat dilihat, sehingga dapat dibandingkan, ataupun dicocokan dengan
23 BAB III METODOLOGI 3.1 Metodologi Penelitian Penelitian ini ingin membangun sistem yang dapat melakukan langkah dasar identifikasi, yaitu melakukan ektraksi suara Gamelan Bonang, dengan ekstrasi ini,
Lebih terperinciKarakteristik Spesifikasi
Sinyal yang masuk difilter ke dalam sinyal frekuensi rendah (low-pass filter) dan sinyal frekuensi tinggi (high-pass filter) Lakukan downsampling pada kedua sinyal tersebut Low-pass frekuensi hasil downsampling
Lebih terperinciSUBJECTIVE AND OBJECTIVE MEASURE ON SPEECH INTELLIGIBILITY BY RELEASE OF MASKING PHENOMENON
SUBJECTIVE AND OBJECTIVE MEASURE ON SPEECH INTELLIGIBILITY BY RELEASE OF MASKING PHENOMENON Oleh: ANINTYO ADI NUGROHO NRP. 2406 100 039 JURUSAN TEKNIK FISIKA FAKULTAS TEKNOLOGI INDUSTRI INSTITUT TEKNOLOGI
Lebih terperinciPEMISAHAN BANYAK SUMBER SUARA MESIN DARI MIKROFON BERBASIS TIME-FREQUENCY BLIND SOURCE SEPARATION
PEMISAHAN BANYAK SUMBER SUARA MESIN DARI MIKROFON BERBASIS TIME-FREQUENCY BLIND SOURCE SEPARATION Sherly Sabaraya, Dhany Arifianto Jurusan Teknik Fisika-Fakultas Teknologi Industri Institut Teknologi Sepuluh
Lebih terperinciDisusun Oleh: Kevin Yogaswara ( ) Meitantia Weni S B ( ) Pembimbing: Ir. Rusdhianto Effendi AK., MT.
Disusun Oleh: Kevin Yogaswara (2207 030 006) Meitantia Weni S B (2207 030 055) Pembimbing: Ir. Rusdhianto Effendi AK., MT. PROGRAM STUDI DIII TEKNIK ELEKTRO FAKULTAS TEKNOLOGI INDUSTRI INSTITUT TEKNOLOGI
Lebih terperinciBAB III METODE PENELITIAN DAN PERANCANGAN SISTEM. Metode penelitian yang digunakan pada penelitian ini adalah denoising
BAB III METODE PENELITIAN DAN PERANCANGAN SISTEM 3.1 Metode Penelitian Metode penelitian yang digunakan pada penelitian ini adalah denoising menggunakan Blind Source Separation dengan metode ICA. Data
Lebih terperinciBAB III METODE PENELITIAN DAN PERANCANGAN SISTEM
BAB III METODE PENELITIAN DAN PERANCANGAN SISTEM 3.1 Metode Penelitian Database sinyal EKG Pengambilan data dari database Visual Basic 6.0 Discrete Wavelet Transform (DWT) Dekomposisi Daubechies Orde 2
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN. dicolokan ke komputer, hal ini untuk menghindari noise yang biasanya muncul
37 BAB IV HASIL DAN PEMBAHASAN 4.1 Hasil 4.1.1 Pengambilan Database Awalnya gitar terlebih dahulu ditala menggunakan efek gitar ZOOM 505II, setelah ditala suara gitar dimasukan kedalam komputer melalui
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Suara paru terjadi karena adanya turbulensi udara saat udara memasuki saluran pernapasan selama proses pernapasan. Turbulensi ini terjadi karena udara mengalir dari
Lebih terperinciPEMISAHAN SINYAL SUARA MENGGUNAKAN METODE BLIND SOURCE SEPARATION ABSTRAK
PEMISAHAN SINYAL SUARA MENGGUNAKAN METODE BLIND SOURCE SEPARATION Berkat Willmart Telaumbanua / 0322055 Jurusan Teknik Elektro, Fakultas Teknik, Jl. Prof. Drg. Suria Sumantri 65, Bandung 40164, Indonesia
