Analisa Pola Sinyal EEG pada Pengenalan Objek Familiar dan Asing Menggunakan Domain Waktu-Frekuensi

Suryani, Siti Dwi (2024) Analisa Pola Sinyal EEG pada Pengenalan Objek Familiar dan Asing Menggunakan Domain Waktu-Frekuensi. Masters thesis, Institut Teknologi Sepuluh Nopember.

Text 6022221024-Master_Thesis.pdf - Accepted Version Restricted to Repository staff only until 1 October 2026. Download (7MB) | Request a copy

Abstract

Informasi yang diungkap dalam proses interogasi dilakukan guna untuk menghasilkan keputusan. Salah satu metode pengungkapan yang banyak digunakan dalam prosesnya adalah deteksi penipuan yang digunakan untuk mengidentifikasi dan memahami apakah seseorang sedang berbohong atau tidak jujur dalam komunikasi verbal atau non-verbal mereka. Deteksi penipuan berperan penting dalam mendeteksi penipuan, terutama dalam konteks keamanan, investigasi kriminal, dan situasi sosial. Saat ini, sistem deteksi penipuan berbasis Electroencephalogram (EEG) terus dikembangkan untuk mengukur aktivitas listrik otak dan menemukan pola sinyal gelombang otak yang unik dibandingkan dengan poligraf yang dapat dikelabui. Penelitian ini akan fokus untuk menemukan pola perbedaan pengenalan objek familiar dan asing di antara 30 responden yang terlibat. Saluran EEG yang digunakan adalah T3, T4, T5, T6, O1, dan O2. Keenam saluran tersebut selanjutnya akan dianalisis pada sub-band alfa, beta, dan gamma setelah proses dekomposisi pita menggunakan Discrete Wavelet Transform (DWT). Proses DWT memungkinkan untuk mengekstraksi informasi frekuensi lokal pada berbagai skala waktu yang berbeda. Nilai DWT setiap sub-band kemudian akan diekstraksi fitur menggunakan energi dan entropi Shannon. Hasil ekstraksi fitur menunjukkan kondisi asing atau tidak familiar selalu lebih tinggi pada fitur energi dan entropi Shannon di semua sub-band dan semua saluran. Rata-rata selisih nilai energi antara familiar dan asing sebesar 43%, sedangkan pada nilai entropi Shannon selisihnya sebesar 10,7%. Temuan ini cukup untuk menunjukkan pola EEG yang berbeda antara familiar dan asing untuk digunakan dalam mengembangkan sistem deteksi penipuan.
=================================================================================================================================
The information revealed in the interrogation process is used to produce decisions. One method of disclosure that is widely used in the process is deteksi penipuan which is used to identify and understand whether someone is lying or being dishonest in their verbal or non-verbal communication. Fraud detection plays an important role in detecting fraud, especially in the context of security, criminal investigations and social situations. Currently, Electroencephalogram (EEG)-based deteksi penipuan sistems continue to be developed to measure brain electrical activity and discover unique brain wave signal patterns compared to polygraphs that can be deceived. This research will focus on finding patterns of differences in recognition of familiar and asing objects among the 30 respondents involved. The EEG Kanals used are T3, T4, T5, T6, O1, and O2. These six Kanals will then be analyzed in the alpha, beta and gamma sub-bands after the band decomposition process using Discrete Wavelet Transform (DWT). The DWT process makes it possible to extract local frequency information on a variety of different time scales. The DWT value of each sub-band will then be feature extracted using energi and Entropi Shannon. The feature extraction results show that foreign or asing conditions are always higher in energi and Entropi Shannon features in all sub-bands and all Kanals. The average difference in energi values between familiar and unfamiliar is 43%, while for Entropi Shannon the difference is 10.7%. These findings are enough to show different EEG patterns between familiar and asing to be used in developing deteksi penipuan sistems.

Item Type:	Thesis (Masters)
Uncontrolled Keywords:	Deception Detection, Interrogation, Brain memory, Discrete Wavelet Transform, EEG, Deteksi Penipuan, Intrograsi, Memori otak
Subjects:	T Technology > TK Electrical engineering. Electronics Nuclear engineering > TK5102.9 Signal processing. T Technology > TK Electrical engineering. Electronics Nuclear engineering > TK7882.B56 Biometric identification
Divisions:	Faculty of Intelligent Electrical and Informatics Technology (ELECTICS) > Electrical Engineering > 20101-(S2) Master Thesis
Depositing User:	Siti Dwi Suryani
Date Deposited:	28 May 2024 02:05
Last Modified:	28 May 2024 02:05
URI:	http://repository.its.ac.id/id/eprint/107997

Actions (login required)

View Item