Article Per Year (5 Year)
p-Index From 2021 - 2026
13.012
P-Index
This Author published in this journals
All Journal International Journal of Electrical and Computer Engineering IAES International Journal of Artificial Intelligence (IJ-AI) International Journal of Reconfigurable and Embedded Systems (IJRES) Seminar Nasional Aplikasi Teknologi Informasi (SNATI) Jurnal INKOM TELKOMNIKA (Telecommunication Computing Electronics and Control) Bulletin of Electrical Engineering and Informatics Jurnal Ilmiah Teknik Elektro Komputer dan Informatika (JITEKI) ELKOMIKA: Jurnal Teknik Energi Elektrik, Teknik Telekomunikasi, & Teknik Elektronika JETT (Jurnal Elektro dan Telekomunikasi Terapan) JOIV : International Journal on Informatics Visualization JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) TEKTRIKA - Jurnal Penelitian dan Pengembangan Telekomunikasi, Kendali, Komputer, Elektrik, dan Elektronika Building of Informatics, Technology and Science Journal of Electronics, Electromedical Engineering, and Medical Informatics IJAIT (International Journal of Applied Information Technology) Journal of Applied Engineering and Technological Science (JAETS) Jurnal Abdi Insani Madani : Indonesian Journal of Civil Society JURPIKAT (Jurnal Pengabdian Kepada Masyarakat) JURNAL ILMIAH GLOBAL EDUCATION Prosiding Konferensi Nasional PKM-CSR Jurnal Nasional Teknik Elektro dan Teknologi Informasi eProceedings of Applied Science eProceedings of Engineering Community Service Seminar and Community Engagement (COSECANT) Abdibaraya: Jurnal Pengabdian Masyarakat Jurnal Rekayasa elektrika Jurnal INFOTEL Journal of Applied Engineering and Social Science
Sugondo Hadiyoso
Universitas Telkom
Agriculture, Biological Sciences & Forestry Humanities Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Dentistry Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Environmental Science Health Professions Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Mathematics Nursing Public Health Social Sciences Other

Published : 157 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 42 Documents
Search
Journal : eProceedings of Engineering

 1   2   3   4   5 
Analisis Perbandingan Sinyal Alpha Dan Beta Eeg Empat Kanal Terhadap Efek Yang Ditimbulkan Pada Seseorang Saat Diberi Stimulus Berupa Potongan Film Horror Irsyad Abdul Basit; Inung Wijayanto; Sugondo Hadiyoso
eProceedings of Engineering Vol 5, No 3 (2018): Desember 2018
Publisher : eProceedings of Engineering

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

Abstract

Abstrak Film horor merupakan film yang dirancang untuk menciptakan atau memberikan situasi dan keadaan yang menakutkan, mengejutkan, menyeramkan dan teror untuk para penikmatnya. Hal ini memberikan rangsangan tersendiri terhadap otak karena adanya fluktuasi ion pada neuron otak yang dapat terbaca oleh alat electroencephalograph (EEG). Berdasarkan rentang frekuensinya sinyal otak dibagi menjadi 5 jenis pola sinyal otak yaitu alpha, beta, theta, delta, dan gamma dengan frekuensi berbeda-beda dan dimana masing-masing sinyal menandakan kondisi yang berbeda-beda. Pada penelitian kali ini metode Principal Component Analysis (PCA) sebagai ekstraksi ciri dan metode klasifikasi menggunakan K-Nearest Neighbor (K-NN) dengan masukan berupa data sinyal EEG. Pemilihan metode tersebut ditujukan untuk membagi data sinyal menjadi beberapa komponen berdasarkan frekuensinya dan mengklasifikasikan gelombang otak tersebut untuk memperoleh keluaran berupa kondisi emosional seseorang. Tujuan dari penelitian ini adalah untuk mengetahui perbedaan pola sinyal alpha dan beta pada seseorang pada saat diberi stimulus berupa potongan film horor serta didukung dengan sinkronnya detak jantung, ekspresi wajah atau tingkah laku. Pada penelitian ini hasil perbandingan sinyal beta yang cenderung muncul berada dikanal AF7 dan AF8, sedangkan untuk sinyal alpha yang cenderung muncul berada pada kanal TP9 dan TP10. Akurasi terbaik dari penelitian dengan 2 skenario mencapai 77,7% untuk sinyal alpha dan 77,7% untuk sinyal beta. Kata kunci: EEG, alpha beta, Principal Component Analysis, KNN Abstract Horror Movie is a movie that is made to create or giving some reaal life situation and condition such as fear, shock, scare and terror to its audiences. This makes it’s own stimulus to the brain caused by the ion fluctuation in brain neurons that can be read by electroencephalograph (EEG) tool. Based on the range of frequency signals the brain is divided into has 5 types of signal patterns, those are alpha, beta, theta, delta and gamma with each has 5 characteristics of frequency and each represents different human condition. In this research Principal Component Analysis (PCA) method is used as feature extraction and K-Nearest Neighbor (K-NN) classification method is used with the data input from EEG signals. Those method are selected as the function of splitting the data signals to some components based on the frequency and classifying the brain waves itself to obtain the output in the form of human emotional condition. The purpose of this research is to understand the comparison of alpha and beta signal while given a stimulus of horror movie scene, supported by synchronizing heart beat, face expression and habitual act. The result of comparison in this research is that beta signal is more liable in AF7 and AF8 channels, and alpha signals are more liable in TP9 and TP10 channels. The best accuracy of this research with 2 scenario is 77,7% in alpha signal and 77,7% in beta signal. Keywords: EEG, alpha, beta, Principal Component Analysis, KNN
Perancangan Dan Implementasi Sistem Pengendalian Lampu Rumah Berbasis Android Menggunakan Raspberry-pi Adnan Azhary; Inung Wijayanto; Sugondo Hadiyoso
eProceedings of Engineering Vol 3, No 3 (2016): Desember, 2016
Publisher : eProceedings of Engineering

