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)
Iyan Taufik Hidayat
Universitas Jenderal Achmad Yani
Computer Science & IT

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

Found 1 Documents
Search

 1 
Brain Computer Interface Untuk Aksi Memutar Lagu Terhadap Tiga Kondisi Emosional Menggunakan Spektral Daya dan Adaptive Backpropagation Iyan Taufik Hidayat; Esmeralda C. Djamal; Ridwan Ilyas
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

Musik dapat memberikan efek positif bagi kondisi psikologis dan emosional seseorang, misalnya bagi penyandang Tuna Laras dan penderita gangguan syaraf. Bagi orang yang memiliki keterbatasan fisik, mengoperasikan perangkat eksternal seperti memutar lagu tidaklah mudah. Oleh karena itu Brain Computer Interface (BCI) dengan Elektroensephalogram (EEG) sebagai perangkat intermediate adalah salah satu solusi untuk menangani masalah tersebut. Penelitian terdahulu menggunakan sinyal EEG untuk identifikasi kondisi emosi. Namun pola sinyal dari EEG tidak dapat diklasifikasikan langsung dalam bentuk kondisi emosional, sehingga dibutuhkan sebuah model komputasi yang dapat mengklasifikasikan emosi sebagai masukan dalam mengoperasikan musik dengan genre yang sesuai. Penelitian sebelumnya menggunakan BCI untuk mengendalikan kursi roda dan sebagai input dari video game. Penelitian ini telah membangun BCI melalui sinyal EEG  untuk identifikasi kondisi emosional yang digunakan untuk memilih genre lagu yang dioperasikan. Model komputasi yang dibangun menggunakan Spektral Daya sebagai ekstraksi dan Adaptive Backpropagation sebagai identifikasi. Data EEG hasil perekaman diambil dua menit terakhir, dilakukan pada 10 naracoba untuk data latih dan 10 naracoba data uji dengan tiga kali perekaman dan lima kali perulangan. Sinyal EEG diekstraksi menggunakan Spektral Daya pada frekuensi 4-30 Hz dengan frekuensi sampling 128 Hz, dan diklasifikasikan menggunakan Adaptive Backpropagation. BCI terintegrasi dengan wireless EEG dalam bentuk perangkat lunak. Hasil penelitian memperoleh akurasi pengujian sebesar 99% untuk data yang telah dilatih dan 54% untuk pengujian data baru.
Co-Authors Esmeralda C. Djamal Ridwan Ilyas