Article Per Year (5 Year)
p-Index From 2019 - 2024
1.578
P-Index
This Author published in this journals
All Journal Techno.Com: Jurnal Teknologi Informasi Jurnal Simetris Pelita - Jurnal Penelitian Mahasiswa UNY Jurnal Teknologi Informasi dan Ilmu Komputer Sistemasi: Jurnal Sistem Informasi JURNAL MEDIA INFORMATIKA BUDIDARMA Jurnal Sisfokom (Sistem Informasi dan Komputer) Jurnal Telematika Journal of Telecommunication, Electronics and Control Engineering (JTECE) Electrician : Jurnal Rekayasa dan Teknologi Elektro
Rahmat Widadi
Faculty Of Telecommunication And Electrical Engineering, Institut Teknologi Telkom Purwokerto
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering

Published : 10 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search
Journal : Techno.Com: Jurnal Teknologi Informasi

 1 
Klasifikasi Sinyal EEG pada Sistem BCI Pergerakan Jari Manusia Menggunakan Convolutional Neural Network Rahmat Widadi; Bongga Arif Widodo; Dodi Zulherman
Techno.Com Vol 19, No 4 (2020): November 2020
Publisher : LPPM Universitas Dian Nuswantoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33633/tc.v19i4.4119

Abstract

Pemanfaatan sistem Brain-Computer Interface (BCI) sebagai penghubung pikiran manusia dengan peralatan eksternal sangat bergantung pada keakuratan pengklasifikasian dan pengidentifikasian sinyal EEG khususnya gerak motor imagery. Kesuksesan deep learning, sebagai contoh Convolutional Neural Network (CNN), dalam proses klasifikasi pada berbagai bidang berpeluang untuk diimplementasikan pada klasifikasi gerak motor imagery. Pengimplementasian CNN untuk klasifikasi sinyal EEG motor imagery (MI-EEG) gerakan jari tangan diperkenalkan dalam tulisan ini. Rancangan sistem klasifikasi terdiri dari dua bagian yaitu convolution layer dan multilayer perceptron yang diimplementasikan menggunakan Python 3.7 dengan library TensorFlow 2.0 (Keras). Pengujian rancangan sistem dilakukan terhadap lima subjek dari data MI-EEG 5F dengan frekuensi pencuplikan 200 Hz. Pengujian melibatkan Kfold-cross validation dan analisis pada confusion matrix. Berdasarkan hasil pengujian, peningkatan ukuran kernel menghasilkan peningkatan rata-rata akurasi sistem. Sistem dengan akurasi terbaik diperoleh pada rancangan dengan jumlah kernel 50 sebesar 51,711%. Rancangan sistem menghasilkan kinerja yang melebihi hasil penelitian yang menjadi rujukan utama.
Co-Authors Anang Prasetyo Arifwidodo, Bongga Ariyatno Saputra Bongga Arif Widodo Dodi Zulherman Dodi Zulherman Dodi Zulherman Dodi Zulherman Dodi Zulherman Faqih Amatya Hendrayan I Wayan Adiyasa Indah Permatasari Indriyanto, Slamet Kholidiyah Masykuroh Luhur Pamukti Muhammad Alwi Adnan Amal Santika Tri Hapsari S Synatria Subekti