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

Abstract

Pada saat ini pertumbuhan teknologi sangat berkembang pesat dalam berbagai bidang, Salah satunya smart house. Banyak sekali teknologi yang dikembangkan dalam bidang ini, hal ini demi menambah kenyamanan dan keefisienan waktu dalam pengerjaan sesuatu. Salah satunya pengembangan sistem kendali lampu rumah, di antaranya menggunakan remote. Akan tetapi, teknologi tersebut sangat boros karena mengharuskan 1 lampu 1 remote. Aplikasi ini merupakan aplikasi yang digunakan untuk memudahkan pemilik rumah untuk dapat menghidupkan lampu dan mematikan lampu. Hal ini berguna untuk mengurangi biaya tagihan pembayaran listrik, dan menghemat sumber daya alam terbatas. Hasil dari penelitian ini, adalah dari 5 smartphone dengan masing masing 100 kali percobaan di dapat hasil 100% mengikuti perintah, akan tetapi masih menghasilkan delay rata rata terbesar 0.957s. Delay ini di dapat setelah penggantian IC menjadi optocoupler, yang merupakan IC terbaik yang di dapat dari pengujian. Artinya aplikasi ini memenuhi harapan penulis dan berhasi menjalankan fungsinya dengan baik. Kata kunci : Android, Raspberry-PI, Kontrol Lampu
Analisis Perbandingan Pola Sinyal Delta Dan Theta Eeg 5 Channel Terhadap Efek Yang Ditimbulkan Pada Seseorang Saat Diberikan Stimulus Berupa Potongan Film Horor Ana Durrotul Isma; Inung Wijayanto; Sugondo Hadiyoso
eProceedings of Engineering Vol 5, No 3 (2018): Desember 2018
Publisher : eProceedings of Engineering

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

Abstract

Abstrak Saat menonton film horor, tubuh memberikan respon berupa rasa takut. Rasa takut tersebut dapat mengakibatkan naik turunnya aktivitas otak yang menghasilkan sinyal otak dengan karakteristik tertentu. Aktivitas saat menghasilkan sinyal otak tersebut dapat terekam dengan menggunakan alat Electroencephalogram. Berdasarkan rentang frekuensinya, sinyal otak dibagi menjadi 5 yaitu delta, theta, alpha, beta, dan gamma. Pada jurnal ini dirancang sebuah sistem untuk membandingkan pola sinyal kondisi normal, mulai takut, dan sangat takut berdasarkan pola sinyal delta dan theta ketika seseorang diberikan stimulus berupa potongan film horor serta mengklasifikasi kondisi. Ekstraksi ciri yang digunakan yaitu Discrete Wavelet Transform (DWT) dan klasifikasi yang digunakan yaitu K-Nearest Neighbor (KNN). Hasil perbandingan pola sinyal kondisi normal dan takut menunjukkan bahwa untuk sinyal delta pada kedua kondisi tersebut memiliki frekuensi kerja yang sama pada semua kanal, sedangkan untuk sinyal theta pada kedua kondisi tersebut memiliki frekuensi kerja yang berbeda dan perbedaan terbesar berada pada kanal PZ. Hasil pengujian menunjukkan akurasi tertinggi sinyal delta berada pada kanal AF3 dan PZ dengan akurasi sebesar 61.11% dan sinyal theta berada pada kanal T7 dan PZ dengan akurasi sebesar 55.56%. Kata kunci: EEG, DWT, K-NN, film horor Abstract While watching horror movie, human body gives a response in a form of fear. Fear itself can conduce a fluctuation in brain activity and results a certain signal characteristic. The activity of brain waves can be recorded by Electroencephalogram. Based on the signal’s frequency, brain signals can be classified into 5, those are delta, theta, alpha, beta and gamma. In this journal, it is designed a system to compare and classify a different patterns of signals in condition of normal, getting scared, and really scared based on delta and theta signals of someone when given a stimulus of a horror movie scene. The feature extraction that is used in this research is Discrete Wavelet Transform (DWT) and using K-Nearest Neighbor (K-NN) as the classification method. The result from signal pattern comparison shows that on delta signal the frequencies strat working at the same frequency on every channels, on theta signal the frequencies start working at the different frequency and the highest difference is on PZ channel. The testing results show that the highest delta signal accuracy is one the AF3 and PZ channels with an accuracy of 61.11% and the theta signal is on the T7 and PZ channels with an accuracy of 55.56%. Keyword: EEG, DWT, K-NN, horror movie
Analysis Sinyal Alpha Dan Beta Eeg Brainwave Terhadap Perbandingan Konsentrasi Seseorang Pada Kondisi Mendengarkan Musik Dan Merokok Yoza Radyaputra; Inung Wijayanto; Sugondo Hadiyoso
eProceedings of Engineering Vol 5, No 3 (2018): Desember 2018
Publisher : eProceedings of Engineering

