Article Per Year (5 Year)
p-Index From 2020 - 2025
0.23
P-Index
This Author published in this journals
All Journal Bulletin of Electrical Engineering and Informatics eProceedings of Engineering
Lyra Vega Ugi
Telkom University
Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
Electrocardiogram feature selection and performance improvement of sleep stages classification using grid search Lyra Vega Ugi; Fiky Yosef Suratman; Unang Sunarya
Bulletin of Electrical Engineering and Informatics Vol 11, No 4: August 2022
Publisher : Institute of Advanced Engineering and Science

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.11591/eei.v11i4.3529

Abstract

Sleep analysis is often used to identify sleep-related human health. In many cases, sleep disorders could cause a particular disease. One of the approaches to detect sleep disorders is by investigating human sleep stages. However, the selection of the proper electrocardiogram (ECG) features is still considered challenging and becomes an issue to achieve the performance of the algorithm used. Therefore, it is necessary to investigate which ECG features are very significant to the performance of the algorithm. In this study, the support vector machine (SVM) method has been utilized to classify sleep stages into two classes namely awake and sleep. In order to improve the classification performances, an optimization method of grid search was used to find the best parameters of the SVM. Feature selection of information gain was then used to find the most significant ECG features. To validate the performance results, one leave-subject out cross-validation has been conducted during the implementation. There were ten subjects involved in this implementation. The ECG signals from those ten subjects were used to differentiate awake from sleep state. Based on the results, our method obtained an average accuracy of 85.46% a precision of 84.05% and a recall of 85.44% respectively.
Sistem Identifikasi Individu Berdasarkan Cara Berjalan Berbasis Video Processing Menggunakan Metode Variable Modul Graph Lyra Vega Ugi; Bambang Hidayat; Suryo Adhi Wibowo
eProceedings of Engineering Vol 2, No 1 (2015): April, 2015
Publisher : eProceedings of Engineering

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

Abstract

V/M Graph merupakan metode logika alur berfikir yang dapat menjelaskan semua informasi yang ada dan hubungan antara variabel yang berbeda menggunakan struktur grafis di bidang pengolahan citra di mana latar gambar yang diekstrak untuk diproses dalam sistem pengenalan individu. V/M Graph ini digunakan untuk mendeteksi objek bergerak dalam video dari kamera statis. V/M Graph berguna untuk menganalisis video atau gambar sehingga dapat mendeteksi gerak tubuh manusia dan mengidentifikasi karakter gerakan tersebut untuk dikenali. Teknologi V/M Graph ini dapat diaplikasikan berupa sistem yang membantu mengenali seseorang berdasarkan cara berjalannya tanpa harus mengetahui ciri asli fisiknya. Pada tugas akhir ini dibuat sistem pendeteksi yang dapat mengenali gaya berjalan sesorang tanpa harus memperhatikan ciri fisik awal dari seseorang. Jika sistem pendeteksi tersebut tidak dapat mengenali gesture berjalan orang yang berada dalam video tersebut, maka sistem ini akan memberikan info berupa tulisan individu tidak dikenal. Sistem pendeteksi ini dibuat dengan tujuan agar dapat mendeteksi melalui gesture berjalannya seseorang tanpa harus memperhatikan individu berdasarkan ciri fisik awalnya telah berubah, meskipun ciri fisik sesorang yang berubah akibat operasi plastik dan perubahan fisik yang lainnya. Metode klasifikasi untuk pengidentifikasian pola berjalan yang digunakan adalah V/M Graph. Dari hasil analisis dan pengujian, sistem mampu mencapai tingkat akurasi rata-rata sebesar 86.67% dengan uji sistem terhadap perubahan intensitas cahaya. Saat pengujian sistem dengan threshold hasil akurasi optimal sebesar 90% dengan threshold 1000-1300 piksel. Dan saat pengujian sistem dengan nilai threshold luas label 0.25 piksel sistem memberika akurasi terbesar yaitu 90%. Target performansi sistem yang telah dicapai adalah sistem dapat mengenali dan mengidentifikasi gaya berjalan dengan tingkat akurasi optimal. Kata kunci: V/M Graph, cara berjalan, pengenalan individu.
Co-Authors Bambang Hidayat Fiky Y. Suratman Suryo Adhi Wibowo Unang Sunarya