Contoh Laporan

ANALISA STATISTIK KUALITAS TIDUR DARI SINYAL EEG DENGAN STIMULI
AROMATIK
LAPORAN PENELITIAN
SKRIPSI
Dosen Pembimbing : Mardi Turnip, S.Kom., M.Kom.
Ketua Peneliti : Lisa Wijaya (153303040206)
PROGRAM STUDI S1 - SISTEM INFORMASI
FAKULTAS TEKNOLOGI DAN ILMU KOMPUTER
UNIVERSITAS PRIMA INDONESIA
MEDAN
2019
LEMBARAN PERNYATAAN
Saya yang bertanda tangan dibawah ini dengan sebenarnya menyatakan bahwa
Laporan Penelitian ini saya susun tanpa adanya tindakan plagiarisme sesuai dengan
peraturan yang berlaku di Fakultas Teknologi dan Ilmu Komputer Universitas Prima
Indonesia.
Nama : Lisa Wijaya

NIM : 153303040206
Fakultas : Teknologi dan Ilmu Komputer
Program Studi : Sistem Informasi
Judul Penelitian : Analisa Statistik Kualitas Tidur Dari Sinyal EEG Dengan
Stimuli Aromatik
Jika dikemudian hari saya terbukti melakukan tindakan palgiarisme, saya akan
bertanggung jawab sepenuhnya, dan siap menerima sanksi yang dijatuhkan oleh
Fakultas Teknologi dan Ilmu Komputer Universitas Prima Indonesia kepada saya.
Medan,
Penulis,
Lisa Wijaya
NIM : 153303040206
ABSTRAK
Pada umumnya, orang dewasa membutuhkan waktu tidur selama 7 – 8 jam setiap
malam agar tubuh selalu dalam kondisi fit. Selain waktu tidur yang cukup, kualitas
tidur yang baik juga menjadi faktor yang penting untuk diperhatikan. Namun bila
waktu tidur dan kualitas tidur itu terganggu, tentu saja banyak efek buruk yang
mengintai. Kualitas tidur seseorang dapat diketahui dengan membaca sinyal
biopotensial pada otak yang biasa disebut electroencephalograph (EEG). Untuk dapat
mendeteksi sinyal ini, diperlukan sensor EEG yang diletakan pada beberapa titik di
sekitar kepala. Data hasil pengukuran sinyal oleh sensor EEG akan direkam dan dapat
langsung diproses oleh komputer, tanpa harus melalui rangkaian pengkondisi sinyal
terlebih dahulu. Proses ini biasa disebut dengan proses akuisisi data. Pada tahap
pertama pemrosesan digital di komputer, sinyal akan mengalami pre-processing
(cutting, filtering dan segmentating). Kemudian, sinyal akan diekstraksi cirinya
dengan metode Discrete Wavelet Transform (DWT) dan Fast Fourier Transform
(FFT). Output dari sistem ini adalah ciri sinyal berupa frekuensi dan amplitudo pada
sinyal EEG tiap segmen data tidur. Hasil amplitudo akan digunakan sebagai input
dalam penganalisaan menggunakan metode statistik uji t sampel berpasangan.
Kata kunci : DWT, EEG, FFT, dan Metode Statistik.
i
ABSTRACT
In general, adults need to sleep for 7 - 8 hours every night so that the body is
always in a fit state. In addition to adequate sleep, good sleep quality is also an
important factor to note. But when the sleep time and sleep quality was disrupted, of
course many bad effects are lurking. The quality of one's sleep can be known by
reading the bio potantial signals in the brain commonly called electroencephalograph
(EEG). To be able to detect this signal, an EEG sensor is required at some point around
the head. The data of signal measurement by EEG sensor will be recorded and can be
processed directly by computer, without having to go through the signal conditioning
circuit first. This process is usually called the data acquisition process. In the first stage
of digital processing on a computer, the signal will have pre-processing (cutting,
filtering and segmentating). Then, the signal will be extracted by the method of
Discrete Wavelet Transform (DWT) and Fast Fourier Transform (FFT). The output of
this system is the signal characteristics of the frequency and amplitude of the EEG
signal of each sleep data segment. The amplitude results will be used as input in
analyzing using the t test method paired samples. The amplitude result will be used as
input in analyzing using paired t test sample statistic method.
Keywords : DWT, EEG, FFT, and Statistical Methods.
ii
KATA PENGANTAR
Puji Syukur kehadirat Tuhan Yang Maha Esa atas berkat dan rahmat-Nya
kepada penulis sehingga kegiatan dan penyusunan laporan penelitian yang berjudul
“Analisa Statistik Kualitas Tidur Dari Sinyal EEG Dengan Stimuli Aromatik” selesai
dengan baik dan tepat waktu.
Laporan penelitian ini dibuat penulis dengan tujuan untuk menyelesaikan
pendidikan program Strata-1 pada Universitas Prima Indonesia Medan. Selama
menyelesaikan laporan ini, penulis banyak mendapatkan bimbingan dan pengarahan
dari berbagai pihak. Untuk itu dengan tulus hati penulis mengucapkan terima kasih