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

Abstract

Abstrak Konsentrasi merupakan kemampuan memusatkan perhatian setiap individu orang pada suatu objek kegiatan tertentu. Setiap individu manusia memiliki tahap tingkatan konsentrasi yang berbeda–beda sesuai dengan beberapa faktornya, oleh sebab itu dibutuhkan pemicu rangsangan dari luar untuk meningkatkan serta memaksimalkan tingkat konsentrasi otak di kondisi seperti mendengarkan musik klasik dan merokok. Metode yang digunakan dalam penelitian ini ialah Principal Component Analysis (PCA) sebagai metode Ekstraksi ciri dengan mengekstraksi sinyal terhadap gelombang alpha dan beta untuk mendapatlan suatu ciri yang dibutuhkan pada tahap selanjutnya dalam menjalankan proses klasifikasi menggunakan metode K-Nearest Neighbor (K-NN) Pada penelitian ini digunakan jumlah sebanyak 18 data dengan pembagian 9 sebagai data latih dan 9 sebagai data uji untuk 2 stimulus berbeda. Hasil dari tingkat akurasi menunjukan bahwa berdasarkan pengujian pada pemberian stimulus mendengarkan musik terdapat pada kanal TP9 yang merupakan kanal terbaik mencapai angka sebesar 77.78% untuk sinyal alfa dan 88.89% untuk sinyal beta, sedangkan pengujian pada pemberian stimulus merokok terdapat pada kanal AF7 yang merupakan kanal terbaik mencapai angka sebesar 88.89% untuk sinyal alfa dan 77.78% untuk sinyal beta Kata Kunci: Elektroensephalogram, Principal Component Analysis , K-Nearest Neighbor, Gelombang Alpha, Gelombang Beta. Abstract Concentration is the ability to focus on a specific object. Every people have a different concentration level based on some factors. Therefore, a stimulus is needed to maximize the concentration in a form of condition. Such as listening to classic music and smoking cigarettes. The method that is used in this research is Principal Component Analysis (PCA) as the feature extraction by extracting the signal to alpha and beta waves to obtain a feature which is needed on the next step. Which is classification step using K-Nearest Neighbor (K-NN). This research’s used amount of 18 data with 9 training data and 9 testing data for both 2 different stimulus . The accuracy result is shown based on testing with TP9 channel while listening music is 77.78% for alpha signal and 88.89% for beta signal, then based on testing with AF7 channel while inhaling cigarettes is 88.89% for alpha signal and 77.78 for beta signal. Keywords: EEG, alpha, beta, Principal Component Analysis, KNN
Analisis Perbandingan Pola Sinyal Theta Dan Delta Eeg 4 Kanal Terhadap Efek Yang Ditimbulkan Pada Seseorang Saat Diberi Stimulus Berupa Potongan Film Horror Milan Adila Amalia; Inung Wijayanto; Sugondo Hadiyoso
eProceedings of Engineering Vol 5, No 3 (2018): Desember 2018
Publisher : eProceedings of Engineering

