Seminar Nasional dan Expo Teknik Elektro 2019 ISSN: PROSIDING. (ISSN: ) Seminar Nasional dan Expo Teknik Elektro ke-7 SNETE VII

i

PROSIDING

(ISSN: 2088-9984)

Seminar Nasional dan Expo Teknik Elektro ke-7

SNETE VII

Tahun 2019

http://snete.unsyiah.ac.id/2019/

dengan tema:

“Kolaborasi Interdisiplin Menghadapi Era Digital dan Industri 4.0”

Tanggal 14 November 2019

Banda Aceh - Provinsi Aceh

Tim Editor:

Mohd. Syaryadhi, S.T., M.Sc.

Roslidar, S.T., M.Sc.

Maya Fitria, S.T., M.Sc.

Dr. Melinda, S.T., M.Sc.

Al Bahri, S.T., M.Sc.

Diselenggarakan Oleh:

JURUSAN TEKNIK ELEKTRO DAN KOMPUTER

FAKULTAS TEKNIK

ii

PANITIA

SEMINAR NASIONAL DAN EXPO TEKNIK ELEKTRO

SNETE VII TAHUN 2019

Penanggung Jawab Dr. Ir. Taufik Saidi, M.Eng.

(Dekan Fakultas Teknik Universitas Syiah Kuala) Wakil Penanggung Jawab Dr. Iskandar, S.T., M.Eng.Sc.

(Wakil Dekan I Bidang Akademik Fakultas Teknik) Dr. Ir. Muhammad Zaki, M.Sc.

(Wakil Dekan II Bidang Akademik Fakultas Teknik) Koordinator Prof. Dr. Nasaruddin, S.T., M.Eng.

(Ketua Jurusan Teknik Elektro dan Komputer) Wakil Koordinator Dr. Fitri Arnia, S.T., M.Eng

(Ketua Program Studi Magister Teknik Elektro Unsyiah)

Zulhelmi, S.T., M.Sc.

(Koordinator Program Studi Teknik Elektro) Afdhal, S.T., M.Sc

(Koordinator Program Studi Teknik Komputer) Pengarah Prof. Dr. Ir. Yuwaldi Away, M.Sc.

Prof. Dr. Khairul Munadi, S.T., M.Eng. Dr. Ir. Syahrial, M.Eng.

Dr. Taufiq A Gani, S.Kom., M.Eng.Sc. Ir. Agus Adria, M.Sc.

Dr. Teuku Yuliar Arief, S.T., M.Kom. Ir. Syahrizal, M.T.

Ketua Panitia Dr. Ira Devi Sara, S.T., M.Eng.Sc. Wakil Ketua Panitia Fathurrahman, S.T., M.Sc.

Sekretaris Aulia Rahman, S.T., M.Sc. Bendahara Muhammad Irhamsyah, S.T., M.T. Koordinator Kesekretariatan Syahrul Wahyudi, S.T.

Koordinator Publikasi dan Dokumentasi Hubbul Walidainy, S.T., M.T. Koordinator Program dan Sponsorsip Dr. Tarmizi, S.T., M.Sc. Koordinator Logistik dan Tempat Ramdhan Yunidar, S.Si, M.T.

Ismahadi

Emmi Mulyadi, A.Md. Jasmiaty, A.Md.

iii

KATA PENGANTAR

Alhamdulillah, segala puji bagi Allah Subhanallahu Wata’ala yang telah memberi rahmat dan hidayahnya kepada kita semua sehingga Seminar Nasional dan Expo Teknik Elektro yang ke-7 (SNETE-VII) pada tahun 2019 ini dapat terlaksana. Shalawat dan salam untuk junjungan kita Nabi besar Muhammad Shalallahu ‘Alaihi Wassalam yang telah membawa kita dari alam jahiliah ke alam yang berilmu pengetahuan. Seminar ini merupakan ajang tahunan yang diselenggarakan oleh Jurusan Teknik Elektro dan Komputer Fakultas Teknik Universitas Syiah Kuala dalam rangka mempublikasi hasil-hasil karya ilmiah di bidang Teknik Elektro dan Komputer dari berbagai perguruan tinggi di Indonesia. Adapun tema yang diusung pada tahun ini adalah “Kolaborasi Interdisiplin Menghadapi Era Digital dan Industri 4.0”.

