Article Per Year (5 Year)
p-Index From 2020 - 2025
3.956
P-Index
This Author published in this journals
All Journal International Journal of Electrical and Computer Engineering International Journal of Reconfigurable and Embedded Systems (IJRES) Lontar Komputer: Jurnal Ilmiah Teknologi Informasi ELKOMIKA: Jurnal Teknik Energi Elektrik, Teknik Telekomunikasi, & Teknik Elektronika Proceeding of the Electrical Engineering Computer Science and Informatics Jurnal Abdimasa TEKTRIKA - Jurnal Penelitian dan Pengembangan Telekomunikasi, Kendali, Komputer, Elektrik, dan Elektronika Journal of Electronics, Electromedical Engineering, and Medical Informatics JMECS (Journal of Measurements, Electronics, Communications, and Systems) eProceedings of Engineering
Inung Wijayanto
Universitas Telkom
Computer Science & IT Control & Systems Engineering Economics, Econometrics & Finance Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering Materials Science & Nanotechnology Other

Published : 93 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 79 Documents
Search
Journal : eProceedings of Engineering

 2   3   4   5   6 
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
Klasifikasi Retinopati Diabetik Non-proliferatif Dan Proliferatif Berdasarkan Citra Fundus Menggunakan Metode Jaringan Saraf Tiruan Backpropagation Rani Harnila; Ratri Dwi Atmaja; Inung Wijayanto
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 Retinopati diabetik merupakan komplikasi mikrovaskular retina mata yang ditemukan pada penderita diabetes melitus. Jika terus berlanjut, retinopati diabetik akan menjadi penyebab kebutaan. Retinopati diabetik memiliki tiga tipe sesuai dengan tingkat keparahan penderitanya, yaitu normal, non-proliferatif (NPDR), dan proliferatif (PDR). Seiring berkembangnya bidang teknologi, memungkinkan pengembangan suatu sistem berbasis pengolahan citra digital yang dapat mengklasifikasi tingkat keparahan retinopati diabetik. Tugas akhir ini, memanfaatkan pengolahan citra digital untuk klasifikasi tingkat keparahan retinopati diabetik berdasarkan citra fundus. Klasifikasi tersebut dibagi menjadi lima kelas, yaitu normal, non-proliferatif (meliputi mild, moderate, dan severe), serta proliferatif. Metode ekstraksi ciri yang digunakan adalah Gray Level Co-occurrence Matrix (GLCM) dan Jaringan Saraf Tiruan (JST) Backpropagation sebagai algoritma klasifikasi. Berdasarkan pengujian yang telah dilakukan, didapatkan akurasi terbaik sebesar 86.67% dengan jumlah data latih sebanyak 60 data. Parameter terbaik menggunakan citra seragam yang tidak dipotong, citra kanal merah, memiliki offset 0°, dengan proses klasifikasi menggunakan fungsi aktivasi tansig, jumlah neuron pada hidden layer sebanyak 200 buah, learning rate 0.01, epoch sebanyak 1000 kali, dan algoritma pelatihan menggunakan trainlm. Kata Kunci: Retinopati diabetik, NPDR, PDR, JST Backpropagation Abstract Diabetic retinopathy is a microvascular complication of the eye's retina found in people with diabetes mellitus. If it persists, diabetic retinopathy will be the cause of blindness. Diabetic retinopathy has three types according to the sufferer's severity, such as normal, non-proliferative (NPDR), and proliferative (PDR). It is inevitable that as technology develops, it may allow the development of a digital image processing system that can classify this diabetic retinopathy's severity. This final project, utilizing digital image processing to classify the diabetic retinopathy's severity based on fundus image. This classification is divided into five classes, such as normal, non-proliferative (including mild, moderate, and severe), and proliferative. The method of feature extraction used is Gray Level Co-occurrence Matrix (GLCM) and Artificial Neural Network (ANN) Backpropagation as a classification algorithm. Based on the tests that have been done, reached the best accuracy amount 86.67% with the number of train data as much as 60 data. The best parameter using the same uncut images, red canal images, 0° offset, that classify by tansig activation function, 200 neurons for hidden layer, learning rate 0.01, 1000 times epoch, and training algorithm using trainlm. Keywords: Diabetic Retinopathy, NPRD, PRD, ANN Backpropagation