Lebih terperinciGambar 1 : Sistem Penempatan Elektoda [1]
Cara Kerja EEG Rekaman EEG umumnya melalui elektroda yang diletakkan di kulit kepala atau dapat juga ditanam intra kranial. Untuk meningkatkan kontak listrik antara elektroda dan kulit kepala digunakan
Lebih terperinciBAB 2 LANDASAN TEORI. Pengenalan suara (voice recognition) dibagi menjadi dua jenis, yaitu
BAB 2 LANDASAN TEORI 2.1 Pengenalan Suara. Pengenalan suara (voice recognition) dibagi menjadi dua jenis, yaitu speech recognition dan speaker recognition. Speech recognition adalah proses yang dilakukan
Lebih terperinciBAB I PENDAHULUAN I.1 Latar Belakang
BAB I PENDAHULUAN I.1 Latar Belakang Prinsip teknologi dikembangkan adalah untuk membuat alat atau sarana yang dapat membantu dan memberi kemudahan bagi manusia untuk melakukan kegiatan dalam hidup. Seiring
Lebih terperinciBAB III METODE PENELITIAN. Pemotong an Suara. Convert. .mp3 to.wav Audacity. Audacity. Gambar 3.1 Blok Diagram Penelitian
BAB III METODE PENELITIAN 3.1 Model Penelitian Penelitian yang dilakukan dapat dijelaskan melalui blok diagram seperti yang terlihat pada Gambar 3.1. Suara Burung Burung Kacer Burung Kenari Pengambil an
Lebih terperinciPENGUJIAN SINYAL AUDIO MULTICHANNEL DENGAN METODE SUBJECTIVE TEST BERDASARKAN REC. ITU-R BS
PENGUJIAN SINYAL AUDIO MULTICHANNEL DENGAN METODE SUBJECTIVE TEST BERDASARKAN REC. ITU-R BS.1116-1 FADLUR RAHMAN 0910952042 DOSEN PEMBIMBING : Dr. IKHWANA ELFITRI Blok Diagram Sampel Audio Multichannel
Lebih terperinciYOGI WARDANA NRP
PENGEMBANGAN ALGORITMA SISTEM IDENTIFIKASI MATA MANUSIA BERBASIS PENGOLAHAN CITRA DENGAN METODE GABOR PADA PERALATAN AOI ( AUTOMATED OPTICAL INSPECTION ) YOGI WARDANA NRP. 2107 100 115 JURUSAN TEKNIK MESIN
Lebih terperinciBAB 3 ANALISIS DAN PERANCANGAN PROGRAM
BAB 3 ANALISIS DAN PERANCANGAN PROGRAM Program aplikasi ini dirancang dengan menggunakan perangkat lunak Microsoft Visual C# 2008 Express Edition. Proses perancangan menggunakan pendekatan Object Oriented
Lebih terperinciPEMBUATAN PERANGKAT BASIS DATA UNTUK SINTESIS UCAPAN (NATURAL SPEECH SYNTHESIS) BERBAHASA INDONESIA BERBASIS HIDDEN MARKOV MODEL (HMM)
PEMBUATAN PERANGKAT BASIS DATA UNTUK SINTESIS UCAPAN (NATURAL SPEECH SYNTHESIS) BERBAHASA INDONESIA BERBASIS HIDDEN MARKOV MODEL (HMM) Oleh: ELOK ANGGRAYNI NRP. 2409 100 092 Dosen Pembimbing: Prof. Dr.
Lebih terperinciBAB III METODE PENELITIAN. jantung pasien penyakit jantung secara elektro-akustik atau PCG
BAB III METODE PENELITIAN A. Metode Pengumpulan Data Data penelitian ini diperoleh melalui observasi terhadap pasien penyakit jantung. Penelitian ini menggunakan alat untuk mendeteksi dan perekaman detak
Lebih terperinciADLN - PERPUSTAKAAN UNIVERSITAS AIRLANGGA BAB III METODOLOGI PENELITIAN. Fisika, Fakultas Sains dan Teknologi, Universitas Airlangga.
