Skripsi

KLASIFIKASI SINYAL EEG UNTUK MENGENALI JENIS EMOSI MENGGUNAKAN RECURRENT NEURAL NETWORK

---

Penilaian

---

Penelitian ini berfokus pada eksplorasi mendalam dan analisis tentang penerapan dua jenis Recurrent Neural Network (RNN), yakni Long Short-Term Memory (LSTM) dan Gated Recurrent Unit (GRU). Dua model tersebut dilatih dengan parameter yang sama, terdiri dari 3 lapisan, menggunakan fungsi aktivasi relu, dan menerapkan 1 tingkat dropout. Dalam rangka membandingkan kinerja keduanya, dilakukan percobaan dengan menggunakan pembagian data 80:20 dataset untuk data pelatihan dan data uji. Evaluasi tersebut mencakup metrik - metrik seperti akurasi, precision, recall dan F1-score. Dataset yang digunakan adalah eeg emotion yang terdiri dari 2549 variabel, dimana 2548 berisi data dalam bentuk desimal dan 1 variabel dalam bentuk data string. Dalam hal kinerja, LSTM berhasil mengungguli performa GRU dalam tugas klasifikasi sinyal eeg untuk mengenali jenis emosi. Di sisi lain, GRU menunjukkan kelebihan dalam percepatan proses pelatihan dibandingkan LSTM. Meskipun akurasi kedua metode hampir serupa dalam semua pembagian data, namun dalam evaluasi kurva ROC, model LSTM mendemonstrasikan unggulan dengan kurva yang lebih optimal dibandingkan GRU

---

Availability

Inventory Code	Barcode	Call Number	Location	Status
2407001532	T140610	T1406102024	Central Library (Referens)	Available but not for loan - Not for Loan

Detail Information

Series Title

-

Call Number

T1406102024

Publisher

Inderalaya : Prodi Magister Ilmu Komputer, Fakultas Ilmu Komputer, Universitas Sriwijaya., 2024

Collation

xiv, 36 hlm.; Ilus.; 29 cm

Language

Indonesia

ISBN/ISSN

-

Classification

004.650 7

Content Type

Text

Media Type

unmediated

Carrier Type

-

Edition

-

Subject(s)

Jaringan Komunikasi Komputer
Prodi Magister Ilmu Komputer

Specific Detail Info

-

Statement of Responsibility

SEPTA

Other version/related

File Attachment

Comments

---

You must be logged in to post a comment