kepada:
1. Ibu Chrismis Novalinda Ginting, SSiT., M.Kes. selaku rektor Universitas
Prima Indonesia.
2. Bapak Abdi Dharma, S.Kom., M.Kom. selaku Dekan Fakultas Teknologi dan
Ilmu Komputer Universitas Prima Indonesia.
3. Bapak Mardi Turnip, S.Kom., M.Kom. selaku Wakil Dekan 1 Fakultas
Teknologi dan Ilmu Komputer Universitas Prima Indonesia dan dosen
pembimbing.
4. Ibu Siti Aisyah, S.Kom., M.Kom. selaku Ketua Program Studi Sistem
Informasi Universitas Prima Indonesia.
5. Ayah dan Ibu tercinta yang selalu mendoakan dan mendukung penulis dalam
proses penulisan laporan penelitian.
6. Teman-teman seperjuangan di dalam dan luar kampus serta senior-senior
yang telah mendukung dan menyemangati penulis selama proses penulisan
laporan penelitian berlangsung.
7. Pihak-pihak lainnya yang tidak dapat penulis sebutkan satu per satu.
Penulis sadar bahwa dalam penyusunan laporan penelitian ini masih terdapat
banyak kekurangan dan kesalahan. Untuk itu penulis sangat mengharapkan kritik dan
saran dari berbagai pihak.
Penulis berharap laporan penelitian ini dapat bermanfaat bagi penulis dan
pembaca serta dapat menjadi referensi mahasiswa lain khususnya mahasiswa yang
mengikuti mengikuti perkuliahan di Universitas Prima Indonesia.
iii
Medan,
Penulis
Lisa Wijaya
NIM: 153303040206
iv
DAFTAR ISI
LEMBAR PERNYATAAN
ABSTRAK ................................................................................................................i
ABSTRACT .............................................................................................................ii
KATA PENGANTAR .............................................................................................iii
DAFTAR ISI .............................................................................................................v
DAFTAR GAMBAR ................................................................................................vi
DAFTAR TABEL ....................................................................................................vii
BAB I PENDAHULUAN ........................................................................................1
1.1 Latar Belakang Masalah ............................................................................1
1.2 Rumusan Masalah ......................................................................................2
1.3 Batasan Masalah ........................................................................................2
1.4 Tujuan Penelitian .......................................................................................2
1.5 Manfaat Penelitian .....................................................................................3
BAB II METODE PENELITIAN ..........................................................................4
2.1 Metode Penelitian ......................................................................................4
2.2 Akuisisi Data Eksperimen .........................................................................4
2.3 Pengolahan Sinyal .....................................................................................5
2.4 Bandpass Filter (BPF) ...............................................................................6
2.5 Discrete Wavelet Transform (DWT) .........................................................6
2.6 Fast Fourier Transform (FFT) ..................................................................6
2.7 Paired Sample T Test .................................................................................7
BAB III HASIL DAN PEMBAHASAN ................................................................8
3.1 Hasil Pengolahan Sinyal ............................................................................8
3.2 Hasil Analisa Statistik ................................................................................10
BAB IV KESIMPULAN DAN SARAN..................................................................17
4.1 Kesimpulan ................................................................................................17
4.2 Saran ..........................................................................................................17
DAFTAR PUSTAKA
DAFTAR RIWAYAT HIDUP
LAMPIRAN
v
DAFTAR GAMBAR
Gambar 2.1 Diagram Blok Alur Metode Penelitian...................................................4