BAB III METODOLOGI PENELITIAN 3.1. Waktu dan Tempat Penelitian Penelitian dilaksanakan pada bulan Februari 2015 hingga Desember 2015 di Laboratorium Elektronika dan Laboratorium Instrumentasi Medis, Departemen
Lebih terperinciIMPLEMENTASI MODULASI DAN DEMODULASI GMSK PADA DSK TMS320C6416T
IMPLEMENTASI MODULASI DAN DEMODULASI GMSK PADA DSK TMS320C6416T 22 11 106 032 ADITYA SUKMANA Pembimbing 1 Pembimbing 2 : Dr. Ir. Suwadi, M.T : Ir. Titiek Suryani, M.T Latar Belakang 1 2 1 1 Mempelajari
Lebih terperinciLAPORAN PRAKTIKUM DSP
LAPORAN PRAKTIKUM DSP MODUL 3 REPRESENTASI SINYAL DALAM DOMAIN WAKTU DAN DOMAIN FREKUENSI Disusun Oleh : Yuli Yuliantini (121014 7021) Teknik Telekomunikasi - PJJ PENS Akatel Politeknik Negeri Elektro
Lebih terperinciBAB IV HASIL PENELITIAN DAN PEMBAHASAN. Rancangan antarmuka (interface) program terdiri dari form cover, form
BAB IV HASIL PENELITIAN DAN PEMBAHASAN 4.1 Rancangan Antarmuka (interface) Program Rancangan antarmuka (interface) program terdiri dari form cover, form testing dan form training (untuk programer). 4.1.1
Lebih terperinciEMOTIV EPOC SOP. BRAIN COMPUTER INTERFACE & SCIENTIFIC CONTEXTUAL EEG Laboratorium Biofisika Institut Teknologi Bandung
EMOTIV EPOC SOP BRAIN COMPUTER INTERFACE & SCIENTIFIC CONTEXTUAL EEG Laboratorium Biofisika Institut Teknologi Bandung SOP No. Prepared By: Signature Date Description 01/A/Biofis/XII/2014 Yudiansyah Akbar
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Bertambahnya jumlah mahasiswa dari tahun ke tahun di IT Telkom mengakibatkan semakin banyak buku buku Tugas Akhir yang dibuat. Dengan semakin banyaknya buku
Lebih terperinciBAB 4 UJICOBA DAN ANALISIS
BAB 4 UJICOBA DAN ANALISIS Bab ini membahas tentang prosedur ujicoba, hasil-hasil ujicoba, dan analisis hasil ujicoba alat stimulasi OpenMCS dan program sinyal terapi µstims. Pembahasan ujicoba dan analisis
Lebih terperinci4.2.3 UJI PROTEKSI TERHADAP ARUS LISTRIK RATA RATA BERLEBIH
maksimum 1,54%. Nilai kesalahan rata-rata kurang dari 1% ini menunjukkan proteksi terhadap muatan listrik berlebih memadai untuk diterapkan pada sistem terapeutik. Tetapi data kesalahan maksimum yang mencapai
Lebih terperinciBAB 3 PERANCANGAN SISTEM
20 BAB 3 PERANCANGAN SISTEM 3.1 Rancangan Perangkat Keras Sistem ini hanya menggunakan beberapa perangkat keras yang umum digunakan, seperti mikrofon, speaker (alat pengeras suara), dan seperangkat komputer
Lebih terperinciSeminar Nasional APTIKOM (SEMNASTIKOM), Hotel Lombok Raya Mataram, Oktober 2016
IMPLEMENTASI ALGORITMA FAST FOURIER TRANSFORM DAN MEAN SQUARE PERCENTAGE ERROR UNTUK MENGHITUNG PERUBAHAN SPEKTRUM SUARA SETELAH MENGGUNAKAN FILTER PRE-EMPHASIS Fitri Mintarsih 1, Rizal Bahaweres 2, Ricky
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN 3.1 Waktu dan Tempat Penelitian Waktu yang digunakan dalam penelitian ini yaitu dalam kurun waktu enam bulan terhitung mulai februari 2012 sampai juli 2012. Tempat yang digunakan
Lebih terperinciPeningkatan Kualitas Sinyal Suara (Speech Intelligibility) Berbahasa Indonesia pada Cochlear Implant
1 Peningkatan Kualitas Sinyal Suara (Speech Intelligibility) Berbahasa Indonesia pada Cochlear Implant Nuryani, Dhany Arifianto Jurusan Teknik Fisika, Fakultas Teknologi Industri, Institut Teknologi Sepuluh
Lebih terperinciOPTIMASI RANCANGAN FILTER BANDPASS AKTIF UNTUK SINYAL LEMAH MENGGUNAKAN ALGORITMA GENETIK Studi Kasus: Sinyal EEG
OPTIMASI RANCANGAN FILTER BANDPASS AKTIF UNTUK SINYAL LEMAH MENGGUNAKAN ALGORITMA GENETIK Studi Kasus: Sinyal EEG Oleh : Ellys Kumala P (1107100040) Dosen Pembimbing Dr. Melania Suweni Muntini, MT JURUSAN
Lebih terperinciIII. METODE PENELITIAN. Penelitian ini dilaksanakan pada bulan Maret 2015 sampai dengan Agustus 2015.
