Analisis Performansi Denoising Sinyal Eeg Menggunakan Metode Discrete Wavelet Transform Dan Adaptive Filter

Abstract

Abstrak Sinyal EEG ( Electroencephalogram ) merupakan rekaman sinyal yang dihasilkan dari medan elektrik spontan pada aktivitas neuron di dalam otak. Sinyal EEG dimanfaatkan pada bidang kesehatan untuk mendiagnosis keadaan neurologis otak, serta pada bidang teknologi seperti aplikasi Brain Computer Interface ( BCI ). Dalam perekaman sinyal EEG, terdapat noise yang tidak diinginkan sehingga dalam analisis sinyal EEG sulit mendapatkan informasi sinyal yang sebenarnya. Oleh karena itu dalam Tugas Akhir ini dirancang sebuah sistem denoising untuk menghilangkan noise agar memperoleh visualisasi sinyal yang sebenarnya. Pada penelitian ini sinyal EEG bersih akan di berikan noise AWGN (Additive White Gaussian Noise), kemudian teknik denoising yang akan dilakukan adalah menggunakan dua metode yaitu Discrete Wavelet Transforms dan Adaptive Filter. Pengujian dilakukan dalam Matlab dengan menggunakan parameter Minimum Squared Error ( MSE ), Signal-to-Noise Ratio ( SNR ), serta Peak Signal-to-Noise Ratio ( PSNR ). Berdasarkan hasil pengujian pada 5 data sinyal EEG, menunjukan untuk metode DWT ( Discrete Wavelet Transforms ) mendapatkan nilai rata – rata pada masing – masing parameter, MSE sebesar 0.0000209082, SNR sebesar 29.1607127780 dB dan PSNR sebesar 29.8262675865 dB. Dan untuk metode Adaptive Filter dengan algoritma Kalman diperoleh nilai rata – rata pada masing – masing parameter, MSE sebesar 0.0000425027, SNR sebesar 27.6136811973 dB dan PSNR sebesar 28.2792360058 dB. Kata kunci: Electroencephalogram (EEG), Denoising, Discrete wavelet Transform (DWT), Adaptive Filter. Abstract The EEG signal (Electroencephalogram) is a recording of a signal generated from a spontaneous electric field in the activity of neurons in the brain. EEG signals are used in the health field to diagnose the neurological state of the brain, as well as in areas of technology such as Brain Computer Interface (BCI) applications. In recording EEG signals, there is an undesirable noise so that in the EEG signal analysis it is difficult to get the actual signal information. Therefore in this final project is designed a denoising system to eliminate noise in order to obtain the actual signal visualization. In this study the clean EEG signal will be given AWGN noise (Additive White Gaussian Noise), then denoising technique that will be done is to use two methods of Discrete Wavelet Transforms and Adaptive Filter. The test is done in Matlab using Minimum Squared Error (MSE), Signal-to-Noise Ratio (SNR), and Peak Signalto-Noise Ratio (PSNR). Based on the results of testing on 5 EEG signal data, it shows that the DWT (Discrete Wavelet Transforms) method gets the average value of each parameter, MSE is 0.0000209082, SNR is 29.1607127780 dB and PSNR is 29.8262675865 dB. And for the Adaptive Filter method with Kalman algorithm, the average values for each parameter, MSE is 0.0000425027, SNR is 27.6136811973 dB and PSNR is 28.2792360058 dB. Keywords: Electroencephalogram (EEG), Denoising, Discrete wavelet Transform (DWT), Adaptive Filter.