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

Abstract

Abstrak Ketika seseorang menonton film horor, maka efek yang ditimbulkan yaitu suatu ketakutan yang mengakibatkan naik atau turunnya aktivitas otak serta menghasilkan sinyal otak dengan karakteristik tertentu. Aktivitas yang terjadi di dalam otak dapat direkam oleh EEG atau Electroencephalograph. Manusia memiliki 5 jenis sinyal otak yaitu alpha, beta, theta, delta, dan gamma. Tujuan dari tugas akhir ini yaitu untuk mengetahui bentuk gelombang sinyal otak manusia dari sinyal theta yang memiliki rentang frekuensi (4-8)Hz dan sinyal delta yang memiliki rentang frekuensi (0,5-4)Hz. Serta, untuk melihat adanya sinkronisasi antara sinyal otak, detak jantung, dan ekspresi seseorang saat melihat adegan horor. Dalam tugas akhir ini, digunakan satu metode ektraksi ciri dan satu pengklasifikasian yaitu Principal Component Analysis (PCA) dan K-Nearest Neighbor (K-NN). PCA yaitu ekstraksi ciri yang digunakan untuk menyederhanakan suatu data, dengan cara mentranformasi linier. Dan K-NN digunakan sebagai metode untuk melakukan klasifikasi terhadap objek berdasarkan data pembelajaran data latih yang jaraknya paling dekat dengan objek tersebut. Hasil pengujian menunjukan perbandingan sinyal theta yang dominan muncul berada pada kanal AF7 dan AF8. Sedangkan untuk sinyal delta yang dominan muncul terdapat pada kanal TP9 dan TP10. Sedangkan nilai akurasi tertinggi yang didapat yaitu berada pada kanal AF7 dan AF8. Pada kanal AF7 nilai akurasi untuk sinyal delta sebesar 50% dan sinyal theta sebesar 55,56%, sedangkan pada kanal AF8 nilai akurasi untuk sinyal delta sebesar 55,56% dan sinyal theta sebesar 50%. Kata kunci : Film horror, EEG, PCA, K-NN, theta, delta, detak jantung Abstract When someone is watching a horror movie, then the effect brought about a fear that resulted in the rise or fall of brain activity and generate signals the brain with particular characteristics. Activities that occur in the brain can be recorded by EEG or an Electroencephalograph. Humans have 5 kinds of brain signals i.e. alpha, beta, theta, delta, and gamma. The purpose of this final task, namely to know human brain signal waveform of the signal has a frequency range that theta (4-8) Hz and signal delta which has a frequency range (0.5-4) Hz. And, to notice any synchronization between signals the brain, heart rate, and expression of someone when you see a scene of horror. In this final task, use one of the methods of classification and characteristics of ektraksi one that is Principal Component Analysis (PCA) and the K-Nearest Neighbor (K-NN). PCA namely extraction of characteristics that are used to simplify the data, by means of a linear transformation. And K-NN is used as a method to perform the classification based on learning object against data-which are closest to the object. The test result showed a comparison signal theta that is dominant to show up on the AF7 and AF8 channels. While for the delta signals dominant to appear on TP9 and TP10 channels. The highest accuracy that is obtained is located on AF7 and AF8 channels. On AF7 channel the accuracy value is obtained in the amount of 50% for delta signal and 55.56% in theta signal. While, on AF8 channel the accuracy value is obtained in the amount of 55.56% for delta signal and 50% in theta signals. Keywords: Horror movie, EEG, PCA, K-NN, theta, delta, heartbeat
Pengembangan Sistem Pengukuran Tinggi Badan Menggunakan Kinect Andro Harjanto; Achmad Rizal; Sugondo Hadiyoso
eProceedings of Engineering Vol 5, No 3 (2018): Desember 2018
Publisher : eProceedings of Engineering

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

Abstract

Abstrak Kerangka tulang adalah bagian dari organ tubuh manusia yang metabolismenya akan terus aktif dan berkembang, oleh karena itu untuk mengetahui perkembangan tulang tersebut diperlukan suatu metode yaitu Pengukuran Tinggi Badan. Mengukur tinggi badan biasa dilakukan untuk mengetahui tumbuh kembang seseorang,, status gizi serta mengetahui Body Mass Index (BMI). Pengukuran tinggi badan biasanya dilakukan secara manual menggunakan Stature Meter. Pada penelitian Tugas Akhir ini Kamera Kinect Xbox 360 akan digunakan untuk pengukuran tinggi badan dengan menggunakan fitur Skeletal Tracking dan membandingkan keakuratan hasil pengukurannya dengan pengukuran manual. Hasil dari Tugas Akhir ini adalah kamera Kinect dapat mendeteksi kerangka pada tubuh manusia dan menghitung tinggi badan dan rata- rata eror terkecil dari pengukuran 16 orang terletak pada jarak 200 cm yaitu 3,41%, sedangkan yang terbesar ialah pada jarak 150 cm yaitu sebesar 26,15%. Kata Kunci: Kinect Xbox 360, BMI, Stature Meter, Skeletal Tracking. Abstract The skeletal framework is a part of the human organs whose metabolism will continue to be active and evolving therefore to know the development of the bone is needed a method that is measurement of height. Measuring height is usually done to determine one's growth and development, nutritional status and knowing the Body Mass Index (BMI). Measurement of height is usually done manually using Stature Meter. In this final project research, the Kinect Xbox 360 camera will be used for height measurement using the Skeletal Tracking feature and comparing the accuracy of the measurement results with manual measurement. The result of this Final Project is that Kinect cameras can detect skeletons on the human body and calculate the height and the smallest average error from the measurement of 16 people located at a distance of 200 cm which is 3.41%, while the largest is at a distance of 150 cm which is equal to 26 , 15%. Keywords: Kinect Xbox 360, BMI, Stature meter, Skeletal Tracking.
Analisis Pemetaan Biometrik Menggunakan Eeg Brainwave Dan Stimuli Berupa Gambar Ahmad Muammar Agusti; Inung Wijayanto; Sugondo Hadiyoso
eProceedings of Engineering Vol 5, No 3 (2018): Desember 2018
Publisher : eProceedings of Engineering