44 III. METODE PENELITIAN A. Waktu dan Tempat Penelitian Penelitian ini dilaksanakan pada bulan Maret 2015 sampai dengan Agustus 2015. Perancangan, pembuatan dan pengambilan data dilaksanakan di Laboratorium
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang Masalah
1 BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Perkembangan teknologi yang pesat mempermudah manusia dalam mencapai kebutuhan hidup. Hal tersebut telah merambah segala bidang termasuk dalam bidang kedokteran.
Lebih terperinciBAB 2 LANDASAN TEORI. mencakup teori speaker recognition dan program Matlab. dari masalah pattern recognition, yang pada umumnya berguna untuk
6 BAB 2 LANDASAN TEORI 2.1 Teori-teori Dasar / Umum Landasan teori dasar / umum yang digunakan dalam penelitian ini mencakup teori speaker recognition dan program Matlab. 2.1.1 Speaker Recognition Pada
Lebih terperinciBAB I PENDAHULUAN ! <!!!!!
BAB I PENDAHULUAN 1.1 Latar Belakang Tuna wicara merupakan seseorang yang mengalami kesulitan dalam berbicara. Hal ini disebabkan oleh kurang atau tidak berfungsinya organ-organ untuk berbicara, seperti
Lebih terperinciIdentifikasi suara ucap berbasis fitur non-akustik dengan menggunakan jaringan syaraf tiruan
Identifikasi suara ucap berbasis fitur non-akustik dengan menggunakan jaringan syaraf tiruan Muhammad Ambarjati (1), Bambang L Widjiantoro (2), Andi Rahmadiasah (3) (1)(2)(3) Jurusan Teknik Fisika Fakultas
Lebih terperinciEMOSI merupakan salah satu fitur penting dan kompleks
1 Klasifikasi Emosi Berdasarkan Gelombang Otak Sinyal EEG Menggunakan Metode k-nearest Neighbour Imania Puspita Sari 1, Dr. Diah Puspito W, ST., M.Sc. 1 and Dr. Ir. Yoyon Kusnendar S, M.Sc. 1 1 Departmen
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang
BAB I PENDAHULUAN 1.1. Latar Belakang Musik saat ini tengah menjadi trend setter yang banyak digemari masyarakat. Terbukti dari menjamurnya program-program mengenai musik di media massa dan besarnya antusiasme
Lebih terperinciPERANCANGAN PERANGKAT LUNAK PREDIKTOR CUACA BERBASIS LOGIKA FUZZY
PERANCANGAN PERANGKAT LUNAK PREDIKTOR CUACA BERBASIS LOGIKA FUZZY Oleh Ilham Bangun Asmoro 2407 100 030 Dosen Pembimbing : Ir. Syamsul Arifin, MT Fitri Adi I., ST, MT Jurusan Teknik Fisika Fakultas Teknologi
Lebih terperinciMateri-2 SENSOR DAN TRANSDUSER (2 SKS / TEORI) SEMESTER 106 TA 2016/2017
Materi-2 SENSOR DAN TRANSDUSER 52150802 (2 SKS / TEORI) SEMESTER 106 TA 2016/2017 KONSEP AKUISISI DATA DAN KONVERSI PENGERTIAN Akuisisi data adalah pengukuran sinyal elektrik dari transduser dan peralatan
Lebih terperinciMETODE PENELITIAN A. WAKTU DAN LOKASI PENELITIAN B. ALAT DAN PERLENGKAPAN
III. METODE PENELITIAN A. WAKTU DAN LOKASI PENELITIAN Kegiatan penelitian ini dilaksanakan mulai bulan November 2010 sampai dengan Januari 2011 di Areal Pesawahan di Desa Cibeureum, Kecamatan Darmaga,
Lebih terperinciPERANCANGAN DAN PEMBUATAN PROTOTIPE BAND PASS FILTER UNTUK OPTIMASI TRANSFER DAYA PADA SINYAL FREKUENSI RENDAH; STUDI KASUS : SINYAL EEG