Pelaksanaan SNETE tahun ini juga diisi dengan workshop IEEE SIGHT Hits the Road. IEEE SIGHT Hits the Road - Aceh adalah bagian dari suatu seri workshop yang dilaksanakan di tempat-tempat strategis di Indonesia dengan tujuan untuk meningkatkan minat, pengetahuan, dan kolaborasi dalam pengembangan teknologi untuk kemanusiaan di Indonesia. Acara ini diprakarsai oleh IEEE SIGHT on eHealth & Telemedicine Indonesia, Departemen Teknik Biomedika Institut Teknologi Bandung, TDMRC dan Universitas Syiah Kuala, dengan dukungan dari IEEE Humanitarian Activities Committee (HAC) Event Grant. Peserta workshop merupakan para peneliti dari Bidang Kedokteran, Bidang Teknik Elektro dan Komputer, serta Teknik Mesin di Universitas Syiah Kuala.

Kegiatan SNETE ke 7 tahun 2019 ini menampilkan karya ilmiah dalam bentuk makalah oleh para akademisi dan peneliti dari berbagai universitas dan lembaga/institusi nasional. Adapun bidang kajian meliputi disiplin ilmu Teknik Elektro dan Komputer seperti: sistem energi listrik, teknik telekomunikasi, elektronika, dan instrumentasi, sistem kendali, dan teknik komputer. Sedangkan kegiatan expo diisi oleh berbagai produk teknologi dari karya peneliti dan industri.

Saya selaku ketua panitia SNETE ke 7 tahun 2019, menyampaikan penghargaan yang setinggi-tingginya kepada Rektor Universitas Syiah Kuala (Unsyiah), Dekan Fakultas Teknik Unsyiah, dan Ketua Jurusan Teknik Elektro dan Komputer yang telah mendukung terselenggaranya kegiatan ini. Tak lupa kami ucapkan terimakasih juga kepada P.T. BUANA PRIMA RAYA dan PT. JITRASINDO selaku sponsor, para pembicara kunci serta peran aktif seluruh anggota panitia yang telah bekerja keras sehingga kegiatan ini dapat dilaksanakan dengan baik. Yang teristimewa kepada seluruh pemakalah dan peserta yang telah berhadir, Saya memberi apresiasi yang setinggi-tingginya atas partisipasi dan kontribusinya dalam mensukseskan kegiatan ilmiah SNETE ke-7 tahun 2019 ini.

Banda Aceh, 14 November 2019

Panitia Pelaksana SNETE VII Tahun 2019 Ketua,

iv

DAFTAR REVIEWER

Prof. Dr. Yuwaldi Away Universitas Syiah Kuala

Prof. Dr. Nasaruddin Universitas Syiah Kuala

Dr. Fitri Arnia Universitas Syiah Kuala

Dr. Suherman

Dr. Herlina, S.T., M.T.

Dr. Nur Afny Catur Andryani, M.Sc.

Universitas Sumatera Utara

Universitas Sriwijaya

Universitas Tanri Abeng

Dr. Ira Devi Sara Universitas Syiah Kuala

Dr. Teuku Yuliar Arif Universitas Syiah Kuala

Dr. Ir. Rizal Munadi Universitas Syiah Kuala

Dr. Ir. Syahrial Universitas Syiah Kuala

Dr. Taufiq A. Gani Universitas Syiah Kuala

v

KEYNOTE SPEAKER

Dr. dr. Yoke Saadia Irawan, M.T.

