Identifikasi Biometrik Berdasakan Sinyal Eeg 4 Kanal Dengan Stimuli Foto Menggunakan Metode Hjorth

Abstract

Abstrak Teknik biometrik adalah metode untuk mengenali seseorang berdasarkan karakteristik fisiologis atau karakteristik perilaku. Keunggulan dari teknik biometrik adalah keaslian lebih terjamin dan sulit di modifikasi. Teknik Biometrik yang akan diteliti dalam tugas akhir ini dengan memanfaatkan sinyal otak yaitu EEG. Electroencephalograph (EEG) adalah suatu alat yang mempelajari gambar dari rekaman aktifitas listrik dalam otak manusia yang memanfaatkan sinyal sebagai identifikasi biometrik. Pada tugas akhir ini diusulkan sebuah kerangka identifikasi biometrik berdasarkan sinyal EEG dengan stimuli foto. Pengambilan data dilakukan kepada 5 partisipan dengan 5 kali pengambilan data menggunakan Muse Headband Monitor yang dipasangkan pada kepala partisipan. Dalam tugas akhir ini ektraksi ciri yang digunakan menggunakan metode Hjorth Descriptor dan klasifikasi JST Backpropagation. Dalam penelitian ini menggunakan data sebanyak 25 (terdiri dari 10 data uji dan 15 data latih), data tersebut diklasifikasikan kedalam 4 kelas. Sistem yang telah dibuat menghasilkan tingkat akurasi yang lebih baik dibandingkan menggunakan ekstraksi ciri yang lain yaitu mencapai 88%. Kata kunci: EEG, otak, biometrik, stimuli, hjorth. Abstract Biometric techniques are methods for recognizing a person based on physiological characteristics or behavioral characteristics. The advantages of biometric techniques are more assured of authenticity and difficult to modifications. The biometric technique that will be examined in this final task by utilizing brain signals namely EEG. Electroencephalograph (EEG) is a tool that examines the pictures from the recording of the electrical activity in the human brain that utilizes the signals as a biometric identification. In this final project proposes a framework of EEG signal based on biometric identification with photo stimuli. Data capture is carried out to 5 participants, 5 times using Muse Headband Monitors attached to the participant's head. In this final project, feature extraction that used using the Hjorth Descriptor method and classification of Backpropagation Artificial Neural Network. In this study, using 25 data (consisting of 10 test data and 15 training data), the data is classified into 4 classes. The system that has been made produces a better level of accuracy compared to using other feature extraction which is 88%. Keyword: EEG, brain, biometrics, stimuli, hjorth.