PERANCANGAN DAN PEMBUATAN PROTOTIPE BAND PASS FILTER UNTUK OPTIMASI TRANSFER DAYA PADA SINYAL FREKUENSI RENDAH; STUDI KASUS : SINYAL EEG LISA SAKINAH (07 00 70) Dosen Pembimbing: Dr. Melania Suweni Muntini,
Lebih terperinciBAB I PENDAHULUAN. manusia satu dengan manusia lainnya berbeda-beda intonasi dan nadanya, maka
BAB I PENDAHULUAN 1.1. LATAR BELAKANG MASALAH Suara adalah suatu alat komunikasi paling utama yang dimiliki oleh manusia. Dengan suara, manusia dapat berkomunikasi dengan manusia lainnya. Melalui suara,
Lebih terperinciBAB I PENDAHULUAN. mengenali dan membedakan ciri khas yang dimiliki suatu objek (Hidayatno,
1 BAB I PENDAHULUAN A. Latar belakang Saat ini pemanfaatan teknologi pengolaan citra untuk mempermudah manusia dalam menyelesaikan masalah-masalah tertentu sudah banyak diterapkan, khususnya dibidang Identifikasi.
Lebih terperinciBAB 1 PENDAHULUAN. dengan proses pengolahan citra digital (digital image processing), dimana data berupa
BAB 1 PENDAHULUAN 1.1 Latar Belakang Pada awalnya, komputer hanya dapat digunakan untuk melakukan pemrosesan terhadap data numerik. Tetapi pada sekarang ini, komputer telah membawa banyak perubahan dan
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Elektrokardiogram (EKG) merupakan sinyal fisiologis yang dihasilkan oleh aktifitas kelistrikan jantung. Sinyal ini direkam menggunakan perangkat elektrokardiograf.
Lebih terperinciLOGO IMPLEMENTASI MODULASI DAN DEMODULASI M-ARY QAM PADA DSK TMS320C6416T
IMPLEMENTASI MODULASI DAN DEMODULASI M-ARY QAM PADA DSK TMS320C6416T 2210106006 ANGGA YUDA PRASETYA Pembimbing 1 Pembimbing 2 : Dr. Ir. Suwadi, MT : Ir. Titik Suryani, MT Latar Belakang 1 2 Perkembangan
Lebih terperinci2) Staf Pengajar Jurusan Fisika, Institut Teknologi Sepuluh Nopember Surabaya
PERANCANGAN DAN PEMBUATAN PROTOTIPE BAND PASS FILTER UNTUK OPTIMASI TRANSFER DAYA PADA SINYAL FREKUENSI RENDAH; STUDI KASUS:SINYAL EEG Lisa Sakinah 1), Dr. Melania SM,M.T 2) 1) Mahasiswa Jurusan Fisika,
Lebih terperinciRancang Bangun Modul EEG Untuk Menentukan Posisi Otak Saat Melakukan Aktivitas Tertentu Menggunakan Metoda Filter Digital IIR
Rancang Bangun Modul EEG Untuk Menentukan Posisi Otak Saat Melakukan Aktivitas Tertentu Menggunakan Metoda Filter Digital IIR Fitra Setiawan #1, Ratna Adil #2 # Jurusan Teknik Elektronika, Politeknik Elektronika
Lebih terperinciI. PENDAHULUAN. Jantung merupakan salah satu organ tubuh yang sangat vital, karena jantung
I. PENDAHULUAN A. Latar Belakang Jantung merupakan salah satu organ tubuh yang sangat vital, karena jantung berfungsi untuk memompakan darah ke seluruh jaringan tubuh. Jika terjadi gangguan pada jantung
Lebih terperinciRancang Bangun Sistem Pemantauan Aktivitas Gelombang Otak Secara Real Time Menggunakan Bio Sensor
Rancang Bangun Sistem Pemantauan Aktivitas Gelombang Otak Secara Real Time Menggunakan Bio Sensor Destyan Sulisetyo Nugroho, Iman Fahruzi 2,2 Jurusan Teknik Elektro, Politeknik Negeri Batam Parkway St-
Lebih terperinciBAB I PENDAHULUAN. pernah tepat, dan sedikitnya semacam noise terdapat pada data pengukuran.