Chair, IEEE SIGHT Indonesia

Allya Paramita Koesoema, Ph.D

IEEE SIGHT Indonesia

Drs. Raimon, Dipl.Sc., M.T.

vi

Seminar Nasional dan Expo Teknik Elektro ke-7 Tahun 2019

SNETE VI TAHUN 2019

Disponsori Oleh:

vii

DAFTAR ISI

PANITIA SNETE 2019 ii

KATA PENGANTAR iii

DAFTAR REVIEWER iv

DAFTAR ISI v

Analisis Filter Kalman untuk Menghapus Noise pada Sinyal Suara Muhammad Iqbal, Hubbul Walidainy, dan Elizar

1-5

Rancang Bangun Sistem Pengisian Baterai Menggunakan Solar Cell Berbasis Mikrokontroler ATmega328

Suriadi, Ramdhan Halid Siregar, dan Chairul Fanni

6-13

Penerapan Tetrahedron-Based Sensor dan Internet of Things untuk Memprediksi Potensi Energi Surya

Yuwaldi Away dan Andri Novandri

14-17

Penentuan Kapasitas Baterai pada Sistem Mikro On-Grid dan Photovoltaic dengan Tetrahedron Based Sun Tracker

Yuwaldi Away, Syahrizal, Agus Adria, dan M. Syamsu Rizal

18-22

Analisis Segmentasi dalam Penentuan Target Pemasaran Mahasiswa UIN Suska Riau dengan Metode Fuzzy C Means

Siti Monalisa, Pajar Bahari, dan Fitra Kurnia

23-30

Pengaruh Buffer Length dan TCP Window Size Terhadap Kualitas Layanan Live Streaming pada Protokol RTMP

Mukti Dirtama, Rizal Munadi, Muhammad Irhamsyah, Ernita Dewi Meutia

31-35

Aplikasi Teknologi Waste Heat Recovery Power Generation (WHRPG) untuk Membangkitkan Energi Listrik dari Proses Produksi Semen

Rivaldi, Ira Devi Sara, dan Mahdi Syukri

36-41

Simulasi dan Optimasi Sistem Pembangkit Listrik Tenaga Hibrida (Surya-Bayu-Generator) sebagai Alternatif Sumber Listrik di Daerah Terpencil

Suriadi, Aidil Aqsa Sh, Ramdhan Halid Siregar, Mahdi Syukri, dan Mansur Gapy

42-46

Rancang Bangun Sistem Kendali Lampu Jarak Jauh Berbasis Arduino Uno dan Ethernet Shield Qatrun Nada, Aulia Rahman, dan Roslidar

47-52

Penerapan Island Operation sebagai Defence Scheme pada Gardu Induk Banda Aceh Arliani dan Ira Devi Sara

53-60

Sistem Pengendalian Temperatur dengan Menggunakan Logika Fuzzy pada Proses Fermentasi Tempe

Rauzatul Jannah, Alfatirta Mufti, dan Roslidar

61-65

Perancangan Sistem Monitoring dan Switching Kontrol Hubungan Seri-Paralel Panel Surya Enga Doni Anibta, Hafidh Hasan, dan Syukriyadin

66-71

Rancang Bangun Prototipe Pengenalan Wajah untuk Penyandang Tunanetra dengan Output Suara Menggunakan Metode LBPH

Eko Wahyudi, Fardian, dan Aulia Rahman

72-77

Penentuan Lokasi Pembangkit Listrik Sistem Sulselbar dengan Pendekatan Sekuriti Hestikah Eirene Patoding, Matius Sau, dan Rombe

viii

Analisis Jatuh Tegangan Jaringan Distribusi Primer 20 kV Pada Penyulang Ulee Kareng PT. PLN (Persero) Banda Aceh

T. Ahlul Arif Maulana, Rakhmad Syafutra Lubis, Ira Devi Sara

82-89

Penerapan Algoritma Fp-Growth dalam Menentukan Pola Kecelakaan Lalu Lintas Irwanto, Fitra Kurnia, Siti Monalisa, Ichsan Fahmi

90-97

Development of Hand Gesture-COntrolled Mobile Robot Fahri Heltha, Mirza Saqib Ali, Mahmud Iwan Solihin

98-100

Analisis Filter Finite Impulse Response (FIR) pada Sinyal Electroensephalogram (EEG) Dimurtadha, Melinda, Elizar, Ernita Dewi Meutia

101-104

Sistem Hibrid Energi Surya-Bayu

Eodia Tasik Sedan Lobo, Rombe, Matius Sau

105-109

Analisa Statistik Kecepatan Angin dengan Menggunakan Distribusi Weibull untuk Bandara Kualanamu

