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 93 Documents
Search

 5   6   7   8   9 
Analisis Sinyal Alfa Dan Beta Pada Pengaruh Brain Gym Terhadap Konsentrasi Sinyal Otak Menggunakan Eeg Dengan Metode Wavelet Satrio Nur Adhi Gyat; Inung Wijayanto; Yuli Sun Hariyani
eProceedings of Engineering Vol 6, No 1 (2019): April 2019
Publisher : eProceedings of Engineering

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

Abstract

Abstrak Dalam melakukan aktifitasnya sehari hari konsentrasi sangatlah penting dalam kehidupan manusia. Konsentrasi setiap manusia tidaklah sama, banyak sekali faktor yang mempengaruhi konsentrasi tersebut. Salah satu cara untuk melatih peningkatan konsentrasi otak yaitu Brain Gym. Brain Gym adalah senam otak yang merupakan aktivitas fisik yang digunakan untuk merangsang kedua belahan otak sehingga memungkinkan pencapaian kinerja otak yang maksimal. Tujuan dari penelitian ini adalah menganalisa pengaruh Brain Gym terhadap sinyal otak yang dihasilkan responden dengan menggunakan alat electroencephalograph (EEG) dan mencari nilai akurasi antara data latih dengan data uji terbaik. Metode Discrete Wavelet Transform (DWT) sebagai ekstraksi ciri dan metode klasifikasi menggunakan K-Nearest Neighbor (K-NN) dengan masukan berupa data sinyal EEG. Hasil pengujian menunjukkan bahwa performa terbaik dari hasil pelatihan sistem didapatkan pada semua nilai 𝒌 = 𝟏, menunjukkan dengan nilai akurasi 100% baik pada kanal AF7 maupun kanal AF8. Pada hasil pengujian sitem menunjukkan bahwa performa terbaik pada kanal AF7 menggunakan tipe KNN euclidean dan nilai 𝒌 = 𝟏 menunjukkan nilai akurasi 71,43%. Sedangkan pada hasil pengujian sistem kanal AF8 bahwa performa terbaik menggunakan tipe K-NN chebychev dan nilai 𝒌 = 𝟏 menunjukkan nilai akurasi 82,14%. Sehingga dalam pengujian ini dapat disimpulkan kanal AF8 lebih baik dalam menangkap sinyal EEG. Sinyal alfa brain gym terlihat Power spectral yang lebih tinggi dibandingkan dengan sinyal alfa normal, sedangkan pada sinyal beta normal Power spectral terlihat lebih tinggi dibandingkan keadaan brain gym. Penelitian ini membuktikan bahwa brain gym memiliki pengaruh pada konsentrasi seseorang. Kata kunci: brain gym, konsentrasi, electroencephalograph (EEG), Discrete Wavelet Transform (DWT), KNearest Neighbor (K-NN) Abstract In carrying out daily activities, concentration is very important in human life. The concentration of each human being is not the same, there are so many factors that affect concentration. One way to train increased brain concentration is Brain Gym. Brain Gym is brain exercise which is a physical activity that is used to stimulate the two hemispheres of the brain so enable to maximize brain performance. The purpose of this study was to analyze the influence of Brain Gym on the brain signals produced by respondents using an electroencephalograph (EEG) tool and find the value of accuracy between training data and the best test data. The Discrete Wavelet Transform (DWT) method as feature extraction and classification method uses K-Nearest Neighbor (K-NN) with input in the form of EEG signal data. The test results showed that the best performance from the results of system training was found in all values of 𝒌 = 𝟏, indicating a value of 100% accuracy both on AF7 and AF8 channels. The results of the system testing show that the best performance on the AF7 channel uses euclidean K-NN type and the value 𝒌 = 𝟏 shows an accuracy value of 71.43%. While the results of testing the AF8 channel system that the best performance uses the chebychev K-NN type and the value of 𝒌 = 𝟏 shows an accuracy value of 82.14%. So that in this test it can be concluded that the AF8 channel is better at capturing EEG signals. The alpha brain gym signal shows higher Power spectral compared to the normal alpha signal, while the normal beta signal Power spectral looks higher than the brain gym state. This study proves that brain gym has an influence on one's concentration. Keywords: brain gym, concentration, EEG (electroencephalograph), DWT (Discrete Wavelet Transform) , KNN (K-Nearest Neighbor)
Deteksi Kondisi Penggunaan Vape Dilihat Dari Aktivitas Otak Menggunakan Eeg Dengan Metode Self Organizing Map (som) Faturachman Faturachman; Inung Wijayanto; Nur Ibrahim
eProceedings of Engineering Vol 6, No 1 (2019): April 2019
Publisher : eProceedings of Engineering