BAB I PENDAHULUAN 1.1 Latar Belakang Saat sesuatu diukur maka beberapa data didapatkan. Umumnya pengukuran tidak pernah tepat, dan sedikitnya semacam noise terdapat pada data pengukuran. Mendapatkan data
Lebih terperinciBAB I PENDAHULUAN. tidak semua orang mau menjalankan pola hidup sehat dan teratur untuk
BAB I PENDAHULUAN 1.1 Latar Belakang Tubuh sehat adalah hal yang pasti diinginkan setiap orang. Akan tetapi, tidak semua orang mau menjalankan pola hidup sehat dan teratur untuk mencapainya. Akibatnya,
Lebih terperinciBAB I PENDAHULUAN. resistor, kapasitor ataupun op-amp untuk menghasilkan rangkaian filter. Filter analog
BAB I PENDAHULUAN 1.1 Latar Belakang Filter merupakan suatu perangkat yang menghilangkan bagian dari sinyal yang tidak di inginkan. Filter digunakan untuk menglewatkan atau meredam sinyal yang di inginkan
Lebih terperinciIDENTIFIKASI SECARA SERENTAK KERUSAKAN MESIN MENGGUNAKAN INDEPENDENT COMPONENT ANALYSIS BERDASARKAN CONVOLUTIVE MIXTURE
IDENTIFIKASI SECARA SERENTAK KERUSAKAN MESIN MENGGUNAKAN INDEPENDENT COMPONENT ANALYSIS BERDASARKAN CONVOLUTIVE MIXTURE SEPTIAN FIRMANDA 2406100065 DOSEN PEMBIMBING Dr.Dhany Arifianto,ST., M.Eng JURUSAN
Lebih terperinciPENGGUNAAN MATLAB DALAM PENYELESAIAN SISTEM PERSAMAAN LINEAR MENGGUNAKAN JARINGAN HOPFIELD LINEAR ABSTRAK
PENGGUNAAN MATLAB DALAM PENYELESAIAN SISTEM PERSAMAAN LINEAR MENGGUNAKAN JARINGAN HOPFIELD LINEAR Rosihan Ari Yuana Program Studi Pendidikan Matematika Universitas Sebelas Maret ABSTRAK Aplikasi jaringan
Lebih terperinciBAB I PENDAHULUAN. Otot adalah sebuah jaringan konektif dalam tubuh dengan tugas utamanya
BAB I PENDAHULUAN 1.1. Latar Belakang Otot adalah sebuah jaringan konektif dalam tubuh dengan tugas utamanya kontraksi. Kontraksi otot berfungsi untuk menggerakkan bagian-bagian tubuh dan substansi dalam
Lebih terperinciBAB I PENDAHULUAN. Proses pengenalan kata merupakan salah satu fungsi dari
BAB I PENDAHULUAN I.1. Latar Belakang Masalah Proses pengenalan kata merupakan salah satu fungsi dari voice recognition. Voice recognition dibagi menjadi dua jenis, yaitu speech recognition dan speaker
Lebih terperinciIDENTIFIKASI KEMATANGAN BUAH TOMAT MENGGUNAKAN METODA BACKPROPAGATION
IDENTIFIKASI KEMATANGAN BUAH TOMAT MENGGUNAKAN METODA BACKPROPAGATION Dila Deswari [1], Hendrick, MT. [2], Derisma, MT. [3] Jurusan Sistem Komputer, Fakultas Teknologi Informasi, Universitas Andalas [1][3]
Lebih terperinciBAB 2 LANDASAN TEORI. metode yang digunakan sebagai pengawasan kendaraan yang menggunakan pengenalan
BAB 2 LANDASAN TEORI 2.1 Automatic Number Plate Recognition Automatic Number Plate Recognition atau yang disingkat dengan ANPR adalah metode yang digunakan sebagai pengawasan kendaraan yang menggunakan
Lebih terperinciPengenalan Aksara Lampung Menggunakan Jaringan Syaraf Tiruan
Pengenalan Aksara Lampung Menggunakan Jaringan Syaraf Tiruan Adhika Aryantio School of Electrical Engineering and Informatics Institute Technology of Bandung 10th Ganeca Street Bandung, Indonesia. Adhikaaryantio.x6@gmail.com