Gambar 3.1 Sinyal EEG Dengan Stimulus Lavender Setelah Filtering Dengan
Frekuensi Gelombang Alpha .................................................................8
Frekuensi Gelombang Delta ..................................................................8
Frekuensi Gelombang Theta .................................................................9
Gambar 3.4 Sinyal EEG Dengan Stimulus Aromaterapi Lavender Setelah Filtering
Dengan Frekuensi Gelombang Alpha Dan Ekstraksi DWT ..................9
Dengan Frekuensi Gelombang Delta Dan Ekstraksi DWT ...................9
Dengan Frekuensi Gelombang Theta Dan Ekstraksi DWT ..................10
vi
DAFTAR TABEL
Tabel 3.1 Distribusi Hasil Analisis Paired Sample T Test Gelombang Alpha
Tanpa Stimulus Dan Dengan Stimulus Aromatik Lavender......................11
Tabel 3.2 Distribusi Hasil Analisis Paired Sample T Test Gelombang Theta
Tabel 3.3 Distribusi Hasil Analisis Paired Sample T Test Gelombang Delta
Tanpa Stimulus Dan Dengan Stimulus Aromatik Sandalwood .................14
vii
BAB I
PENDAHULUAN
1.1 Latar Belakang Masalah

Tidur merupakan kebutuhan dasar manusia yang ditandai dengan aktivitas
fisik yang minimal, penurunan kesadaran, perubahan proses fisiologi tubuh dan
penurunan respon terhadap rangsangan dari luar. Tidur mempunyai manfaat besar
bagi tubuh. Manfaat tidur antara lain dapat mengembalikan keseimbangan dan
aktivitas saraf pusat pada level normal. Tidur juga bermanfaat untuk sintesis protein
yang memungkinkan terjadinya proses perbaikan[1]. Secara garis besar tidur dapat
dibagi menjadi dua fase, yaitu fase Rapid Eye Movement (REM) dan fase Nonrapid
Eye Movement (NREM). NREM merupakan tahap awal tidur ringan yang ditandai
dengan pergerakan bola mata yang terhenti, suhu tubuh menurun, detak jantung
melambat, serta sama sekali tidak ada aktivitas otot di beberapa bagian tubuh,
sedangkan REM merupakan tahap yang ditandai pergerakan bola mata cepat,
hilangnya kekuatan otot dan mimpi yang tampak nyata[2].
Umumnya orang dewasa membutuhkan waktu untuk tidur selama 7-8 jam
setiap harinya. Apabila waktu tidur tidak terpenuhi dengan baik maka akan
memberikan dampak yang buruk pada kesehatan dan dapat mempengaruhi kualitas
tidur seseorang serta munculnya gangguan tidur lainnya. Orang yang mengalami
gangguan tidur, akan mengakibatkan konsentrasi menjadi menurun, daya tahan
melemah, juga memicu terserangnya berbagai penyakit berbahaya seperti kanker,
stroke, dan narcolepsy. Selama tertidur, seseorang mengistirahatkan beberapa organ
tubuhnya, salah satunya adalah otak[3] dimana otak manusia akan tetap bekerja,
terutama saat bermimpi. Otak akan bekerja layaknya sedang melakukan aktivitas di
siang hari. Dari fakta inilah, kita bisa mengetahui kondisi tubuh dan kualitas tidur
seseorang melalui sinyal otaknya. Sinyal otak yang biasa disebut
electroencephalograph (EEG) memiliki frekuensi yang berbeda-beda sesuai dengan
aktivitas yang sedang dilakukan, baik itu saat tidur ataupun terjaga. Sinyal ini
memiliki gelombang amplitudo tegangan yang rendah, yaitu pada orde microvolt
dalam rentang 100 µV-1 mV[4]. Otak manusia juga menghasilkan lima buah sinyal
EEG, yaitu Gamma (30Hz – 50Hz), Beta (13Hz – 30Hz), Alpha (8Hz – 13Hz), Theta
1
2
(4Hz – 8Hz) dan Delta (0,5Hz – 4Hz). Sinyal-sinyal tersebut dapat digunakan untuk
mengetahui pengaruh stimuli aromatik terhadap kualitas tidur.
1.2 Rumusan Masalah

Berdasarkan permasalahan diatas, maka rumusan masalah penelitian ini
adalah:
1. Waktu tidur yang dibutuhkan oleh tubuh tidak terpenuhi sesuai dengan waktu
tidur pada umumnya.
2. Dapat disebabkan oleh gangguan tidur seperti insomnia.
3. Adanya faktor lain yang menurunkan kualitas tidur seperti mengonsumsi
kandungan kafein berlebih.
1.3 Batasan Masalah

Adapun batasan masalah dari penelitian ini adalah:
1. Sensor EEG yang digunakan adalah Mitsar 202 dengan 32 channel.
2. Channel yang digunakan untuk merekam sinyal otak berjumlah 19 channel.
3. Perancangan algoritma program pada software MATLAB.
4. Metode ekstraksi ciri yang digunakan adalah Discrete Wavelet Transform
dan Fast Fourier Transform.
5. Analisa pengaruh stimuli aromaterapi terhadap kualitas tidur menggunakan
metode statistik.
6. Analisa statistik menggunakan software SPSS.
7. Sinyal EEG yang direkam adalah 1 siklus tidur pada siang hari.
8. Setiap satu subjek diberikan 3 perlakuan berbeda yaitu dengan diberikan
stimulus aromaterapi lavender, stimulus aromaterapi sandalwood, dan tanpa
stimulus aromaterapi.
9. Aromaterapi yang digunakan adalah lavender dan sandalwood.
1.4 Tujuan Penelitian

Adapun tujuan dari penelitian ini adalah menganalisa pengaruh stimuli
aromaterapi lavender dan sandalwood terhadap kualitas tidur melalui sinyal EEG.
3
1.5 Manfaat Penelitian