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

Abstract

Abstrak Nikotin merupakan zat adiktif yang pada umumnya dijumpai pada kandungan rokok. Kandungan Nikotin ini yang dapat membuat seseorang menjadi kecanduan. Rokok sendiri ada dua jenis, yaitu rokok konvensional dan rokok elektrik. Rokok Elektrik atau sering disebut dengan vape merupakan cara baru untuk seseorang melakukan kegiatan perokok, namun yang dihasilkan dari sisa pembakaran bukanlah asap, melainkan uap air hasil dari penguapan liquid pada vape.. Pada penelitian ini penulis membuat suatu aplikasi berbasis MATLAB menggunakan metode Electroencepalograph (EEG) untuk ekstraksi ciri dengan klasifikasi Self Orginzing Maps (SOM) yang menganalisa sinyal beta dan gamma pada otak manusia untuk mengetahui keadaan otaknya. Pada tugas akhir ini, telah dilakukan analisa sinyal beta dan gamma pada otak manusia untuk mengetahui keadaan otaknya. Dengan menggunakan EEG 4 kanal sebagai alat pendeteksi sinyal otak dan metode yang digunakan pada penelitian ini adalah metode Self Organizing Maps (SOM). Hasil persentase akurasi tertinggi yang didapatkan adalah 62,5%. Kata Kunci : vape, Electroencephalography (EEG), Self-Organizing Map (SOM) , nikotin, beta, gamma, otak Abstract Nicotine is an addictive substance that is commonly found in the content of cigarettes. This nicotine content can make someone addicted. Cigarettes themselves are of two types, namely conventional cigarettes and electric cigarettes. Electric Cigarette or often referred to as vape is a new way for someone to do smoker activities, but what is produced from the rest of the combustion is not smoke, but rather water vapor resulting from liquid evaporation on the vape. In this study the authors constructed a MATLAB-based application using the Electroencepalograph (EEG) method for feature extraction with the Self Orginzing Maps (SOM) classification. The purpose of this final project is to determine the form of beta and gamma signals in a person's brain. In this final project, an analysis of beta and gamma signals in the human brain has been carried out to determine the state of the brain. By using a 4 channel EEG as a brain signal detector and the method used in this study is the Self Organizing Maps (SOM) method. The highest percetage result obtained were 62,5%. Keywords : Video game, Electroencephalography, Discrete Wavelet Transform, K-Neaerst Neighbor.
Analisis Perbandingan Pola Sinyal Alpha Dan Beta Eeg Empat Kanal Terhadap Daya Ingat Mahasiswa Yang Melakukan Brain Gym Dan Tidak Melakukan Brain Gym Rayyan Budhiarta; Inung Wijayanto; Yuli Sun Hariyani
eProceedings of Engineering Vol 6, No 1 (2019): April 2019
Publisher : eProceedings of Engineering

