Article Per Year (5 Year)
p-Index From 2020 - 2025
0
P-Index
This Author published in this journals
All Journal Seminar Nasional Aplikasi Teknologi Informasi (SNATI)
Nendra Cahya Permana
Universitas Jenderal Achmad Yani
Computer Science & IT

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
Deteksi Respon Konsentrasi Terhadap Rangsangan Suara Secara Real-Time Menggunakan Wavelet dan Support Vector Machine Nendra Cahya Permana; Esmeralda C. Djamal; Agus Komarudin
Seminar Nasional Aplikasi Teknologi Informasi (SNATI) 2017
Publisher : Jurusan Teknik Informatika, Fakultas Teknologi Industri, Universitas Islam Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Konsentrasi merupakan penunjang untuk mencapai tujuan dalam melakukan kegiatan. Rangsangan suara dapat mempengaruhi konsentrasi dan dapat digunakan dalam terapi rehabilitasi medik. Oleh karena itu, peningkatan konsentrasi dapat dilakukan dengan pemberian rangsangan suara, namun perlu diukur efektivitasnya ditinjau dari jenis suara dan waktu pemberian. Namun, untuk mendeteksi respon tingkat konsentrasi terhadap rangsangan suara tersebut tidak mudah. EEG merupakan suatu alat yang dapat memberikan informasi kondisi pikiran berdasarkan aktivitas listrik di otak. Beberapa penelitian terdahulu telah melakukan analisis sinyal EEG untuk kondisi emosi, kondisi rileks, dan variabel pikiran lainnya. Analisis sinyal EEG tidak mudah, termasuk untuk mendeteksi respon konsentrasi sehingga diperlukan pemrosesan menggunakan metode yang tepat. Penelitian terdahulu menggunakan Absolute Power Spectrum, Wavelet dan Adaptive Backpropagation untuk identifikasi konsentrasi secara offline. Dalam evaluasi terapi, respon tingkat konsentrasi terhadap rangsangan suara perlu dideteksi setiap waktunya sehingga dibutuhkan perangkat yang dapat memonitor respon konsentrasi secara real-time. Penelitian ini telah menghasilkan sistem untuk mendeteksi respon tingkat konsentrasi seseorang terhadap rangsangan suara secara real-time setiap enam detik. Sistem dibangun menggunakan Wavelet untuk ekstraksi ciri dan Support Vector Machine untuk memisahkan tingkat konsentrasi dengan akurasi yang diperoleh sebesar 93,6% untuk data latih dan 85% untuk data uji.
Co-Authors Agus Komarudin Esmeralda C. Djamal