Amty Ma’rufah Ardhiyah Dalimunthe, Ira Devi Sara

110-114

Studi Analisa Pertumbuhan Beban Energi Listrik di Sistem Kelistrikan Rayon Merduati Kota Banda Aceh

Chairul Akmal, Ira Devi Sara, Ramdhan Halid Siregar

115-119

Blood Glucose Prediction Using Near Infrared Spectroscopy and Machine Learning Mahmud Iwan Solihin, Fahri Heltha, Muzaiyanah Hidayab

120-123

Pemanfaatan Sistem Hibrid Tenaga Surya-Genset/Diesel Matius Sau, Hestikah Eirene Patoding, Agustina Kasa

124-127

Stabilisasi Tegangan DC Menggunakan Boost Konverter Murhaban Hushaini, Hafidh Hasan, Mansur Gapy

Analisis Filter Finite Impulse Response (FIR) pada

Sinyal Electroensephalogram (EEG)

Dimurtadha, Melinda, Elizar, dan Ernita Dewi Meutia

Jurusan Teknik Elektro dan Komputer, Fakultas Teknik, Universitas Syiah Kuala Jl. Tgk. Syech Abdurrauf No. 7 Darussalam, Banda Aceh 23111, Indonesia

e-mail: dimurtadha12@gmail.com

I. PENDAHULUAN

Sinyal merupakan bagian penting dari sistem telekomunikasi. Sinyal Electroensephalogram (EEG) merupakan salah satu sinyal informasi yang sangat dibutuhkan dalam dunia medis. EEG adalah sebuah sinyal yang dapat menghasilkan salah satu sumber informasi yang paling umum digunakan untuk mempelajari fungsi otak dan gangguan saraf pada manusia. Namun pada proses perekamannya, sinyal EEG banyak mengandung dan bercampur dengan noise.

Noise merupakan salah satu penyebab dari penurunan dari kualitas sinyal informasi. Agar dapat mengurangi dan mengatasi pengaruh gangguan noise terhadap sinyal informasi diperlukan pemrosesan sinyal sehingga informasi yang diinginkan tidak mengalami kerusakan. Noise menyebabkan penurunan kualitas terhadap sinyal informasi bahkan dapat menyebabkan kerusakan dari sinyal informasi yang asli. Untuk mendapatkan sinyal yang bebas dari gangguan noise diperlukan sebuah filter.

Berbagai metode dapat digunakan untuk memfilter

sinyal otak (EEG), salah satu filter yang dapat digunakan dalam penekanan noise pada sinyal EEG adalah filter adaptif. Filter adaptif merupakan filter digital yang digunakan sebagai umpan balik dalam menentukan nilai dari koefisien filter terbaik yang digunakan untuk memperoleh sinyal yang diinginkan. Salah satu filter digital adalah filter Finite Impulse Response (FIR) merupakan filter yang dapat memberikan perhitungan efisien dalam mengestimasi state proses dengan cara meminimalkan noise yang terdapat pada sinyal EEG dan dapat memisahkan antara sinyal EEG dan sinyal noise.

Pada penelitian ini dilakukan simulasi penekanan noise pada sinyal-sinyal EEG menggunakan filter FIR dalam bentuk simulasi pada komputer dengan menggunakan bahasa pemrograman MATLAB. Simulasi dalam penelitian ini menggunakan sinyal masukan yang berupa sinyal EEG dan sinyal noise. Setelah sinyal dimasukkan dapat dilihat kualitas dari sinyal dengan menghitung nilai SNR, serta tampilan grafik dari sinyal sebelum difilter dan sinyal sesudah difilter.

Abstrak— Otak manusia adalah jaringan lunak yang beratnya sekitar 0,5 kilogram dan berisi sekitar 100 miliar

sel yang tersusun dengan sangat canggih. Miliaran sel itu memiliki fungsi kompleks sebagai pusat pengendali seluruh aktivitas manusia. Mulai dari sekadar menerima sinyal-sinyal dari berbagai sensor di badan kita, sampai pada proses pemahaman, analisa, membuat keputusan dan kemudian melakukan gerakan motorik.