Implementasi Aplikasi Pengenalan Jenis Kelamin Berdasarkan Citra Wajah Dengan Metode Support Vector Machine Secara Real Time Khairul Sani; Inung Wijayanto; Eko Susatio
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 tugas akhir ini akan dirancang aplikasi sistem identifikasi untuk pengenalan jenis kelamin berdasarkan citra wajah secara real time. Dalam aplikasi tersebut menggunakan karakteristik wajah untuk mengidentifikasi jenis kelamin seseorang. Pengenalan jenis kelamin dapat dilakukan melalui tahap deteksi wajah, ekstraksi ciri dan pengenalan jenis kelamin. Metode yang akan digunakan untuk mengenali ciri dari wajah seseorang adalah fitur geometri, Gray Level Co-occurance Matrix (GLCM) dan Segmentation based Fractal Texture Analysis (SFTA). Dan untuk proses klasifikasinya menggunakan metode Support Vector Machine (SVM) untuk membedakan antara pria atau wanita. Tujuan dari tugas akhir ini adalah membuat aplikasi pengenalan jenis kelamin berdasarkan wajah secara real time yang diharapkan mencapai akurasi sekitar 90% dan mampu mengklasifikasi jenis kelamin seseorang dari pola wajah manusia. Kata kunci : deteksi wajah, ekstraksi ciri, pengenalan jenis kelamin, Fitur Geometri, Gray Level Co-occurance Matrix, Segmentation based Fractal Texture Analysis, Support Vector Machine, biometric
Perancangan Dan Implementasi Sistem Robot Kursi Roda Menggunakan Speech Recognition Hendriadi Mukri; Inung Wijayanto; Unang Sunarya
eProceedings of Engineering Vol 4, No 3 (2017): Desember, 2017
Publisher : eProceedings of Engineering

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

Abstract

Di Indonesia, masih banyak penduduk yang mengalami kecacatan fisik seperti kelumpuhan yang menyebabkan mereka tidak dapat bergerak dengan sendirinya. Contoh pada tahun 2009 menurut Badan Kemntrian Sosial RI jumlah penyandang cacat pada sembilan provinsi sebanyak 299.203 jiwa dan 10,5% (31.327 jiwa) merupakan penyandang cacat berat yang mengalami hambatan dalam kegiatan sehari-hari. Kursi roda otomatis merupakan alat yang difungsikan untuk meringankan beban penderita kelumpuhan tangan dan kaki yang tidak dapat menggerakan kursi roda manual pada umumnya. Prinsip kerja dari alat ini adalah dengan memanfaatkan gelombang suara pada manusia sebagai masukan informasi pada alat untuk dapat menentukan arah gerak dari kursi roda otomatis tersebut. Gelombang suara manusia yang masuk ke Raspberry Pi di ekstraksi menggunakan metode MFCC. Hasil ekstraksi tersebut dibandingkan dengan data ekstraksi yang telah ada sebelumnya pada database dengan menggunakan metode KNN. Metode KNN sendiri berkerja dengan cara menghitung jarak terdekat suatu sinyal baru dengan sinyal yang sudah teridentifikasi sebelumnya, jumlah sinyal yang dibandingkan tergantung dengan nilai K yang dimasukkan, adapun untuk menghitung jarak antar sinyal, KNN menggunakan metode Euclidean distance.Hasil dari pembandingan ektraksi dengan menggunakan metode KNN, didapat beberapa sinyal yang ada pada database mempunyai kemiripan dengan sinyal masukkan yang baru. Sehingga setelah dibandingkan didapat hasil berupa keputusan perintah yang sesuai dengan database untuk menggerakkan motor dari kursi roda. Penelitian pada tugas akhir ini telah berhasil membuat sistem yang dapat mengenali ucapan dengan waktu pengambilan keputusan adalah 5.59 detik pada saat kondisi sepi dan jarak mikrofon terhadap pusat suara adalah 10 cm, namun nilai yang didapatkan tersebut hanya pada saat pengujian tanpa kursi roda, sedangkan untuk pengujian dengan kursi roda waktu pengenalan ucapannya menjadi 14.9 detik.Kata Kunci : Robot kursi roda, MFCC, KNN, Euclidean Distance