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

Abstract

Abstrak Manusia memiliki kemampuan mengingat dengan kapasitas yang sangat besar, tetapi tidak semua orang dapat memaksimalkan kemampuan mengingatnya, sehingga bagi sebagian orang mengingat adalah sebuah hal yang sulit. Banyak cara yang bisa meningkatkan daya ingat dan daya kognitif otak seseorang, salah satunya yaitu dengan brain gym, brain gym merupakan sebuah olahraga otak atau senam otak yang di maksudkan untuk melatih otak untuk meningkatkan daya kognitif otak, pengaruh yang ditimbulkan oleh brain gym diukur dengan EEG (Elektroensephologram). Sinyal EEG (Elektroensephalogram) merupakan sinyal biotik yang berasal dari aktifitas listrik pada kortex atau permukaan kulit kepala, yang disebabkan aktifitas fisiologis dari otak. Sinyal EEG (Elektroensephalogram) akan dihubungkan ke komputer dan di simpan pada database. Penelitian pada tugas akhir ini bertujuan untuk dapat menciptakan sistem yang dapat membuktikan efek yang ditimbulkan dari Brain Gym terhadap daya kognitif dan recall memory pada otak mahasiswa dengan menganalisis gelombang Alpha dan Beta. Metode yang dipakai dalam penelitian ini adalah Discrete Wavelet Transform (DWT) dengan tipe DWT haar, daubechies 2 hingga daubechies 10 untuk ekstraksi ciri dan Support Vector Machine (SVM) menggunakan kernel Linear, RBF/Gaussian dan Polynomial untuk metode klasifikasi. Hasil akhir dari penelitian ini adalah sistem yang mampu mengklasifikasi kelas data uji sinyal keluaran EEG Brain Gym dan tidak melakukan Brain Gym dengan akurasi tertinggi pelatihan sistem 100% dan pengujian sistem 75% pada kanal AF7, 81% pada kanal AF8, 78% pada kanal TP9, 71% pada kanal TP10 menggunakan tipe DWT Haar dan Kernel SVM Polynomial. Kata kunci : Daya ingat, Brain Gym, EEG, DWT, SVM Abstract Humans have the ability to remember with a very large capacity, but not everyone can maximize the ability to remember, so for some people remembering is a difficult thing. There are many ways that can improve the memory and cognitive power of one's brain, one of which is the brain gym, brain gym is a brain sport or brain exercise intended to train the brain to increase brain cognitive power, the effect caused by brain gym measured by EEG (Elektroensephologram). EEG signal (Electroensephalogram) is a biotic signal that comes from electrical activity on the cortex or the surface of the scalp, which is caused by physiological activities of the brain. The EEG signal (Electroensephalogram) will be connected to the computer and stored in the database. The research in this final project aims to be able to create a system that can prove the effects of Brain Gym on cognitive power and recall memory in the student brain by analyzing Alpha and Beta waves. The method used in this study is Discrete Wavelet Transform (DWT) with type DWT ISSN : 2355-9365 e-Proceeding of Engineering : Vol.6, No.1 April 2019 | Page 321 haar, sub-projects 2 through technology 10 for feature extraction and Support Vector Machine (SVM) using Linear, RBF / Gaussian and Polynomial kernels for classification methods. The final result of this study is a system that is able to classify EEG Brain Gym output signal test classes and not do Brain Gym with the highest accuracy of 100% system training and 75% system testing on AF7 channels, 81% on AF8 channels, 78% on TP9 channels , 71% in the TP10 canal using the DWT Haar type and the SVM Polynomial Kernel. Keywords: Memory, Brain Gym, EEG, DWT, SVM
Analisis Gelombang Sinyal Otak Orang Yang Aktif Bermain Game Dan Dalam Kondisi Normal Menggunakan Eeg 4 Kanal Andi Muhammad Wahyu Safaat; Inung Wijayanto; Sofia Sa’idah
eProceedings of Engineering Vol 6, No 2 (2019): Agustus 2019
Publisher : eProceedings of Engineering