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

Abstract

ABSTRAK Setiap manusia memiliki ciri dan karakteristik yang melekat pada fisik atau perilakunya yang dapat diidentifikasi atau dikenali menggunakan biometrik. Biometrik bersifat universal dan unik yang dimiliki oleh setiap manusia dan tidak memiliki kesamaan satu dengan yang lainnnya. Seiring perkembangannya, biometrik telah digunakan dalam bidang keamanan yang bersifat personal seperti pemindai sidik jari, pemindai retina mata, dan pemindai wajah mengingat sifatnya yang tidak bisa dihilangkan dan sulit dipalsukan. Dalam tugas akhir ini dilakukan análisis mengenai penerapan biometrik dengan memanfaatkan brainwave. Perekaman brainwave menggunakan Electroencephalogram (EEG) dengan stimuli visual berupa gambar untuk memunculkan brainwave yang unik. Dalam mengolah brainwave tersebut dilakukan dengan tahapan preprocessing, ekstraksi ciri menggunakan metode Discrete Wavelet Transform (DWT) dan klasifikasi menggunakan metode Jaringan Syaraf Tiruan (JST). Frekuensi yang digunakan adalah frekuensi alpha dan beta pada channel AF7. Dari hasil pengujian menunjukkan performa terbaik pada sinyal alpha dengan nilai akurasi pelatihan 99% dan akurasi pengujian 74%. Rata-rata yang dibutuhkan sistem secara keseluruhan untuk proses komputasi selama 240,27 detik. Dengan kata lain penerapan sistem biometrik menggunakkan EEG brainwave memperoleh hasil yang optimal. Kata kunci: Alpha, Beta, Biometrik, Brainwave, DWT, EEG, JST. ABSTRACT Every human being has characteristics and the characteristics inherent in physical or behaviour that can be identified by using biometrics. Biometrics is universal in every human being, biometrics has unique characteristics, because every human being has different characteristics of biometric and it’s permanent. Along with the development, biometrics have been used in the field of personal security such as fingerprint recognition, optical recognition, facial recognition, because the biometric character cannot be erased and also difficult to be falsified. In this final project, an analysis has been held about the application of biometrics by using brainwave. Brainwave recording uses Electroencephalogram (EEG) with visual stimulation in the form of images to bring up unique brainwaves. In processing the brainwave, it is carried out by preprocessing, feature extraction using the Discrete Wavelet Transform (DWT) method and classification using the Artificial Neural Network (ANN) method. The frequencies to be observed are alpha and beta frequencies on the AF7 channel. ISSN : 2355-9365 e-Proceeding of Engineering : Vol.5, No.3 Desember 2018 | Page 4414 2 Based on the test results the best performance showed in alpha signals with 99% of training accuracy and 74% of testing accuracy. The average required by the system as a whole for the computing process about 240.27 seconds. The performance of the system showed the application of a biometric system using EEG brainwave obtained optimal results. Keywords: Alpha, Beta, Biometrik, Brainwave, DWT, EEG, JST.
Deteksi Kondisi Konsentrasi Berdasarkan Sinyal Eeg Dengan Stimulasi Menghafal Al-quran Zulfikar F.M. Ramli; Inung Wijayanto; Sugondo Hadiyoso
eProceedings of Engineering Vol 5, No 3 (2018): Desember 2018
Publisher : eProceedings of Engineering

