ANALISA PERBANDINGAN KINERJA METODE KLASIFIKASI JARINGAN SARAF TIRUAN, NAÏVE BAYES DAN SUPPORT VECTOR MACHINE UNTUK MENGENALI KEDIPAN MATA BERDASARKAN SIGNAL EOG

Ahmad, Yunus (2020) ANALISA PERBANDINGAN KINERJA METODE KLASIFIKASI JARINGAN SARAF TIRUAN, NAÏVE BAYES DAN SUPPORT VECTOR MACHINE UNTUK MENGENALI KEDIPAN MATA BERDASARKAN SIGNAL EOG. Diploma thesis, Universitas Andalas.

	Text (Cover dan Abstrak) Cover dan Abstrak .pdf - Published Version Download (178kB)
	Text (Bab I Pendahuluan) BAB 1 Pendahuluan.pdf - Published Version Download (130kB)
	Text (BAB 5 Kesimpulan) BAB 5 Kesimpulan dan saran.pdf - Published Version Download (100kB)
	Text (Daftar Pustaka) DAFTAR PUSTAKA.pdf - Published Version Download (143kB)
	Text (Tugas Akhir full text) Tugas Akhir Ahmad Yunus (1510952055) (Beserta lampiran dan pengesahan).pdf - Published Version Restricted to Repository staff only Download (7MB)

Abstract

Keberadaan mata sangatlah penting bagi manusia terutama untuk fungsi penglihatan. Diantara aktivitas mata adalah pergerakan bola mata dan berkedip. Pada keadaan normal, mata manusia berkedip 15- 20 kali per menit. Aktifitas mata lainnya selain berkedip dengan dua mata adalah berkedip sebelah mata, baik itu kedip mata kiri saja atau kedip mata kanan saja. Penelitian tentang aktifitas mata, bisa dilakukan dengan menggunakan sensor electrooculography (EOG). EOG merupakan sinyal listrik yang dihasilkan oleh beda potensial listrik antara retina dan kornea ketika mata beraktifitas. Penelitian mengenai signal EOG telah banyak dilakukan dengan menggunakan berbagai metode dalam pengklasifikasian datanya. Diantara metode klasifikasi datanya yaitu Jaringan saraf tiruan (JST), Naive Bayes dan Support Vector Machine (SVM). Fitur sinyal EOG yang digunakan pada penelitian berupa luas sinyal, amplitudo sinyal dan perioda sinyal. Pada penelitian ini dilakukanlah pengujian apakah terdapat perbedaan antara sinyal EOG saat mata berkedip sadar dan mata berkedip tidak sadar beserta perbedaannya terhadap signal EOG ketika berkedip kiri dan berkedip kanan. Kemudian juga membandingkan peforma metode klasifikasi data JST , SVM dan Naïve Bayes pada sinyal EOG. Hasil penelitian menunjukkan terdapatnya perbedaan sinyal antara kedip sadar dan kedip tidak sadar, kemudian juga terdapatnya perbedaan sinyal antara kedip kiri, kedip kanan dan gerakan lihat atas. Pada klasifikasi data diapati bahwa data yang menggunakan seluruh fitur memiliki akurasi tertinggi, yaitu sebesar 98,25% pada metode kalsifikasi Naïve Bayes. Metode klasifikasi data dengan rata-rata akurasi tertinggi diantara JST, Naïve Bayes dan SVM adalah JST. Dengan akurasi secara keseluruhan dari fitur pada sinyal yang dipakai mencapai 83,2%. Sedangkan rata-rata akurasi pada klasifikasi data menggunakan Naïve Bayes sebesar 82.8% dan SVM sebesar 82.1%. Kata Kunci : Electrooculography (EOG), Naïve Bayes, Support Vector Machine(SVM) , Jaringan Saraf Tiruan (JST).

Actions (login required)

View Item