Dea, Dennise Natasha Ina (1322035) (2018) Perbandingan Metode Adaptive Neuro Fuzzy Inference System dan Backpropagation Neural Network pada Klasifikasi Pendeteksi Kebohongan. Undergraduate thesis, Universitas Kristen Maranatha.
|
Text
1322035_Abstrak_TOC.pdf - Accepted Version Download (325Kb) | Preview |
|
![[img]](http://repository.maranatha.edu/style/images/fileicons/text.png) |
Text
1322035_Appendices.pdf - Accepted Version Restricted to Repository staff only Download (3241Kb) |
|
|
Text
1322035_Chapter1.pdf - Accepted Version Download (185Kb) | Preview |
|
|
Text
1322035_Chapter2.pdf - Accepted Version Restricted to Repository staff only Download (1061Kb) |
|
|
Text
1322035_Chapter3.pdf - Accepted Version Restricted to Repository staff only Download (1417Kb) |
|
|
Text
1322035_Chapter4.pdf - Accepted Version Restricted to Repository staff only Download (1041Kb) |
|
|
Text
1322035_Conclusion.pdf - Accepted Version Download (173Kb) | Preview |
|
|
Text
1322035_Cover.pdf - Accepted Version Download (303Kb) | Preview |
|
|
Text
1322035_References.pdf - Accepted Version Download (307Kb) | Preview |
Abstract
Deteksi kebohongan menjadi hal yang penting dalam bidang penegakan hukum (kepolisian, kejaksaan, dan pengadilan). Perkembangan deteksi kebohongan cukup signifikan, berawal dari siksaan fisik sampai kepada tes poligraf. Namun metode tersebut belum mencapai hasil akurasi maksimal. Tugas akhir ini menggunakan Electroencephalography (EEG) sebagai metode alternative untuk deteksi kebohongan. EEG diharapkan mampu memberikan hasil yang optimal sekalipun subjek mencoba mengelabui sistem deteksi kebohongan berbasis poligrafi. Eksperimen tugas akhir ini dilakukan pada 12 subjek yang belum terlatih mengenai proses deteksi kebohongan berbasis EEG. Sinyal EEG jenis Event Related Potential (ERP) P300 adalah komponen yang akan diamati dan diolah sehingga didapati hasil keputusan bahwa subjek berbohong atau jujur. Ciri yang digunakan pada sistem deteksi kebohongan ini adalah amplitudo dan latensi P300. Ciri tersebut akan mejadi input untuk dua metode klasifikasi yang akan dibandingkan yaitu, Adaptive Neuro-Fuzzy Inference System (ANFIS) dan Backpropagation Neural Network (BPNN). Akurasi keberhasilan maksimum yang didapatkan dari metode ANFIS yaitu sebesar 75%, sedangkan BPNN menghasilkan akurasi keberhasilan maksimum yang lebih baik yaitu 83.33%. Waktu komputasi pelatihan ANFIS jauh lebih cepat dibandingkan BPNN. ANFIS memiliki rata-rata waktu komputasi sebesar 0.05 s sedangkan BPNN sebesar 40.5 s.
| Item Type: | Thesis (Undergraduate) |
|---|---|
| Uncontrolled Keywords: | Deteksi kebohongan, EEG, sinyal P300, ANFIS, BPNN |
| Subjects: | T Technology > TK Electrical engineering. Electronics Nuclear engineering |
| Divisions: | Faculty of Engineering > 22 Electrical Engineering Department |
| Depositing User: | Perpustakaan Maranatha |
| Date Deposited: | 28 Mar 2018 07:51 |
| Last Modified: | 28 Mar 2018 07:51 |
| URI: | http://repository.maranatha.edu/id/eprint/24255 |
Actions (login required)
 |
View Item |
