KLASIFIKASI DAN EKSTRAKSI SINYAL EEG-P300 MENGGUNAKAN SUPPORT VECTOR MACHINE UNTUK DETEKSI KEBOHONGAN

Kumbara, Bagus (2015) KLASIFIKASI DAN EKSTRAKSI SINYAL EEG-P300 MENGGUNAKAN SUPPORT VECTOR MACHINE UNTUK DETEKSI KEBOHONGAN. S1 thesis, Univeritas Pendidikan Indonesia.

[img]
Preview
Text
S_FIS_1005397_Title.pdf

Download (736kB) | Preview
[img]
Preview
Text
S_FIS_1005397_Abstract.pdf

Download (200kB) | Preview
[img]
Preview
Text
S_FIS_1005397_Table_of_content.pdf

Download (144kB) | Preview
[img]
Preview
Text
S_FIS_1005397_Chapter1.pdf

Download (230kB) | Preview
[img] Text
S_FIS_1005397_Chapter2.pdf
Restricted to Staf Perpustakaan

Download (570kB)
[img]
Preview
Text
S_FIS_1005397_Chapter3.pdf

Download (543kB) | Preview
[img] Text
S_FIS_1005397_Chapter4.pdf
Restricted to Staf Perpustakaan

Download (1MB)
[img]
Preview
Text
S_FIS_1005397_Chapter5.pdf

Download (134kB) | Preview
[img]
Preview
Text
S_FIS_1005397_Bibliography.pdf

Download (193kB) | Preview
[img] Text
S_FIS_1005397_Appendix.pdf
Restricted to Staf Perpustakaan

Download (5MB)
Official URL: http://repository.upi.edu

Abstract

Electroencephalogram (EEG) merupakan aktifitas sinyal listrik yang berasal dari elektroda yang dipasangkan pada area otak. Komponen P300 merupakan sinyal yang dihasilkan dari sinyal EEG yang bersesuaian dengan mental proses. Pada tugas akhir ini, paradigma deteksi kebohongan berdasarkan EEG-P300 dibangun. Bandpass filter, Independent Component Analysis, Support Vector Machine (SVM) digunakan untuk filter, ekstraksi, dan klasifikasi rekaman sinyal EEG. Sinyal EEG yang bersih digunakan untuk mengetahui informasi yang disembunyikan oleh subjek, misalnya ketika sedang berbohong. Raw EEG yang awalnya memiliki amplitudo 80-2811 µV kemudian amplitudo berkurang 0-14 µV setelah remove offset dan bandpass filter mengurangi amplitudo sekitar 10-520 µV dan setelah dilakukan ICA, amplitudo sinyal berkurang 60-2240 µV. Sehingga sinyal EEG akhir setelah tahap ini memiliki nilai amplitudo 14-72 µV yang jauh berbeda dibandingkan sinyal awal. Klasifikasi yang dilakukan menghasilkan model SVM dengan akurasi 70,83% dan waktu komputasi 0.0283 detik, sehingga dapat menentukan data EEG untuk subjek berbohong atau tidak. Kata Kunci : EEG, SVM, deteksi kebohongan Electroencephalogram (EEG) is an activity of bio-electric signals that recorded from the electrodes on the scalp. P300 component is a wave that can be generated in the EEG signals correspond to mental process. In this final project, lie detection paradigm based EEG-P300 is proposed. Bandpass filter, Independent Component Analysis, Support Vector Machine (SVM) are respectively used to filter, extract, and classify the recorded EEG signal. Clean EEG signals are used to determine the hidden information by each subject such as lying or not. The raw EEG signals originally has amplitude 80-2811 μV then offset removal reduced its amplitude around 0-14 μV and bandpass filter reduced its amplitude around 10-520 μV and then after ICA process, its reduced amplitude around 60-2240 μV. So, EEG signal after the end of this stage has a amplitude 14-72 μV that much different than the initial signal. Classification was generating SVM models with 70,83% accuracy and computation time 0.0283 seconds, so svm can determine the EEG data for subjects lying or not. Keywords: EEG, SVM, lie detection

Item Type: Skripsi,Tesis,Disertasi (S1)
Additional Information: No. Panggil : S FIS KUM k-2015; Pembimbing : I. Arjon Turnip, II. Waslaluddin
Uncontrolled Keywords: EEG, SVM, deteksi kebohongan
Subjects: L Education > L Education (General)
Q Science > QC Physics
Divisions: Fakultas Pendidikan Matematika dan Ilmu Pengetahuan Alam > Jurusan Pendidikan Fisika > Program Studi Pendidikan Fisika
Depositing User: Mrs. Neni Sumarni
Date Deposited: 07 Mar 2016 02:34
Last Modified: 07 Mar 2016 02:34
URI: http://repository.upi.edu/id/eprint/19473

Actions (login required)

View Item View Item