Deteksi Kelelahan Mental Berbasis Gelombang Otak Menggunakan Transformasi Fourier Dan Support Vector Machine

Kinan, Farras (2015) Deteksi Kelelahan Mental Berbasis Gelombang Otak Menggunakan Transformasi Fourier Dan Support Vector Machine. Undergraduate thesis, Institut Technology Sepuluh Nopember.

[img]
Preview
Text
5111100161-Undergraduate Thesis.pdf - Published Version

Download (1MB) | Preview

Abstract

Dewasa ini, penyebab kematian akibat kecelakaan lalu lintas menjadi sangat tinggi. Salah satu faktor utama penyebab kecelakaan ini adalah kelelahan pengemudi. Hal ini dapat terjadi karena pengemudi kurang menyadari keadaan mentalnya yang sudah lelah. Tentu kelelahan mental dapat menyebabkan kurangnya konsentrasi saat mengemudi. Kelelahan mental ini dapat dideteksi dengan menganalisis gelombang otak melalui sinyal EEG dari pengemudi. Analisis gelombang otak ini dapat dilakukan dengan berbagai metode. Pada Tugas Akhir kali ini, penulis melakukan deteksi kelelahan mental berbasis gelombang otak menggunakan transformasi fourier dan support vector machine. Data sinyal EEG akan dilakukan ekstraksi fitur menggunakan Transformasi Fourier. Lalu, hasil ekstraksi ini akan digunakan untuk proses klasifikasi dengan metode Support Vector Machine. Berdasarkan hasil percobaan, klasifikasi kelelahan mental menggunakan Support Vector Machine dengan linear viii kernel didapat rata-rata akurasi sebesar 85%. Dari hasil yang diperoleh dari uji coba dapat disimpulkan bahwa kombinasi metode yang digunakan pada Tugas Akhir ini mampu melakukan klasifikasi sinyal EEG untuk kelelahan mental. ======================================================================================================= ix MENTAL FATIGUE DETECTION BASED ON EEG USING FOURIER TRANSFORM AND SUPPORT VECTOR MACHINE Student’s Name : FARRAS KINAN Student’s ID : 5111100161 Department : Teknik Informatika FTIF-ITS First Advisor : Prof. Ir. Handayani Tjandrasa, M.Sc., Ph.D. Second Advisor : Dini Adni Navastara, S.Kom., M.Sc. Abstract These days, deaths caused by road accidents raise at higher rates. One of the main factors that influences these situations are driver drowsiness. An accident can happen if the driver does not realize that he or she is tired. Mental fatigue can the drivers lose their concentration. Mental fatigue can be detected by analyzing the brain wave via EEG signal from the driver. There are many methods that could be applied to analyze brain wave. In this undergraduate theses, the writer propose mental fatigue detection based on EEG using Fourier Transform and Support Vector Machine. EEG signal’s features are extracted using Fourier Transform. Then, the result of feature extraction process will be used for classification process using Support Vector Machine. By applying these methods, mental fatigue classification using Support Vector Machine with linear kernel, the writer obtains result the average of accuracy of 85%. From the results, it can be the concluded that x combination of methods that used in this undergraduate theses can do the classification of the mental fatigue EEG signal.

Item Type: Thesis (Undergraduate)
Additional Information: RSIf 004.019 Kin d
Uncontrolled Keywords: Kelelahan Mental, EEG, Transformasi Fourier, Support Vector Machine.
Subjects: Q Science > QA Mathematics > QA76.87 Neural networks (Computer Science)
Divisions: Faculty of Information and Communication Technology > Informatics > 55201-(S1) Undergraduate Thesis
Depositing User: Mr. Tondo Indra Nyata
Date Deposited: 14 May 2019 04:16
Last Modified: 14 May 2019 04:16
URI: https://repository.its.ac.id/id/eprint/63023

Actions (login required)

View Item View Item