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...
Guardado en:
Autor principal: | |
---|---|
Formato: | article |
Lenguaje: | EN |
Publicado: |
Department of Mathematics, UIN Sunan Ampel Surabaya
2015
|
Materias: | |
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 |