Deteksi Kantuk berdasarkan Sinyal EEG dengan Menggunakan Klasifikasi K-Nearest Neighbor (KNN)

Pasaribu, Novie Theresia Br. and Halim, Timotius and Ratnadewi, Ratnadewi and Prijono, Agus (2019) Deteksi Kantuk berdasarkan Sinyal EEG dengan Menggunakan Klasifikasi K-Nearest Neighbor (KNN). In: Seminar Nasional Energi, Telekomunikasi, dan Otomasi (SNETO) 2019, 14 Desember 2019, Bandung.

	Text 4. Deteksi Kantuk Berdasarkan Sinyal EEG Dengan Menggunakan Metode KNN Dan SVM.pdf Download (871Kb)
	Text 4. Turnitin_Deteksi Kantuk berdasarkan Sinyal EEG dengan Menggunakan Klasifikasi K-Nearest Neighbor (KNN).pdf Download (1782Kb)

Abstract

Electroencephalography (EEG) adalah suatu pengukuran potensial yang mencerminkan aktifitas kelistrikan dari otak manusia. Aplikasi pengunaan sinyal EEG untuk mendeteksi kantuk digunakan adalah suatu upaya untuk pencegahan sedini mungkin agar kecelakaan tidak terjadi. Pada penelitian ini dirancang suatu sistem deteksi kantuk berdasarkan sinyal EEG dengan menggunakan ekstraksi ciri transformasi wavelet dan menggunakan klasifikasi K-Nearest Neighbor (KNN). Dari hasil pelatihan metode KNN, diperoleh jenis Fine KNN mempunyai tingkat akurasi tertinggi yaitu 91.3%. Dari penelitian ini diperoleh, pada pengujian percobaan Mengemudi-2 terdapat 6 orang responden yang terdeteksi kantuk, yaitu R1, R2, R5, R6, R7, R9, dan 4 orang responden yang terdeteksi tidak kantuk, yaitu R3, R4, R8 dan R10. Sedangkan pada percobaan Mengemudi-3 terdapat 5 orang responden yang terdeteksi kantuk yaitu R5, R6, R7, R9, R10 dan 5 orang yang terdeteksi tidak kantuk yaitu : R1, R2, R3, R4, dan R8.

Item Type:	Conference or Workshop Item (Paper)
Uncontrolled Keywords:	EEG, Transformasi Wavelet, KNN
Subjects:	T Technology > T Technology (General)
Depositing User:	Perpustakaan Maranatha
Date Deposited:	27 Oct 2021 09:43
Last Modified:	29 Mar 2023 16:54
URI:	http://repository.maranatha.edu/id/eprint/27999

Actions (login required)

View Item