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
Perancangan Sistem Deteksi Denyut Nadi Menggunakan Metode Phase-based Motion Magnification Pandu Jati Utomo; Inung Wijayanto; R Yunendah Nur Fuadah
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 Di dalam tubuh manusia terdapat jantung yang memompa darah ke seluruh tubuh dan menghasilkan denyut nadi. Telah dibuat teknologi Elektrokardiogram (EKG) dan alat pulse oxymetry untuk mengukur denyut nadi. Teknologi terus dikembangkan agar memungkinkan untuk mengukur denyut nadi tanpa menyentuh tubuh pasien. Lalu berkembanglah sebuah metode yang bernama phasebased motion magnification. Pada penelitian sebelumnya telah diterapkan sebuah metode bernama Eularian Motion Magnification untuk mengukur denyut nadi dengan cara mengambil video dari pergelangan tangan pasien, kemudian pergerakan mikro dalam video diperbesar sehingga denyut nadi dapat terlihat, lalu dilakukan proses deteksi untuk menghitung jumlah denyut nadi per menit dalam satuan BPM. Akan tetapi metode tersebut memiliki kelemahan yaitu hasil yang rentan terhadap noise setelah proses magnifikasi dan akurasi menurun pada kondisi rendah cahaya. Dalam tugas akhir ini digunakan metode phase-based motion magnification untuk menjawab kekurangan dari metode Eulerian, dengan hasil yang rendah noise dan akurasi lebih baik di kondisi rendah cahaya. Hasil pengujian sistem menunjukkan bahwa hasil akurasi terbaik sistem sebesar 86,94% dengan menggunakan variable sampling rate 250 Hz, menggunakan low cut off 30 Hz, high cut off 100 Hz, alpha 50 pixel dan menggunakan sigma 4 pixel. Kata Kunci : EKG, Pulse Oximetry, Phase-Based Motion Magnification, Lagrangian, Eulerian. Abstract In the human body there is a heart that pumps blood throughout the body and produces a pulse. Electrocardiogram (EKG) and pulse oxymetry devices have been made to measure pulse. Technology continues to be developed to make it possible to measure pulse without touching the patient's body. Then developed a method called phase-based motion magnification. In a previous study a method called Eularian Motion Magnification was used to measure pulse by taking video from the patient's wrist, then micro-movement in the video was enlarged so that the pulse could be seen, then the detection process was done to calculate the number of pulses per minute in BPM . However, this method has the disadvantage that the results are susceptible to noise after the magnification process and the accuracy decreases in low light conditions. In this final project, phase-based motion magnification method is used to answer the shortcomings of the Eulerian method, with low noise results and better accuracy in low light conditions. The result of simulation has the best accuracy up to 86.94%, using variable sampling rate 250 Hz, low cut off 30 Hz, high cut off 100 Hz, Alpha 50 Pixel, and sigma 4 pixel. Keywords : EKG, Pulse Oximetry, Phase-Based Motion Magnification, Lagrangian, Eulerian
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.
Analisis Sinyal Gelombang Otak Alpha, Beta Dan Theta Terhadap Kejujuran Mahasiswa Menggunakan Sinyal Eeg 5 Kanal Ilham Fadhlurrohman; Inung Wijayanto; Raditiana Patmasari