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

Abstract

Abstrak Bermain game merupakan salah satu cara untuk mengisi waktu luang saat tidak melakukan sesuatu, tidak hanya itu bermain game juga dapat menjadi salah satu solusi untuk menghilangkan stres. Bermain game dalam jangka waktu tertentu tentunya akan mempengaruhi kondisi gelombang otak seseorang. Gelombang otak manusia pastilah mengalami perubahan ketika dalam kondisi normal dan ketika melakukan aktifitas, dalam hal ini bermain game. Pada penelitian tugas akhir ini telah dilakukan analisis pada gelombang alfa dan beta otak manusia dalam kondisi normal dan saat bermain game, yang memberikan perbandingan dari kedua kondisi tersebut dan memperlihatkan hasil analisis yang diinginkan. Gelombang otak responden diambil dengan menggunakan alat Electroenchepalograph (EEG) 4 kanal dengan memanfaatkan metode Principal Component Analysis (PCA) saat dalam kondisi normal dan dalam kondisi bermain game. Metode PCA yang digunakan memiliki prosedur statistic transformasi orthogonal untuk merubah beberapa hasil pengamatan yang saling berkorelasi menjadi sekumpulan nilai linear yang saling tidak berkorelasi. Pada identifikasi sinyal menggunakan metode klarifikasi K-Nearest Neighbor (K-NN) adalah metode klasifikasi terhadap objek berdasarkan data latih yang memiliki jarak paling dekat dengan objek tersebut. Keluaran dari penelitian ini didapatkan hasil perbedaan sinyal alfa dan beta otak seseorang saat dalam kondisi normal dan keadaan bermain game dan menentukan kanal dan ciri mana yang paling efektif untuk digunakan yaitu TP9 dengan tingkat akurasi sebesar 94,44% pada kedua jenis sinyal. Hasil perbandingan bentuk sinyal menunjukan bahwa pada kedua kondisi yang ada, sinyal alfa lebih cenderung muncul pada sinyal otak dan pada kompleksitasnya, kondisi bermain game yang paling kompleks dibandingkan dengan kondisi normal. Hasil tersebut didapatkan dari perbandingan besaran nilai amplitudo, magnitudo, dan berdasarkan Eigen Value (EigVal). Kata kunci: Bermain game, EEG, Alfa, Beta, PCA, K-NN, EigVal Abstract Playing games is one way to fill your spare time when not doing something, not only that playing games can also be a solution to relieve stress. Playing games in a certain period of time will certainly affect the condition of one's brain waves. Human brain waves must undergo changes when under normal conditions and when doing activities, in this case playing games. In this final project, an analysis of the alpha and beta waves of the human brain has been carried out when under normal conditions and when playing the game, which provides a comparison of the two conditions and shows the desired analysis results. Respondents' brainwaves were taken using 4-channel Electroencephalograph (EEG) by utilizing the Principal Component Analysis (PCA) method when under normal conditions and playing the game. The PCA method used has an orthogonal transformation statistical procedure to convert several correlated observations into a collection of uncorrelated linear values. The signal identification method uses the K-Nearest Neighbor (K-NN) classification. K-NN is a method of classification of objects based on training data that has the closest distance to the object. The output of this final task was obtained by differences in the alpha and beta signals of a person's brain while in normal conditions and playing conditions and determining the channel and which are the most effective features to use, namely TP9 with average in 94,44% in both types of signals. The results of the signal form comparison show that in both conditions, alpha signals are more likely to appear in brain signals and in their complexity, the most complex playing conditions compared to normal conditions. These results are obtained from a comparison of the magnitude, magnitude, and Eigen Value (EigVal) values. Keywords: Playing game, EEG, Alpha, Beta, PCA, K-NN, Eigen Value
Klasifikasi Sinyal Eeg Saat Mendengarkan Musik Rock Dan Musik Klasik Dengan Metode Transformasi Wavelet Ilva Herdayanti; Inung Wijayanto; Nur Ibrahim
eProceedings of Engineering Vol 6, No 2 (2019): Agustus 2019
Publisher : eProceedings of Engineering

