Categories
DSP Neurosains

Analisis Data EEG pada Beberapa Kondisi menggunakan Metode Dekomposisi dan Korelasi berbasis Wavelet (Dekorlet)

Data rekam EEG (Electroencephalo-gram) yang berupa sinyal digital dapat dianalisis dengan metode dekomposisi dan korelasi berbasis wavelet (dekorlet) untuk mengekstraksi informasi frekuensi yang terkandung di dalamnya. Dekomposisi berbasis wavelet digunakan untuk membagi frekuensi yang terkandung mendekati klasifikasi frekuensi ritme gelombang EEG, yaitu delta, theta, alpha dan beta. Sedangkan proses korelasi digunakan untuk memperoleh informasi dominasi frekuensi gelombang EEG pada data rekam EEG yang bersangkutan.

Data EEG yang dianalisis berupa data dari 3 mahasiswa yang berusia 20 sampai 30 tahun (selanjutnya dinamai subjek 3, 4 dan 5). Setiap subjek melakukan lima aktivitas yaitu baseline, multiplication, letter-composing, rotation dan counting. Data dianalisis dengan metode dekorlet dengan wavelet induk Daubechies 3 dan Coiflet 3. Hasil analisis menunjukkan bahwa subjek 3 lebih dominan dalam aktivitas otak kanannya, sedangkan subjek 4 dan subjek 5 lebih dominan otak kirinya. Kemunculan gelombang beta pada occipital lobe subjek 5 menunjukkan kemungkinan kelainan pada occipital atau temporal lobe. Pengguna dengan dominasi aktivitas otak kanan lebih mengaktifkan peran parietal lobe, sedangkan pada subjek dengan dominasi otak kiri lebih mengaktifkan peran occipital lobe. Metode Dekorlet mampu mengekstraksi informasi dominasi frekuensi gelombang otak, dengan perbedaan hasil dari wavelet induk Daubechies 3 dan Coiflet 3 kurang dari 3% (0,03).

Catatan:

  • Dipresentasikan pada CITEE 2010 di Jurusan Teknik Elektro, Fak. Teknik – UGM, Yogyakarta pada Selasa, 20 Juli 2010;
  • Yang terkait dengan artikel atau makalah ini silahkan klik tentang Neurosains;
  • Silahkan mengunduh PDF-nya dan berdiskusi atau tanya jawab melalui komentar pada halaman artikel ini, terima kasih dan semoga bermanfaat, amin.
Categories
DSP

Transformasi Paket Wavelet, Dekomposisi Wavelet dan Korelasi pada Data Seismik Gn. Merapi, Jawa – Indonesia

Abstrak

Pada penelitian ini telah dilakukan eksplorasi dan pengujian Transformasi Paket Wavelet (TPW) dan Dekomposisi Wavelet yang dilanjutkan dengan proses korelasi terhadap data-data Gn. Merapi. Proses korelasi dilakukan untuk menghasilkan analisa kuantitaif tingkat kesamaan pada frekuensi-frekuensi tertentu (berkaitan dengan hasil Dekomposisi Wavelet).

Hasil dari TPW menunjukkan adanya gambaran pola (analisa kualitatif), sedangkan hasil Dekomposisi Wavelet yang dilanjutkan dengan proses korelasi menunjukkan adanya tingkat kesamaan sinyal pada frekuensi-frekuensi tertentu dan hal ini berkaitan dengan suatu event tertentu (analisa kuantitatif).

Pendahuluan

Mempelajari perilaku suatu gunung berapi sehingga didapatkan karakteristik dari gunung yang bersangkutan merupakan penelitian yang salah satunya dapat dimanfaatkan untuk mendukung sistem peringatan dini bencana alam (gunung berapi). Salah satu metode yang digunakan adalah dengan memanfaatkan data-data seismik gunung yang bersangkutan.

Gelombang seismik ditimbulkan oleh suatu gangguan elastis yang merambat dari satu tempat (titik) ke tempat (titik) yang lain melalui suatu medium, yaitu bumi. Secara alami, gelombang seismik dapat ditimbulkan karena adanya aktifitas kerak bumi (berupa pengangkatan, penurunan, tekanan atau pelipatan/patahan) dan aktifitas gunung berapi. Yang pertama dinamakan gelombang seismik tektonik (gempa bumi) sedangkan yang kedua dinamakan gelombang seismik volkanik. Piranti yang digunakan untuk merekam gelombang seismik dinamakan seismograf.

Data-data gelombang seismik yang telah terekam, kemudian diproses atau diolah untuk suatu tujuan atau kepentingan tertentu. Misalnya, dengan menggunakan rekaman data seismik gempa bumi (tektonik) dapat ditentukan pusat dan kedalaman gempa bumi yang bersangkutan. Sedangkan pada gunung berapi dapat digunakan untuk memperkirakan jenis aktivitas gunung berapi tersebut, seperti gerakan magma, guguran lava padat, gejala-gejala akan terjadinya letusan dan lain-lain.

(informasi selengkapnya bisa diunduh disini)