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 Perilaku kejujuran sudah mulai sedikit sudah ditemui pada saat ini karena kurangnya akhlaqul karimah yang baik. Dan secara psikologis pun memunculkan timbulnya kebiasaan-kebiasaan buruk dikemudian hari. Manusia mempunyai 5 jenis pola sinyal otak yaitu alpha, beta, theta, delta, dan gamma dengan frekuensi berbeda-beda tergantung masing-masing sinyal ketika melakukan kebohongan dan kejujuran karena memiliki pola sinyal otak yang berubah-ubah. Pada penelitian ini ekstrasi sinyal menggunakan metode Discrete Wavelet Transform (DWT) dikarenakan metode tersebut merupakan fungsi logic yang membagi data menjadi beberapa komponen frekuensi yang berbeda-beda, dengan cara mewawancarai subjek dengan dua pertanyaan dengan sesi yang berbeda yaitu sesi umum dan seksual, kemudian dilakukan analisis untuk masing-masing komponen menggunakan resolusi sesuai dengan skalanya yang dapat dimanfaatkan untuk memisahkan sinyal yang akan dianalisis , yaitu sinyal alpha,beta dan theta. Hasil pada penelitian ini dapat mengklasifikasikan kebohongan dan kejujuran dan menunjukan sinyal alpha, beta dan theta seseorang. Pengujian data uji ini didapatkan akurasi terbaik pada kanal PZ yaitu 70%. Dan akurasi masing-masing kanal didapatkan berbagai akurasi yang berubah-ubah namun stabil antara 55%-85%, hal ini disebabkan dari prinsip kerja JST yang seperti otak manusia, tidak menentu. Kata kunci : Kejujuran, EEG, DWT, JST. Abstract Behavior of honesty has started a little already found at this time due to lack of good akhlaqul karimah. And psychologically also led to the emergence of bad habits in the future. Humans have 5 types of brain signal patterns, namely alpha, beta, theta, delta, and gamma with different frequencies depending on each signal when doing lies and honesty because it has an altered brain signal pattern. In this study signal extraction uses the Discrete Wavelet Transform (DWT) method because it is a logic function that divides the data into several different frequency components, by interviewing subjects with two questions with different sessions, namely general and sexual sessions, then done analysis for each component using the resolution according to the scale that can be utilized to separate the signals to be analyzed, ie alpha, beta and theta signals. The results of testing this test data obtained the best accuracy on the PZ channel that is 70%. And the accuracy of each channel obtained varying accuracy but stable between 55% -85%, this is due to the principle of the ANN that is like the human brain, uncertain. Keywords : Honesty, EEG, DWT, 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
Identifikasi Pergerakan Dasar Pada Game Untuk Pengembangan Gesture Recognition Berbasis Kinect Sunarso Sunarso; Inung Wijayanto; Eko Susatio
eProceedings of Engineering Vol 4, No 2 (2017): Agustus, 2017
Publisher : eProceedings of Engineering

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

Abstract

Diinginkan merancang sebuah sistem yang dapat mengidentifikasi gerakan-gerakan dasar pada manusia. Pada tugas akhir ini gerakan-gerakan dasar tersebut direpresentasikan dengan gerakan-gerakan dasar pada game yang bertema beladiri. Gerakan-gerakan tersebut antara lain adalah jab right, jab left, uppercut right, uppercut left, kick right, kick left, block right, dan block left. Dengan menggunakan fitur depth sensor pada perangkat kinect dapat diperoleh data skeleton user yang digunakan sebagai acuan dalam identifikasi gerakan-gerakan yang telah ditentukan. Sistem yang dirancang untuk dapat mengenali gesture dengan input gerakan tubuh manusia secara realtime. Sistem yang telah dirancang pada tugas akhir ini bertujuan untuk pengembangan gesture recognition. Sistem yang dirancang mampu mengenali gerakan-gerakan yang telah ditentukan dengan menggunakan perubahan kondisi 20 titik skeleton user. Titik skeleton didapat dari proses skeleton tracking menggunakan depth sensor peda