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

Abstract

Abstrak Konsentrasi merupakan hal yang dibutuhkan siswa dalam memahami materi pelajaran agar dapat mencapai hasil belajar yang maksimal. Banyak faktor yang dapat mempengaruhi konsentrasi, salah satunya faktor eksternal seperti suara. Musik merupakan salah satu jenis suara yang dapat meningkatkan konsentrasi seseorang. Dengan menggunakan Electroenchephalography (EEG) sebagai instrumen untuk menangkap sinyal otak, kita dapat mengetahui apa pengaruh dari stimulasi musik terhadap konsentrasi. Tugas akhir ini bertujuan untuk mengklasifikasi dan menganalisis sinyal EEG terhadap kondisi konsentrasi seseorang saat mendengarkan musik rock dan musik klasik dengan melihat bentuk gelombang otak manusia dari sinyal alpha dengan rentang frekuensi (8-16) Hz dan sinyal beta dengan rentang frekuensi (16-32) Hz. Masukan sistem didapatkan dari pengambilan sinyal EEG pada bagian kepala menggunakan alat EEG 4 kanal yaitu MUSE Brain Sensing Headband. Selanjutnya sinyal EEG yang telah direkam akan transformasikan dari domain waktu ke domain frekuensi. Kemudian dilakukan ekstraksi ciri menggunakan Discrete Wavelet Transform (DWT) sebagai pemodelan untuk meningkatkan akurasi dengan mengekstraksi sinyal terhadap gelombang alpha dan beta. Selanjutnya dilakukan proses klasifikasi menggunakan K-Nearest Neighbor (KNN). Hasil pengujian menunjukan bahwa kanal terbaik terdapat pada kanal AF8 dengan akurasi 96% untuk sinyal alpha dan 85% untuk sinyal beta. Pada kanal AF8 untuk sinyal alpha terdapat 26 data yang terdeteksi benar dan 1 data yang terdeteksi salah, sedangkan untuk sinyal beta terdapat 23 data yang terdeteksi benar dan 4 data yang terdeteksi salah. Kata kunci : Discrete Wavelet Transform, Electroenchephalography, KNN, Konsentrasi. Abstract Concentration is something that students need in understanding subject matter in order to achieve maximum learning outcomes. Many factors can affect concentration, one of which is external factors such as sound. Music is one type of sound that can increase one's concentration. By using Electroenchephalography (EEG) as an instrument to capture brain signals, we can find out what the effects of music stimulation on concentration. This final project aims to classify and analyze EEG signals against a person's concentration conditions when listening to rock music and classical music by looking at human brain waveforms from alpha signals with frequency ranges (8-16) Hz and beta signals with frequency ranges (16-32) Hz. System input is obtained from EEG signal capture on the front head of the section using a 4-channel EEG device, namely MUSE Brain Sensing Headband. Then the recorded EEG signal will transform from the time domain to the frequency domain. Then feature extraction is performed using Discrete Wavelet Transform (DWT) as a model to improve accuracy by extracting signals against Alpha and Beta waves. Then the classification process is carried out using K-Nearest Neighbor (KNN). The test results show that the best channels are on the AF8 channel with 96% accuracy for alpha signals and 85% for beta signals. On AF8 channel for alpha signal there are 26 data detected correctly and 1 data detected incorrectly, while for beta signal there are 23 data detected correctly and 4 data detected incorrectly. Keywords : Concentration, Discrete Wavelet Transform, Electrochephalography, KNN.
Coarse Grained Lyapunov Exponent Sebagai Ekstaksi Fitur Pada Klasifikasi Sinyal Elektroensefalogram Imaginasi Gerak Nadya Silva Arline; Inung Wijayanto; Sugondo Hadiyoso
eProceedings of Engineering Vol 8, No 5 (2021): Oktober 2021
Publisher : eProceedings of Engineering

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

Abstract

Motor imagery merupakan suatu kondisi dimana seseorang sedang dalam keadaan secara mental mensimulasikan suatu tindakan, atau dalam kata lain orang tersebut sudah merasa melakukan suatu tindakan tetapi pada kenyataannya orang tersebut belum atau tidak dapat melakukan tindakan tersebut. Hal ini biasanya dialami oleh penderita cacat motorik atau lumpuh. Untuk mengukur adanya ketidaknormalan atau gangguan pada motor imagery dapat melakukan pemeriksaan aktivitas kelistrikan otak menggunakan elektroensefalogram (EEG). EEG akan menangkap aktivitas listrik seseorang saat otak menerima atau menanggapi stimulus. Dengan demikian aktivitas motor imagery dapat diamati. Pada Tugas Akhir ini dilakukan klasfikasi motor imagery untuk memprediksi gerakan motoric seseorang berdasarkan sinyal EEG. Motor imagery yang disimulasikan terdiri dari dua isyarat meliputi gerkaan tangan kanan dan gerakan tangan kiri. Lalu dilakukan proses multiscale menggunakan Coerse Grained Procedure. Sinyal EEG diekstraksi menggunakan metode Largest Lyapunov Exponent (LLE) untuk mendapatkan set fitur dalam numerik. Setelah itu dilakukan klasifikasi sinyal berdasarkan nilai LLE tersebut menggunakan K-Nearest Neighbor (kNN). Proses pengklasifikasian menggunakan metode cosine similarity untuk mengukur jarak data latih yang paling dekat dengan objek. Dari simulasi yang telah dilakukan, akurasi maksimum yang dapat dicapai adalah 60%. Diharapkan penelitian ini dapat membantu dalam analisis motor imagery EEG sehingga dapat mengidentifikasi jika terdapat ketidaknormalan syaraf motoric khusunya bagian otak. Kata Kunci: Motor Imagery, Elektroensephalograph, Lyapunov Exponent, K-Nearest Neighbor.
Deteksi Kondisi Fokal Dan Non-fokal Pada Sinyal Eeg Menggunakan Wavelet Fraktal Pelita Santi; Inung Wijayanto; Raditiana Patmasari
eProceedings of Engineering Vol 8, No 5 (2021): Oktober 2021
Publisher : eProceedings of Engineering