Electroensephalogram (EEG) merupakan instrumen untuk menangkap aktivitas sinyal listrik yang terdapat pada

otak manusia. Dan secara umum dalam penerapannya EEG digunakan untuk mendeteksi kondisi mental dan pola pikiran seseorang. Proses perekaman sinyal yang terdapat di otak akan menimbulkan banyak noise atau informasi yang hilang yang disebabkan oleh banyak faktor. Penelitian ini menggunakan pendekatan filter digital untuk mengurangi noise yang terdapat pada sinyal EEG. Filter yang digunakan yaitu filter Finite Impuls Response (FIR), yang secara spesifik disimulasikan untuk mengetahui kinerja filter tersebut terhadap sinyal EEG pada manusia salah satunya yaitu sinyal Delta. Proses pemfilteran FIR bekerja dengan sangat baik pada sinyal Delta dengan nilai Signal to Noise Ratio (SNR) yang didapat setelah pemfilteran yaitu sebesar 3,2198 dB.

Kata Kunci: electroensephalogram (EEG), filter digital, finite impulse response (FIR), fast fourier transform (FFT), signal to noise ratio (SNR)

Abstract— various sensors in our body to the process of understanding, analyzing, making decisions, and doing the movements concerning its perspective signal processed. Electroencephalogram (EEG) is an instrument to capture the activity of electrical signals found in the human brain. In general, the application of EEG is used to detect mental conditions or the patterns of the human mind. The EEG process will create some noise or missing information caused by many factors. This study uses a digital filter approach to reduce noise contained in EEG signals. The filter used is the Finite Impulse Response (FIR) filter, which is individually simulated to find out the filter performance against several EEG signals in humans, one of which is the Delta signal. The FIR filtering process works very well on the Delta signal with a Signal to Noise Ratio (SNR) value obtained after filtering that is equal to 3.2198 dB.

Keywords: electroensephalogram (EEG), digital filters, finite impulse response (FIR), fast fourier transform (FFT),

II. STUDI PUSTAKA A. Sinyal Electroensephalogram (EEG)

Electroensephalogram (EEG) adalah piranti untuk menangkap aktivitas listrik di otak. Kalangan kedokteran menggunakan EEG antara lain untuk mendiagnosa penyakit yang berhubungan dengan kelainan otak dan kejiwaan. Sementara aplikasi lebih luas dari EEG adalah untuk mendeteksi pola pikiran atau kondisi mental seseorang. Pengamatan visual terhadap sinyal EEG secara langsung sangat sukar mengingat amplitudo sinyal EEG demikian rendah dan polanya yang sangat kompleks [1].

Bentuk sinyal Electroencephalogram (EEG) pada setiap orang berbeda. Hal ini karena dipengaruhi oleh kondisi mental, frekuensi dan perubahan amplitudo irama alpha dari pola berpikir masing-masing individu dalam merespon rangsangan yang diterima oleh otak [2]. Set-up sistem pengukuran sinyal EEG biasanya menggunakan metoda International Federation of Societes of Elctroencephalography, dimana elektroda ditempatkan pada kulit kepala pada posisi/aturan standar yaitu sistem 10 – 20, dengan melihat kode huruf yang menyatakan lokasi dan angka ganjil menunjukan sisi kiri serta angka genap menunjukan sisi kanan. Sebagaimana ditunjukan pada Gambar 1 [3].

Gambar 1. Penempatan sensor EEG sistem 10-20 [3]

Sinyal EEG pada seseorang umumnya terdiri dari komponen-komponen gelombang yang dibedakan berdasarkan kondisi dan daerah frekuensinya. Sinyal tersebut dibagi menjadi 5 jenis sinyal yaitu (1) sinyal

Delta, merupakan bentuk gelombang yang memiliki frekuensi gelombang yang bernilai 0,5–3 Hz atau <4 Hz dengan amplitudo tegangan mencapai 10 mV. (2) sinyal