Lebih terperinciARDIKA YENI RUZALIANTO
SKRIPSI ANALISA SINYAL OTOT PERGELANGAN TANGAN DALAM KONDISI FLEXI DAN DALAM KONDISI EXTENSI ARDIKA YENI RUZALIANTO PROGRAM STUDI S1 TEKNOBIOMEDIK FAKULTAS SAINS DAN TEKNOLOGI UNIVERSITAS AIRLANGGA SURABAYA
Lebih terperinciPenggunaan Tapis Adaptif Dalam Proses Editing suara Pada Pembuatan Film Layar Lebar
Penggunaan Tapis Adaptif Dalam Proses Editing suara Pada Pembuatan Film Layar Lebar Bambang Sudarmono Achmad Hidayatno Budi Setiyono Abstrak Permasalahan yang timbul ketika melakukan pengambilan suara
Lebih terperinciBAB 1 PENDAHULUAN. berkaitan dengan pemprosesan sinyal suara. Berbeda dengan speech recognition
BAB 1 PENDAHULUAN 1.1 Latar Belakang Speaker recognition adalah salah satu bidang pengenalan pola yang berkaitan dengan pemprosesan sinyal suara. Berbeda dengan speech recognition yang mengenali kata atau
Lebih terperinciBAB I PENDAHULUAN Latar Belakang Masalah
BAB I PENDAHULUAN 1.1. Latar Belakang Masalah Seiring dengan perkembangan zaman dan semakin meluasnya jaringan multimedia, maka proses pengiriman dan pengaksesan citra digital juga semakin mudah. Kemudahan
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Citra digital telah digunakan secara luas pada era modern seperti sekarang ini, citra digital banyak dimanfaatkan untuk merekam informasi, komunikasi dan lain sebagainya.
Lebih terperinciDATA/ INFO : teks, gambar, audio, video ( = multimedia) Gambar/ citra/ image : info visual a picture is more than a thousand words (anonim)
Pengantar DATA/ INFO : teks, gambar, audio, video ( = multimedia) Gambar/ citra/ image : info visual a picture is more than a thousand words (anonim) Citra : gambar pada bidang 2D. Secara matematis : citra
Lebih terperinciIDENTIFIKASI GENDER MELALUI SUARA DENGAN METODE STATISTIK CIRI ORDE PERTAMA
IDENTIFIKASI GENDER MELALUI SUARA DENGAN METODE STATISTIK CIRI ORDE PERTAMA Dahlan Abdullah 1), Cut Ita Erliana 2), Irdanil Kamal 3) 1), 3) Jurusan Teknik Informatika, Fakultas Teknik, Universitas Malikussaleh
Lebih terperinciPENGENALAN SUARA MANUSIA DENGAN MENGGUNAKAN JARINGAN SARAF TIRUAN MODEL PROPAGASI BALIK
ABSTRAK PENGENALAN SUARA MANUSIA DENGAN MENGGUNAKAN Dosen Jurusan Teknik Elektronika Fakultas Teknik Universitas Negeri Makassar Pada penelitian ini dibuat sebuah sistem pengenalan suara manusia dengan
Lebih terperinciPerancangan piranti lunak untuk pengukuran TRANSMISSION LOSS dan Koefisien Serap Bahan menggunakan metode fungsi transfer
Perancangan piranti lunak untuk pengukuran TRANSMISSION LOSS dan Koefisien Serap Bahan menggunakan metode fungsi transfer Oleh : Alfarizki Wuka Nugraha 2408 100 006 Pembimbing : Andi Rahmadiansah, ST,
Lebih terperinciSpread Spectrum (FHSS) pada
Implementasi Frequency Hopping Spread Spectrum (FHSS) pada DSK TMS30C646T O C K I A D I T YA M 060 - T E L E KO M U N I K A S I M U LT I M E D I A - Pembimbing Dr. Ir. Suwadi, MT Ir. Titik Suryani, MT
Lebih terperinci