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

Abstract

ABSTRAK Konsentrasi merupakan suatu kondisi dimana pikiran seorang individu terpusat pada suatu hal tertentu. Ditinjau dari gelombang EEG yang masing-masing memliki karakteristk berbeda maka tingkat konsentrasi seorang individu dapat diidentifikasi. Secara umum proses konsetrasi bisa teridentifikasi ketika terjadi peningkatan aktivitas gelombang Alfa dan Beta. Disisi lain telah banyak riset yang dilakukan untuk meneliti tentang pengaruh Al-Qur’an terhadap kondisi psikologis seseorang antara lain kondisi relaksasi, konsentrasi, atau kesehatan mental. Pada tugas akhir ini dikembangkan sistem untuk mendeteksi kondisi konsentrasi orang yang sedang menghafal Al-Quran berdasarkan kondisi fokus dan distraksi dengan menggunakan sinyal alfa dan beta EEG pada kanal AF7. Proses pengolahan sinyal dilakukan dengan tahapan pemrosesan awal, ekstraksi ciri menggunakan Discrete Wavelet Transform (DWT), dan klasifikasi dengan Jaringan Syaraf Tiruan (JST) – Propagasi Balik. Hasil pengujian menunjukkan pada kondisi fokus performa terbaik terdapat pada gelombang Alfa dengan parameter ciri entropi dengan nilai akurasi 73% dan pada kondisi distraksi performa terbaik didapatkan baik pada gelombang Alfa dan Beta dengan nilai akurasi masing-masing 49%. Dengan kata lain sistem deteksi konsentrasi memperoleh hasil optimal di kanal AF7 pada kondisi fokus sedangkan pada kondisi distraksi sistem memperoleh hasil yang kurang optimal. Kata Kunci : EEG, konsentrasi, DWT, JST-Propagasi Balik ABSTRACT Concentration is a condition in which the mind of an individual is centered on a certain thing. Based on the EEG waves that each have a different characteristic then the level of an individual’s concentration can be identified. In general, the concentration process can be identified when there is a imcrease in Alfa and Beta wave activity in AF7 brain chanel. On the other hand there has been much research done to examine teh influence of the Quran on the psychological condition of a person, among others, condition of relaxation, concentration, or mental health. In this final project has developed a system of concentration detection with a stimulation of Al-Quran recitation based on the conditions of focus and distraction by using alpha and beta EEG signals. The signal processing procedure is breakdown with preprocessing, feature extracting with Digital Wavelet Transform (DWT), and a classified using Artificial Neural network – Backpropagation. The test results show that the best performance focus conditions are Alpha wave with entropy with an accuracy value of 73% and in the distraction conditions the best performance is obtained in the Alpha and Beta wave with an accuracy value of 49%. It can be concluded that the concentration detection system obtains optimal results in the AF7 channel under focus conditions while in the distraction condition the system gets less than optimal results. Keyword : EEG, concentration, DWT, ANN-Backpropagation
Rancang Bangun Kunci Berbasis Suara Pada Pintu Pintar Dengan Menggunakan Metode Mel Frequency Cepstral Coefficient (mfcc) Dan K-nearest Neighbor (k-nn) Muhammad Afif Ridwansyah; Achmad Rizal; Sugondo Hadiyoso
eProceedings of Engineering Vol 5, No 3 (2018): Desember 2018
Publisher : eProceedings of Engineering

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

Abstract

Abstrak Automatic Speech Recognition (ASR) adalah suatu sistem yang dapat mengenali, membandingkan dan mencocokkan pola suara masukan sistem tersebut dengan pola suara yang telah disimpan dalam memori. ASR terbagi menjadi dua jenis, yaitu Speech Recognition dan Speaker Recognition. Speaker Recognition adalah pengenalan identitas berdasarkan suara yang dikeluarkan (berupa intonasi suara, kedalaman suara, dan sebagainya). Pada penelitian ini dibangun sistem kunci berbasis suara dengan memanfaatkan Speaker Recognition. Pada penelitian ini digunakan metode Mel-Frequency Cepstral Coefficient (MFCC) sebagai ekstraksi ciri dan metode K-Nearest Neighbor (K-NN) sebagai klasifikasi ciri. Alat ini bekerja melalui dua tahapan, yaitu tahap pelatihan (training) dan tahap pengujian (testing). Hasil pengujian menunjukkan MFCC dan K-NN berhasil diimplementasikan dengan jumlah filterbank terbaik berjumlah 20 dan nilai koefisien terbaik sebanyak 13 koefisien dengan akurasi 100%. Hasil pengujian menunjukkan bahwa jumlah filterbank dan nilai koefisien mempengaruhi akurasi dari sistem. Kata kunci: Automatic Speech Recognition (ASR), biometrik suara, K-Nearest Neighbor (K-NN), MelFrequency Cepstral Coefficient (MFCC) . Abstract Automatic Speech Recognition (ASR) is a system that can identify, compare and match the system input voice patterns with the voice patterns that has been stored in memory. ASR is divided into two types, namely Speech Recognition and Speaker Recognition. Speaker Recognition is the introduction of the issued voice character (intonation of sound, depth of voice, etc.). The key system based on voice using Speaker Recognition was build in this study. In this research, the methods used were Mel-Frequency Cepstral Coefficient (MFCC) as feature extraction and K-Nearest Neighbor (K-NN) as characteristic classification. This tool worked through two stages, namely training stage and testing stage. The results showed that the MFCC and K-NN were successfully implemented with best filter bank at number 20 filter, best coefficient value at 13 coefficient with 100% accuracy. The results showed that filter bank and coefficient affect the accuracy of the system. Keywords : Automatic Speech Recognition (ASR) , Biometric, K-Nearest Neighbor (K-NN), MelFrequency Cepstral Coefficient (MFCC).
Analisis Gelombang Alfha, Theta, Dan Delta Untuk Mengidentifikasi Orang Yang Jujur Dan Berbohong Menggunakan Metode Wavelet Reny Yuliani Arnis; Inung Wijayanto; Sugondo Hadiyoso
eProceedings of Engineering Vol 5, No 3 (2018): Desember 2018
Publisher : eProceedings of Engineering