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

Abstract

Epilepsi adalah penyakit yang disebabkan oleh aktivitas listrik di dalam otak yan tidak normal. Epilepsi ditandai dengan kelebihan jumlah listrik yang keluar dari sel-sel otak. Keadaan tersebut menyebabkan terjadinya kejang (seizure) ataupun gerakan tidak normal. Ada beberapa cara untuk melakukan deteksi kejang, salah satunya adalah dengan rekaman sinyal electroencephalogram (EEG). Kondisi awal dimana pasien akan didiagnosa menderita epilepsi disebut kondisi fokal. Pengenalan pola dan karakteristik sinyal EEG untuk mendeteksi kondisi fokal dengan mata telanjang membutuhkan waktu yang lama dan peluang kesalahan dalam membedakan serangan epilepsi dari kondisi normal (non-fokal) cukup besar. Oleh karena itu, sebuah sistem dapat digunakan untuk membantu ahli neurologi mendeteksi kondisi fokal dan kondisi normal pada pasien yang akan didiagnosa menderita penyakit epilepsi. Sinyal EEG diolah dengan pengolahan sinyal digital melalui beberapa tahapan, yaitu pre-processing, dekomposisi, ekstraksi fitur, dan klasifikasi. Pada tahap pre-processing dilakukan penggabungan kanal dari dua kanal menjadi satu kanal. Selanjutnya, sinyal EEG didekomposisi menggunakan Wavelet Packet Decomposition (WPD). Tahap ekstraksi fitur dilakukan menggunakan analisis fraktal, yaitu Higuchi dan Katz. Kemudian, fitur tersebut diklasifikasi dengan Support Vector Machine (SVM) menggunakan kernel linear dan K-Nearest Neighbour (KNN). Penelitian ini menggunakan dataset Bern Barcelona. Dataset tersebut merupakan rekaman sinyal EEG dari 5 pasien penderita epilepsi. Proses pre-processing menghasilkan satu kanal yang akan diolah pada tahap selanjutnya. Berdasarkan nilai akurasi, spesifitas dan sensitivitas didapkakan nilai tertinggi pada WPD level 3 dan 4 dengan metode higuchi klasifikasi SVM dengan masing-masing nilai 100% dan klasifikasi KNN nilai akurasi, spesifitas dan sensitivitas didapatkan nilai tertinggi pada level 2 metode Higuchi-Katz dengan masingmasing nilai 100 %. Kata Kunci: Epilepsi, Sinyal EEG, Fokal & Non-Fokal, WPD, SVM, KNN.
Pelatihan Pembuatan Website sebagai Sarana Penyebaran Informasi UPT BPP Selaawi kabupaten Garut Sofia Saidah; Inung Wijayanto; Rita Magdalena
Jurnal Abdimasa Pengabdian Masyarakat Vol 6 No 2 (2023): Jurnal ABDIMASA Pengabdian Masyarakat
Publisher : Universitas Pendidikan Muhammadiyah Sorong

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36232/jurnalabdimasa.v6i2.3646

