Klasifikasi Sinyal EEG Menggunakan Metode Fuzzy C-Means Clustering (FCM) Dan Adaptive Neighborhood Modified Backpropagation (ANMBP)

Instrumen EEG (electroencephalography) merupakan suatu instrumen yang digunakan sebagai perekam aktivitas otak dengan memperlihatkan gelombang otak. Prinsip kerja EEG adalah dengan mendeteksi perubahan muatan secara tiba-tiba dari sel neuron yang ditandai dengan adanya interictal spike-and-wave pada...

Descripción completa

Guardado en:

Detalles Bibliográficos
Autor principal:	Dian Candra Rini
Formato:	article
Lenguaje:	EN
Publicado:	Department of Mathematics, UIN Sunan Ampel Surabaya 2015
Materias:	eeg wavelet fcm backpropagation modified Mathematics QA1-939
Acceso en línea:	https://doaj.org/article/f7bb48c0c9d14b34be568225e3fcf963
Etiquetas:	Agregar Etiqueta Sin Etiquetas, Sea el primero en etiquetar este registro!

id	oai:doaj.org-article:f7bb48c0c9d14b34be568225e3fcf963
record_format	dspace
spelling	oai:doaj.org-article:f7bb48c0c9d14b34be568225e3fcf9632021-12-02T17:28:36ZKlasifikasi Sinyal EEG Menggunakan Metode Fuzzy C-Means Clustering (FCM) Dan Adaptive Neighborhood Modified Backpropagation (ANMBP)2527-31592527-3167https://doaj.org/article/f7bb48c0c9d14b34be568225e3fcf9632015-11-01T00:00:00Zhttp://jurnalsaintek.uinsby.ac.id/index.php/mantik/article/view/54https://doaj.org/toc/2527-3159https://doaj.org/toc/2527-3167Instrumen EEG (electroencephalography) merupakan suatu instrumen yang digunakan sebagai perekam aktivitas otak dengan memperlihatkan gelombang otak. Prinsip kerja EEG adalah dengan mendeteksi perubahan muatan secara tiba-tiba dari sel neuron yang ditandai dengan adanya interictal spike-and-wave pada hasil EEG (electroencephalogram). Terdapat suatu data set sinyal EEG, direkam pada sukarelawan normal dan epilepsi. Pada penelitian ini dengan menggunakan data tersebut akan dilakukan suatu sistem klasifikasi sinyal EEG dengan berdasar pada kondisi normal dan epilepsi. Klasifikasi sinyal EEG menggunakan Metode Adaptive Neighborhood Base Modified Backpropagation (ANMBP). Hasil ekstraksi fitur dari sinyal EEG dengan menggunakan metode Fuzzy C-Means (FCM) Clustering, dimana proses awalnya melalui dekomposisi wavelet menggunakan Discrete Wavelet Transform (DWT) dengan level 2 didapatkan 3 koefisien wavelet kemudian pada masing masing koefisien tersebut di clustering menggunakan FCM dengan 2 cluster sehingga menghasilkan 6 fitur yang akan menjadi vektor fitur. Dari vektor fitur tersebut digunakan sebagai inputan untuk dilakukan proses klasifikasi dengan menggunakan metode ANMBP. Hasil sistem sementara didapatkan recognition rate sebesar 74.37%.Dian Candra RiniDepartment of Mathematics, UIN Sunan Ampel SurabayaarticleeegwaveletfcmbackpropagationmodifiedMathematicsQA1-939ENMantik: Jurnal Matematika, Vol 1, Iss 1, Pp 31-36 (2015)
institution	DOAJ
collection	DOAJ
language	EN
topic	eeg wavelet fcm backpropagation modified Mathematics QA1-939
spellingShingle	eeg wavelet fcm backpropagation modified Mathematics QA1-939 Dian Candra Rini Klasifikasi Sinyal EEG Menggunakan Metode Fuzzy C-Means Clustering (FCM) Dan Adaptive Neighborhood Modified Backpropagation (ANMBP)
description	Instrumen EEG (electroencephalography) merupakan suatu instrumen yang digunakan sebagai perekam aktivitas otak dengan memperlihatkan gelombang otak. Prinsip kerja EEG adalah dengan mendeteksi perubahan muatan secara tiba-tiba dari sel neuron yang ditandai dengan adanya interictal spike-and-wave pada hasil EEG (electroencephalogram). Terdapat suatu data set sinyal EEG, direkam pada sukarelawan normal dan epilepsi. Pada penelitian ini dengan menggunakan data tersebut akan dilakukan suatu sistem klasifikasi sinyal EEG dengan berdasar pada kondisi normal dan epilepsi. Klasifikasi sinyal EEG menggunakan Metode Adaptive Neighborhood Base Modified Backpropagation (ANMBP). Hasil ekstraksi fitur dari sinyal EEG dengan menggunakan metode Fuzzy C-Means (FCM) Clustering, dimana proses awalnya melalui dekomposisi wavelet menggunakan Discrete Wavelet Transform (DWT) dengan level 2 didapatkan 3 koefisien wavelet kemudian pada masing masing koefisien tersebut di clustering menggunakan FCM dengan 2 cluster sehingga menghasilkan 6 fitur yang akan menjadi vektor fitur. Dari vektor fitur tersebut digunakan sebagai inputan untuk dilakukan proses klasifikasi dengan menggunakan metode ANMBP. Hasil sistem sementara didapatkan recognition rate sebesar 74.37%.
format	article
author	Dian Candra Rini
author_facet	Dian Candra Rini
author_sort	Dian Candra Rini
title	Klasifikasi Sinyal EEG Menggunakan Metode Fuzzy C-Means Clustering (FCM) Dan Adaptive Neighborhood Modified Backpropagation (ANMBP)
title_short	Klasifikasi Sinyal EEG Menggunakan Metode Fuzzy C-Means Clustering (FCM) Dan Adaptive Neighborhood Modified Backpropagation (ANMBP)
title_full	Klasifikasi Sinyal EEG Menggunakan Metode Fuzzy C-Means Clustering (FCM) Dan Adaptive Neighborhood Modified Backpropagation (ANMBP)
title_fullStr	Klasifikasi Sinyal EEG Menggunakan Metode Fuzzy C-Means Clustering (FCM) Dan Adaptive Neighborhood Modified Backpropagation (ANMBP)
title_full_unstemmed	Klasifikasi Sinyal EEG Menggunakan Metode Fuzzy C-Means Clustering (FCM) Dan Adaptive Neighborhood Modified Backpropagation (ANMBP)
title_sort	klasifikasi sinyal eeg menggunakan metode fuzzy c-means clustering (fcm) dan adaptive neighborhood modified backpropagation (anmbp)
publisher	Department of Mathematics, UIN Sunan Ampel Surabaya
publishDate	2015
url	https://doaj.org/article/f7bb48c0c9d14b34be568225e3fcf963
work_keys_str_mv	AT diancandrarini klasifikasisinyaleegmenggunakanmetodefuzzycmeansclusteringfcmdanadaptiveneighborhoodmodifiedbackpropagationanmbp
_version_	1718380766889508864

Klasifikasi Sinyal EEG Menggunakan Metode Fuzzy C-Means Clustering (FCM) Dan Adaptive Neighborhood Modified Backpropagation (ANMBP)

Ejemplares similares