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

Abstract

Abstrak Untuk mengetahui apakah seseorang berbohong atau jujur tidak bisa dilakukan dari pengamatan langsung, oleh karena itu kita bisa melakukannya dengan menggunakan Electroencephalogram (EEG) untuk melihat perubahan aktivitas pada otak. Electroencephalograph atau EEG merupakan alat perekam aktivitas elektrik atau sinyal otak karena fluktuasi ion pada neuron otak. Terdapat 5 jenis sinyal otak manusia yaitu alpha, beta, theta, delta, dan gamma yang memiliki rentang frekuensi masing – masing. Penelitian ini bertujuan untuk mengetahui apakah terjadi perubahan aktivitas otak saat seseorang berkata jujur dan berbohong dengan melihat bentuk gelombang otak manusia berdasarkan sinyal alpha dengan rentang frekuensi (8-16) Hz, sinyal theta dengan rentang frekuensi (4-8) Hz dan sinyal delta dengan rentang frekuensi (0,5-4) Hz. Pengambilan data dilakukan dengan cara mewawancarai koresponden yang terbagi kedalam 2 sesi pertanyaan yang bersifat umum dan pribadi, yang masingmasing sesinya terdiri dari 5 pertanyaan. Ekstraksi ciri yang digunakan adalah discrete wavelet transform atau DWT dengan penggunaan daubechies wavelet dan untuk sistem klasifikasinya digunakan metode jaringan syaraf tiruan backpropagation. Hasil dari tugas akhir ini adalah sebuah sistem yang mampu mengklasifikasikan sinyal alpha, theta dan delta berdasarkan kondisi jujur dan berbohong seseorang dengan hasil akurasi terbaik untuk sinyal alpha adalah 75%, sinyal theta adalah 75% dan sinyal delta adalah 70%. Hal ini membuktikan adanya perubahan dalam aktivitas otak ketika seseorang jujur dan berbohong. Kata Kunci: Elektroensefalografi, Brainwave, Backpropagation, Wavelet. Abstract To find out if someone or not can be done from direct observation, therefore we can do it using the Electroencephalogram (EEG) for more. Electroencephalograph or EEG which becomes an instrument of electrical activity or brain signal due to ion fluctuations in brain neurons. Activities that occur in the brain can be recorded by Electroencephalograph or EEG which is an electrical activity recording device on brain signals due to ion fluctuations in brain neurons. There are 5 types of human brain signals namely alpha, beta, theta, delta, and gamma which have their respective frequency ranges. This final project aims to determine whether there is a change in brain activity when people truth and lies by looking at human brain wave form from alpha signal with frequency range (8–12) Hz, from theta signal with frequency range (4-8) Hz and from delta signal with frequency range (0,5– 4) Hz. Data retrieval is done by interviewing correspondents which are divided into 2 general and personal question sessions, each session consisting of 5 questions. This final projeect used the feature extraction is discrete wavelet transform or DWT with the use of daubechies wavelet and the classification system used is artificial neural network backpropagation method. The result of this final project is a system that is able to classify alpha, theta and delta signals based on honest conditions and lie someone with the best accuracy results for alpha signal is 75%, theta signal is 75% and delta signal is 70%. This proves a change in brain activity when someone is honest and lying. Keywords : Electroencephalography, Brainwave, Backpropagation, Wavelet.
