OPTIMASI DAYA SPEKTRAL PADA SINYAL LEMAH EEG DENGAN METODE ALGORITMA GENETIK
DOI : 10.24269/mtkind.v11i2.647
Telah dilakukan penelitian mengenai optimasi penentuan spectral daya pada sinyal electroecenphalography (EEG). Optimasi penentuan spectral daya pada sinyal EEG ini menggunakan metode optimasi algoritma genetic. Data sinyal EEG yang diambil terdiri dari 1280 aplitudo sinyal dengan frekuensi sampling 256 Hz. Optimasi algoritma genetik bertujuan untuk mendapatkan nilai spectra daya rata-rata sinyal maksimum. Untuk itu fungsi objektif yang digunakan adalah fungsi bersarnya spektal daya terhadap sinyal masukan EEG. Penelitian ini menggunakan studi kasus sinyal EEG dalam mendeteksi snyal otak manusia. Data sinyal EEG ini terdiri dari 1280 amplitudo sinyal dalam 1 data dengan frekuensi sampling 256 Hz. Selanjutnya sinyal dikarakterisasi sebelum menjadi data masukan pada optimasi algoritma genetik. Kondisi optimum terjadi pada range frekuensi 9.9 Hz sampai 13 Hz dan range frekuensi 15.99 Hz sampai 30 Hz. Kata kunci : Algoritma Genetik, Optimasi, Spektral Daya ,dan EEG
Supplement Files
- C. Djamal, Esmeralda dan Harijono A. Tjokronegoro,2003, Identifikasi dan Klasifikasi Sinyal EEG terhadap Rangsangan Suara dengan Ekstraksi Wavelet dan Spektral Daya,ITB,Bandung
- Kusumadewi.Sri,Purnomo.Hadi, 2005, Penyelesaian Masalah Optimasi dengan Teknik-teknik Heuristik, Graha Ilmu, Yogyakarta.
- Mutmainah,2010, Penerapan Algoritma Genetik Untuk Optimasi Transfer Daya Pada Sistem Sensor Gas, ITS, Surabaya.
- Proakis, John G dan Dimitris G. Manolakis.2007. Digital Signal Processing, Pearson Prentice Hall, New Jersey.
- Sanei , Saeid and J.A. Chambers,2007, EEG Signal Processing. John Wiley & Sons Ltd , England
- Vaseghi, Saeed V. 2006. Advanced Digital Signal Processing and Noise Reduction, John Wiley & Sons Ltd , England.


This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
Subject | Algoritma Genetik, Optimasi, Spektral Daya ,dan EEG |
Type | Data Analysis |
Download (209KB) Indexing metadata |