kinect. Kemudian titik skeleton tersebut digunakan sebagai acuan pada pengenalan gerakan-gerakan yang telah ditentukan dengan melihat kondisi akhir dari setiap gerakan. Sistem identifikasi pergerakan dasar pada game sudah dapat menganalisa jenis-jenis gerakan dasar pada game yang bertema beladiri, antara lain jab right, jab left, uppercut right, uppercut left, kick right, kick left, block right, dan block left. Dengan tingkat akurasi 71.25% untuk jarak 80-120cm, 82.50% untuk jarak 120-200cm, dan 63.75% untuk jarak 200-350cm. Tingkat akurasi maksimum sistem dalam mengidentifikasi gerakan bisa mencapai 82.50%, sedangkan tingkat akurasi minimum mencapai 63.75%. Waktu rata-rata pemrosesan sistem keseluruhan sebesar 0.0740583 seconds. Rata-rata waktu pemrosesan sistem tercepat 0.0714125 seconds pada jarak 120-200 cm dan rata-rata waktu pemrosesan terlama sebesar 0.0763875 seconds, pada jarak 200-350cm. Kata kunci : Kamera Kinect, Depth Sensor, Skeletal tracking, Gesture Recognition
Co-Authors Achmad Muzahid Achmad Rizal Achmad Rizal Adisaputra, Rangga Adnan Azhary Ahmad Hilmi Ahmad Muammar Agusti Akbar Budi Wikanta Aldo Setiawan Alif, M.Nurfadli Alrizqi, Naufal Dwi Ana Durrotul Isma Andhita Nurul Khasanah Andi Muhammad Wahyu Safaat Angga Rusdinar ANGGUNMEKA LUHUR PRASASTI Atiffan Ramadhiat Azahra, Yasmin Azis, Qitfirul Abdul Azriel Gilbert Samuel Rogito Azzahra, Salwa Bagus Tri Astadi Balova , Fathrurrizqa Bambang Hidayat Bara, Alfianto Teofilus Bayu Erviga Yulanda Setiawan Budhi Irawan Daivalana Mahadika Priatama Denny Darlis Didin Bramastya Diliana, Faizza Haya Eko Susatio Elia Kurniawati Fardiyanti, Defitriana Fathrurrizqa Balova Faturachman Faturachman Fauzia Anis Sekar Ningrum Firdaus, Alvaro Ahmad Firmanda Robi Fitriah Halimah Gadama, Melsan Gelar Budiman Gemilang Kurniawan Soejantono Goenadiningrat, Jeahan Fitria Hakim, Nurina Listya Hendriadi Mukri HUMAIRANI, ANNISA Hurianti Vidyaningtyas I Nyoman Apraz Ramatryana Ilham Fadhlurrohman Ilva Herdayanti Indah Ratu Aulia Indra Bari Yulio Indrarini Dyah Irawati Iqbal Eshar Dwi Pourindra Iqbal Surya Adi Permana Irsyad Abdul Basit Iwan Iwut Tritoasmoro Jangkung Raharjo Jannah, Sabila Hayyinun Jasmine, Diva Dhila Jauhari, Muhammad I Jehan Pratama Herdaning Karina Permatasari Khairul Sani Kurnia Ismanto, Rima Ananda Leanna Vidya Yovita Lokahita, Lulu Luthfi Muhammad Pahlevi M. Fadhil Abdullah Meidatomo , Muhammad Haykal Meidi Mahendra Rahmatullah Melati Wahyutami Milan Adila Amalia Mohamad Ilham Abdurrahman Muhammad Adnan Muhammad Ary Murti Muhammad Ridho Putra Muzahid, Achmad Nadya Silva Arline Nasution, Seri Wahyuni Nizhar Arya Hamitha Novian Permana Nur Afifah Nur Ibrahim Nur Pratama, Yohanes Juan Nurina Listya Hakim Olivia Rossiana Pahira, Ela Diranda Pandu Jati Utomo Pelita Santi Permana, Andri Satia Prakoso, Mochamad Rafi Alfian Prasetio Nugroho Putra, I Gusti Ngurah R. A. Putri, Athaliqa Ananda Putri, Indah Amalia R. Dhenake Aghni Bunga R. S. Deanto R. Yunendah Nur Fu’adah Raditiana Patmasari Rahayu Lubis Rahmaniar, Thalita Dewi Ramdani, Ahmad Zaky Rani Harnila Ratri Dwi Atmaja Rayani Budi Andhini Rayyan Budhiarta Reny Yuliani Arnis Revi Febriana Simanjuntak Rita Magdalena Rita Purnamasari Rivan Radian Suryadi Rizal Fachrudin Maulana Rizky Gilang Gumilar Rogito, Azriel Gilbert Samuel Sa'idah, Sofia Safitri, Ayu Sekar Satrio Nur Adhi Gyat Sa’idah, Sofia Sidqi, Anka Siti Nur Fatihah Sofia Sa’idah SOFIA SAIDAH Subiakto, Septiaini Dela Suci Aulia Sugondo Hadiyoso Sulistyo, Tobias Mikha Sunarso Sunarso Syahnas, Aulia Teguh Musaharpa Gunawan Triadi Triadi Unang Sunarya Utami, Ayu Tuty Varian Mohammad Sutama Wahyu Lukman Hasan Wibowo, Raiyan Adi Wirakusuma, Muhammad P. Y. P. Gautama Yasmin Azahra Yoza Radyaputra YULI SUN HARIYANI Zulfikar F.M. Ramli