Co-Authors A. V. Senthil Kumar A.A. Ketut Agung Cahyawan W Aaron Abel Abi Hakim Amanullah Achmad Rizal Achmad Rizal ADIANGGIALI, ANYELIA Adisaputra, Rangga Adiwijaya, Agustinus Aldian Adjie Gery Ramadhan Adnan Azhary Afandi, Mas Aly Agung Muliawan Ahmad Hilmi Ahmad Muammar Agusti Akhmad Alfaruq Akhmad Alfaruq Alfaruq, Akhmad Alfaruq, Akhmad Aliffansyah, Lingga Alvinas Deva Sih Illahi Ana Durrotul Isma Anatasya Bella Andhita Nurul Khasanah Andri Juli Setiawan Andro Harjanto Anggit Syorgaffi Anggun Fitrian Isnawati ANGGUNMEKA LUHUR PRASASTI Arfianto Fahmi Arif Indra Irawan ARIS HARTAMAN Ashshiddiqqi, Muhammad Arhizal Asril Ibrahim Astri Wulandari Ayu Chellsya, Ananda Ayu Tuty Utami Azahra, Yasmin Azriel Gilbert Samuel Rogito Azzahra, Salwa Bagus Tri Astadi Balova , Fathrurrizqa Bambang Hidayat Bandiyah Sri Aprillia Barus, Exal Deo Jayata Bayu Erviga Yulanda Setiawan Bayuaji Kurniadhani Bimo Rian Tri Nugroho Budhi Irawan Budi Prasetya Budiyawan Naztin Burhanuddin D. Burhanuddin Dirgantoro Cucu Fitri Dadan Nur Ramadan Dadan Nur Ramadhan Dadan Nur Ramadhan Denny Darlis Dewi Rahmaniar, Thalita Dharu Arseno Didin Bramastya Dieny Rofiatul Mardiyah Diliana, Faizza Haya Efri Suhartono Ema ERVIN MASITA DEWI Exal Deo Jayata Barus Ezi Rohmat Fadiaga Omar Michlas Fairuz Azmi FAJRI, SETIO EKA FARDAN FARDAN Farrel Fahrozi Fathrurrizqa Balova FATURRAHMAN, RAIHAN Fauzia Anis Sekar Ningrum Fony Ferliana Widianingrum Gadama, Melsan Gelar Budiman Ghilman Hafizhan Gifari, Rizqi Al Habib, Arrijal Hadjwan, Razel Hannissa Sanggarini Hariyani , Yuli Sun Hasanah Putri Hengky Yudha Bintara Heru Nugroho Hilman Fauzi, Hilman HUMAIRANI, ANNISA Hurianti Vidyaningtyas HW, EVA AISAH Ilham Edwian Berliandhy Ilmi, M. Bahrul Indrarini Dyah Irawati Inung Wijayanto Irsyad Abdul Basit Istikmal Ivany Sesa Rehadi Ivosierra Andrea Larasaty Jannah, Firna Noor Jannah, Sabila Hayyinun Jasmine, Diva Dhila Jauhari, Muhammad I Javani Sekar Larasati Jehan Pratama Herdaning Jondri Jondri Koredianto Usman Kridanto Surendro Kris Sujatmoko Kurnia Ismanto, Rima Ananda Larasaty, Ivosierra Andrea Lata Tripathi, Suman LATIP, ROHAYA Ledya Novamizanti Lurina, Manda Luthfi Muhammad Pahlevi Lutvi Murdiansyah Murdiansyah M. Nur Imam DJ Mahmud Dwi Sulistiyo Manda Lurina Meidatomo , Muhammad Haykal Milan Adila Amalia Mohamad Ramdhani Muh. Kurniawan, A. Muhamad Roihan Muhammad Adnan Muhammad Afif Ridwansyah Muhammad Iqbal MUHAMMAD JULIAN, MUHAMMAD Nadya Silva Arline Nasution, Muhammad Ilham Kurniawan Nasution, Seri Wahyuni Naufal Juhaidi Jafal Naufal Rizky Pratama Nur Arviah Sofyan Nur Pratama, Yohanes Juan Nur Ramadhani Nursanto Nursanto NURSANTO NURSANTO, NURSANTO Nurwan Reza Fachrurrozi Okki Rahmalisty, Fiona Pahira, Ela Diranda Permana, Andri Satia Prahara, Dzakwan Bahar Prajna Deshanta Ibnugraha Putra, I Gusti Ngurah R. A. Putri Fatoni, Salwa Berliana Putri, Athaliqa Ananda Putri, Silvi Dahlia R. Dhenake Aghni Bunga R. Yunendah Nur Fu’adah Radial Anwar, Radial Radian Sigit Raditiana Patmasari Rahmaniar, Thalita Dewi Rahmat Widadi Ramdani, Ahmad Zaky Ratna Mayasari Reivind P. Persada RENALDI, LUKY RENALDI, LUKY RENDIKA, ANANDA Rendy Munadi Reni Dyah Wahyuningrum Reny Yuliani Arnis Rina Pudji Astuti Riska Aprilina Rita Magdalena Rita Purnamasari Rizal Fachrudin Maulana Rizky Aulia Rahman Robinzon Pakpahan Rogito, Azriel Gilbert Samuel ROHMAT TULLOH Rosmiati, Mia Ruli Pandapotan, Bagas Ryan Bagus Wicaksono Safitri, Ayu Sekar Said, Ziani Sania Marcellina Bryan Sasmi Hidayatul Yulianing Tyas Sa’idah, Sofia Sekar Safitri, Ayu Septiansyah, Rizky SETIAWAN, AWAN WAHYU Sianturi, Kristian Fery Sidqi, Anka Sigit, Radian Siti Sarah Maidin Siti Zahrotul Fajriyah Sofia Naning Hertiana Suci Aulia Sugeng Santoso Sulistyo, Tobias Mikha Surya Putra Agung Saragih Suyatno Suyatno Syifa Nurgaida Yutia Tasya Chairunnisa Tati Latifah Erawati Rajab Teguh Musaharpa Gunawan Thomhert Suprapto Siadari Tita Haryanti Tobing, Goldfried Manuel Lbn Tri Nopiani Damayanti Triadi Triadi Unang Sunarya Untari Novia Wisesty Vany Octaviany Vera Suryani Wahyu Hauzan Rafi Wibowo, Raiyan Adi Wirakusuma, Muhammad P. Yasmin Azahra Yoza Radyaputra Yudha Purwanto Yudiansyah Yudiansyah YULI SUN HARIYANI YUYUN SITI ROHMAH Zahrah, Nasywa Nur Zhillan Al Rashif, Mohammad Zulfikar F.M. Ramli