Abstract

Website merupakan salah satu sarana penyebaran informasi yang bersifat dinamis. Pada instansi pemerintah, website termasuk ke dalam salah satu hal penting yang perlu dimiliki mengingat pentingnya informasi yang perlu diketahui oleh masyarakat. UPT BPP Selaawi sebagai Instansi Penyuluh memiliki peran penting dalam pengembangan ilmu pertanian. Selain sebagai media informasi dan edukasi, website juga dapat digunakan sebagai sarana promosi komoditas hasil pertanian yang dimiliki oleh UPT BPP Selaawi. Oleh karena itu, melalui kegiatan Pengabdian kepada Masyarakat ini tim membantu untuk memberikan pelatihan pembuatan website sebagai sarana penyebaran informasi di UPT BPP Selaawi kabupaten Garut.
Implementasi Skala Lab Sistem E-Health Untuk Distribusi Informasi Kesehatan Deteksi Epilepsi Indah Ratu Aulia; Leanna Vidya Yovita; Inung Wijayanto
eProceedings of Engineering Vol 10, No 5 (2023): Oktober 2023
Publisher : eProceedings of Engineering

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

Abstract

Epilepsi didefinisikan sebagai kumpulan gejaladan tanda-tanda klinis yang muncul disebabkan gangguanfungsi otak secara intermiten, yang terjadi akibat lepas muatanlistrik abnormal atau berlebihan dari neuron neuron secaraparoksismal dengan berbagai macam etimologi. Salah satupemeriksaan yang membantu diagnosis penderita epilepsiadalah rekaman electroencephalogram (EEG). Namun, prosesini membutuhkan banyak waktu untuk melakukan koordinasidata terkait epilepsi. Pada penelitian ini diimplementasikansistem yang bekerja dengan cara mengolah sinyal-sinyal yangmuncul melalui proses EEG. Sistem ini berbasis website yangmembantu mendistribusikan informasi kepada dokter agardapat langsung mengambil tindakan sehingga penderitaepilepsi mendapat pelayanan dengan cepat. Sistem e-healthdibangun berbasis website menggunakan framework Laraveldan Bootsrap. Pada website tersebut terdapat fitur-fiturdiantaranya menu akses data pasien, data EEG, serta notapasien. Proses akses website dalam jaringan internetdiamankan menggunakan rules firewall yang diatur sesuaikebutuhan. Sistem keamanan berbasis firewall dengan toolsOPNSense. Dalam pengolahan sinyal EEG untuk pengolahansinyal mengunakan klasifikasi SVM dimana SVM inimenentukan sinyal EEG normal atau seizure yang nantinyadiolah di MATLAB. Penggabungan antar website denganpengolahan sinyal dilakukan dengan menggunakan mysql.Dalam penelitian ini pengujian website dilakukanmenggunakan blackbox testing dan pengujian firewalldilakukan menggunakan LOIC.Kata kunci— Epilepsi, Sinyal EEG, , Website, Firewall
Implementation of first order statistical processor on FPGA for feature extraction Hadiyoso, Sugondo; Ramdani, Ahmad Zaky; Irawati, Indrarini Dyah; Wijayanto, Inung
International Journal of Reconfigurable and Embedded Systems (IJRES) Vol 13, No 2: July 2024
Publisher : Institute of Advanced Engineering and Science

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.11591/ijres.v13.i2.pp234-243

Abstract

Statistical calculations on signals commonly used in feature extraction. In software processing, statistical computation is an easy task. However, providing a computer requires high costs for simple statistical processing. Another consideration is the need for implementation with real-time and portable processing. Therefore, an alternative device is needed, one of which is the field programmable gate array (FPGA). FPGA is a logic circuit board that can be reconfigured according to computing needs. FPGA can also be used as a prototyping of electronic chips. However, implementing statistical formulas in FPGA is interesting in developing its architecture. Therefore, this research proposes a logic circuit design that can be used for first-order statistical calculations. Statistical parameters include the mean, variance, standard deviation, skewness, and kurtosis. The validation test was performed on the electrocardiogram (ECG) signal series and compared with manual calculations. Validation shows that the mean and variance has very high accuracy with an average error of less than 0.06%.
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