Teta, merupakan bentuk gelombang yang memiliki frekuensi gelombang yang bernilai antara 4–7 Hz dengan amplitudo tegangan mencapai 10μV. (3) sinyal Alfa, merupakan bentuk gelombang yang memiliki frekuensi gelombang yang bernilai antara 8–12 Hz dengan amplitudo tegangan mencapai 50 μV. (4) sinyal Beta, dengan bentuk gelombang yang memiliki frekuensi gelombang yang bernilai antara 13–30 Hz dengan amplitudo tegangan bernilai antara 10–20 μV. Gelombang beta dibagi menjadi 3 kelompok, yaitu high beta (> 19 Hz), beta (15 – 18 Hz), dan low beta (12 - 15 Hz), dan (5) sinyal Gamma dengan frekuensi gelombang yang bernilai antara 31–100 Hz [4].

B. Filter Finite Impulse Response (FIR)

Filter FIR merupakan filter digital yang memiliki respon impuls terbatas. Filter FIR digunakan karena

memiliki sistem yang stabil dan nonrekursif, serta output yang dihasilkan tidak terpengaruh oleh output sebelumnya. Proses pendesainan filter meliputi identifikasi koefisien-koefisien yang bersesuaian dengan respon frekuensi spesifikasi untuk sistem. Koefisien-koefisien menentukan respon dari filter. menghitung koefisien filter FIR menggunakan metode window [5].

Persamaan untuk filter FIR dapat dilihat pada (5) dibawah ini [5]:

∑ (1) Keterangan :

M = Panjang Filter Digital

h[n] = Response impulse filter/koefisien filter

x[k] = Sampel sinyal masukan

x[k-n] = Sampel sinyal masukan yang ditahan dalam TDL (Tap Delay Line)

y[k] = Output filter digital

C. Fast Fourier Transform (FFT)

FFT (Fast Fourier Transform) adalah teknik perhitungan yang cepat dengan memanfaatkan sifat periodikal dari transformasi Fourier. FFT berfungsi untuk merubah domain waktu ke domain frekuensi [6].

F(k) = ∑ ( ) ( )

(2)

-j ∑ ( ) ( ) (3) Untuk mendapatkan nilai j menggunakan persamaan berikut ini.

| ( )|

(4) Keterangan :

N = Jumlah sampel yang akan diproses

f (n) = Nilai sampel signal

k = Variabel frekuensi discrete π = 3,14 derajat

n = Indeks data nilai sampling

Fast Fourier Transform merupakan metode yang sangat efisien untuk menghitung koefisien dari Fourier Discrete ke suatu Finite sekuen dari data yang kompleks. Karena substansi waktu yang tersimpan lebih dari pada metoda konvensional, FFT merupakan aplikasi temuan yang penting di dalam sejumlah bidang yang berbeda seperti analisis spectrum, speech and optical signal processing,

design filter digital [3].

D. Signal to Noise Ratio (SNR)

Signal to Noise Ratio (SNR) merupakan perbandingan antara kuat sinyal dan kuat noise (derau). Satuan dari SNR adalah desibel (dB) dan persamaannya sebagai berikut [7].

Salah satu cara untuk memisahkan sinyal asli dari keberadaan derau dilakukan normalisasi derau dengan mendapatkan konstanta SNR sinyal. Untuk memperoleh nilai konstanta SNR digunakan persamaan berikut [7].

√∑ ( ) ∑ ( ) (6) Keterangan: c = Konstanta normalisasi SNR s(n) = Sinyal asli b(n) = Sinyal derau

Sedangkan untuk normalisasi derau menggunakan persamaan berikut [7].

y(n) = s(n) + c.10-

b(n) (7)

Keterangan:

y(n) = Normalisasi derau

c = Konstanta normalisasi SNR

s(n) = Sinyal asli

b(n) = Sinyal derau

III. METODE A. Metodologi Penelitian

Metode penelitian yang dipakai yaitu menggunakan

software MATLAB. Proses yang dilakukan pada penelitian ini terdapat pada Gambar 3.

Gambar 3. Flowchart simulasi filter FIR

B. Input Sinyal EEG dan Sinyal Noise

Pada bagian ini penginputan sinyal EEG asli dan sinyal

noise yang akan dipakai dalam melakukan simulasi filter adaptif dengan menggunakan software MATLAB.

C. Sinyal EEG ditambah Noise

Pada tahap ini melakukan inisialisasi dari sinyal EEG dan sinyal noise. Bahasa pemrograman berupa script untuk masukan sinyal EEG dan sinyal noise yang digunakan untuk mendapatkan parameter dari sinyal EEG dan sinyal

noise seperti ukuran dari sinyal, frekuensi sampling dari sinyal dan waktu sampling sinyal. Dan selanjutnya sinyal

noise ditambahkan pada sinyal EEG.

D. Filter FIR

Pada Saat proses pemfilteran menggunakan filter FIR. Pada tahap ini dilakukan juga pengujian, dengan cara mengimplementasikan script MATLAB yang telah disiapkan kemudian dilakukan proses pemfilteran pada sinyal EEG yang sudah ditambahkan noise.

Jika pada simulasi saat dilakukan proses filter mendapatkan hasil penekanan noise yang belum bekerja dengan baik maka akan dilakukan proses pemfilteran kembali, jika noise yang ditekan mendapatkan hasil noise yang baik maka dilanjutkan pada tahap selanjutnya.

E. Tampilkan Grafik dan Hasil Simulasi

Setelah simulasi proses pemfilteran dijalankan, data hasil simulasi menggunakan software MATLAB kemudian akan ditampilkan grafik hasil simulasi setelah dilakukan filter serta hasil dari pengukuran nilai SNR setelah difilter.

IV. HASIL DAN PEMBAHASAN A. Hasil Sebelum Filter

Pada saat dilakukan simulasi sebelum dilakukan proses filter didapatkan nilai SNR dari sinyal EEG Delta sebesar 3,1542 dB. Dari hasil simulasi program matlab sebelum sinyal difilter didapatkan tampilan dari sinyal EEG bercampur sinyal noise seperti yang ditampilkan pada Gambar 4.

Gambar 4 Sinyal EEG delta bercampur noise sebelum difilter

Dari contoh tampilan dapat dilihat bahwa sinyal EEG yang bercampur noise memiliki bentuk-bentuk rumput yang menyertai sinyal EEG asli sehingga mempengaruhi keluaran sinyal EEG asli.

B. Hasil Sesudah Filter

Dari hasil simulasi setelah dilakukan proses pemfilteran menggunakan filter FIR didapatkan nilai SNR untuk masukan sinyal EEG delta. Sesudah dilakukan proses pemfilteran menggunakan filter FIR dapat dilihat nilai SNR dari sinyal masukan mengalami kenaikan. Nilai SNR sesudah difilter yang terdapat pada sinyal EEG delta sebesar 3,2198 dB.

Setelah dilakukan proses pemfilteran pada simulasi mendapatkan hasil sinyal EEG sesudah dilakukan proses

filter FIR untuk menekan noise seperti pada tampilan Gambar 5 berikut.

Gambar 5. Sinyal EEG delta bercampur noise sesudah difilter.

Dari hasil tampilan Gambar 5 setelah dilakukan proses

filter dapat dilihat perbandingan dari besar amplitudo pada setiap perioda. Perbedaan amplitudo tersebut dikarenakan proses dari filter FIR yang memanfaatkan umpan-balik untuk mendapatkan hasil pengukuran yang terbaru. Hal ini menunjukkan bahwa noise yang mempengaruhi sinyal EEG delta asli sebelum difilter dapat ditekan dan berkurang serta sinyal sesudah difilter memiliki kualitas yang lebih baik.

Dari tampilan pada Gambar 5 dapat dilihat noise yang menggangu yang terdapat pada Gambar 4 pada saat sinyal bercampur noise dapat menghasilkan sinyal keluaran yang bersih dari noise sehingga gelombang sinyal EEG yang dihasilkan menjadi lebih jelas.

Berdasarkan hasil nilai SNR sesudah difilter didapatkan nilai penekanan noise yang dilakukan oleh filter FIR. Dimana nilai SNR sinyal EEG delta sebelum difilter sebesar 3,1542 dB dan sesudah difilter sebesar 3,2198 dB. Dimana menunjukkan bahwa kenaikan nilai SNR pada sinyal EEG delta yaitu saat keadaan manusia sedang tidur lelap, dengan nilai kenaikan SNR sebesar 0,0656 dB. Dimana semakin besar kenaikan nilai SNR pada sinyal antara saat sinyal bercampur noise sebelum dan sesudah difilter, maka menunjukkan proses pemfilteran FIR bekerja dengan sangat baik pada sinyal tersebut. Kenaikan nilai

SNR dari sinyal masukan dipengaruhi oleh kerapatan daya frekuensi dari sinyal masukan noise.

V. KESIMPULAN

Hasil kinerja dari filter Finite Impulse Response (FIR) menggunakan software MATLAB bekerja dengan sangat baik dan efisien dalam menekan noise pada sinyal EEG

Delta.

Hasil kinerja metode FFT yang berfungsi mengubah sinyal informasi dari domain waktu menjadi domain frekuensi juga bekerja dengan baik pada sinyal EEG.

Saat sinyal EEG bercampur dengan noise, sinyal EEG

delta memiliki nilai SNR yaitu sebesar 3,1542 dB. Sesudah sinyal EEG difilter menggunakan filter FIR, nilai SNR pada sinyal EEG delta yaitu sebesar 3,2198 dB. Kenaikan nilai SNR pada sinyal EEG delta sebesar 0,0656 dB.

REFERENSI

[1] E. C. Djamal and H. A. Tjokronegoro, “Identifikasi dan Klasifikasi Sinyal EEG terhadap Rangsangan EEG dengan Ekstraksi Wavelet dan Spektral Daya,” ITB J. Sci., vol. 37, no. 1, pp. 69–92, 2005. [2] Hindarto, M. Hariadi, and M. H. Purnomo, “Identifikasi Sinyal

Elektro Enchepalo Graph Untuk Menggerakkan Kursor Menggunakan Teknik Sampling Dan Jaringan Syaraf Tiruan,” 13th Ind. Electron. Semin. 2011 (IES 2011), vol. 2011, no. Ies, pp. 978– 979, 2011.

[3] M. Y. Abdullah, E. C. Djamal, and F. Renaldi, “Aksi Game Arcade Berdasarkan Pikiran Menggunakan Filter Fast Fourier Transform dan Learning Vector Quantization,” J. SNATi, vol. 5, no. 1, pp. 17– 22, 2016.

[4] A. Azhari, A. Susanto, and I. Soesanti, “Studi Perbandingan: Cognitive Task Berdasarkan Hasil Ekstraksi Ciri Gelombang Otak,” Teknol. Inf. dan Multimed., vol. 3, no. 1, pp. 7–12, 2015. [5] N. T. Mooniarsih, “Desain dan Simulasi Filter FIR Menggunakan

Metode Windowing,” J. ELKHA, vol. 2, no. 1, pp. 41–47, 2010. [6] Mursyidah, Jamilah, and Zayya, “Pengenalan Karakter EEG

Laki-Laki Aceh Menggunakan Metode FFT ( Fast Fourier Transform ),” J. Infomedia, vol. 2, no. 1, pp. 21–26, 2017.

[7] W. Estiningtyas, Suciantini, and G. Irianto, “Prediksi Curah Hujan Bulanan Berdasarkan Suhu Permukaan Laut Nino 3,4 : Suatu Pendekatan dengan Metode Filter Kalman,” J. Agromet, vol. 19, no. February, pp. 43–56, 2005.

[8] M. Fujimoto and Y. Ariki, “Noisy speech recognition using noise reduction method based on Kalman filter,” ICASSP, IEEE Int. Conf. Acoust. Speech Signal Process. - Proc., vol. 3, no. 1, pp. 1727–1730, 2000.

[9] A. Wildani, S. Maryanto, and A. Susilo, “Analisis Sinyal Seismik Tremor Harmonik dan Tremor Spasmodik Gunungapi Semeru, Jawa Timur – Indonesia,” J. Pemikir. Penelit. Pendidik. dan Sains, vol. 3, no. 2, pp. 140–150, 2018.