Adapun manfaat yang diperoleh dari penelitian ini adalah:
1. Pemahaman terhadap cara kerja metode DWT dan FFT terhadap ektraksi
ciri sinyal EEG.
2. Penelitian dapat digunakan sebagai referensi untuk mengembangkan metode
ekstraksi ciri sinyal EEG.
BAB II
METODE PENELITIAN
2.1 Metode Penelitian

Metode penelitian yang dilakukan meliputi proses pemberian stimulus
aromaterapi pada subjek, pengambilan data sinyal EEG, akuisisi data, pre
processing, proses ekstraksi ciri dan analisa statistik. Output yang dihasilkan berupa
nilai amplitudo dan frekuensi maksimal dari sinyal EEG subjek. Proses lebih
lanjutnya adalah diperolehnya data pengaruh aromaterapi terhadap kualitas tidur
subjek. Metode penelitian ini dapat diilustrasikan pada gambar di bawah ini.
STIMULUS SINYAL EEG AKUISISI DATA

PRE PROCESSING :
* Cutting
* Filtering
EKSTRAKSI CIRI :
ANALISA STATISTIK : OUTPUT : * Discrete Wavelet
Uji T Sampel Berpasangan Nilai Frekuensi dan Transform (DWT)
(Paired Sample T Test) Amplitudo * Fast Fourier
Transform (FFT)
Gambar 2.1 Diagram Blok Alur Metode Penelitian
2.2 Akuisisi Data Eksperimen

Data akuisisi merupakan suatu data hasil dari pengukuran sinyal elektrik
dari perangkat ukur, yang kemudian data tersebut akan dimasukkan ke komputer
untuk diproses. Proses dari akuisisi pada umumnya melibatkan proses pengambilan
sinyal dan mengolahnya untuk memperoleh informasi. Tahap dari proses akuisisi
data adalah sebagai berikut:
a. Subjek menjalani proses persiapan eksperimen berupa pemasangan sensor

MITSAR EEG pada bagian kepalanya.
b. Setelah menjalani proses persiapan, subjek dipersilahkan untuk tidur di
tempat yang sudah dipersiapkan. Pastikan subjek sudah siap dan merasa
rileks sebelum pengambilan data dilakukan.
Pengambilan data dimulai sejak pasien menutup mata sampai terlelap
4
5
dengan rentang waktu 90 menit (1 siklus tidur). Pengambilan data berupa

perekaman sinyal otak saat tidur dengan aplikasi WinEEG untuk mengetahui
kualitas tidur subjek.
2.3 Pengolahan Sinyal

Proses pengolahan sinyal pada eksperimen ini terdiri dari 2 tahap, yaitu
tahap pre-processing dan ekstraksi ciri. Pada tahap pre-processing, sinyal akan
melewati proses cutting dan filtering. Sedangkan pada tahap ekstraksi ciri akan
dilalukan metode Disctrete Wavelet Transform dan Fast Fourier Transform.
2.3.1 Pre-processing
Tahap pertama pada pre-processing adalah melakukan pemotongan 600000

titik sampling (20 menit) untuk pengujian lavender dan normal sedangkan
pemotongan 540000 titik sampling(18 menit) untuk pengujian sandalwood dan
normal. Dari satu record yang ada di potong menjadi 3 bagian di antaranya yaitu
bagian pertama, bagian tengah, dan bagian terakhir. Kemudian sinyal akan melalui
proses filtering, sinyal disaring atau dibersihkan dari derau yang biasanya timbul
karena adanya interferensi catu daya (50Hz) dan sinyal-sinyal biopotensial lainnya
(artifak) yang ikut tertangkap frekuensinya oleh sensor. Sinyal tersebut di filter
sesuai dengan masing-masing frekuensi dari gelombang otak. Sinyal dari proses
filtering kemudian diekstraksi cirinya menggunakan metode Disctrete Wavelet
Transform dan Fast Fourier Transform. Pada eksperimen ini dicari gelombang alpha
(bangun) dengan frekuensi 8 – 13 Hz, gelombang theta (tidur ringan) dengan
frekuensi 4 – 8 Hz dan gelombang delta (tidur lelap) dengan frekuensi 0.5 – 4 Hz.
2.3.2 Ekstraksi ciri
Pada tahap ekstraksi ciri terdapat 2 metode yang digunakan, yaitu Discrete
Wavelet Transform dan Fast Fourier Transform. DWT digunakan untuk
memisahkan data menjadi beberapa komponen yang berbeda dan mempelajari tiap-
tiap komponen sesuai dengan resolusi yang tepat dan skalanya masing-masing.
Sedangkan FFT digunakan untuk kompresi sinyal yang diuraikan dari sinyal dengan
interval waktu ke komponen frekuensi. Output dari ekstraksi ciri ini adalah nilai
frekuensi dan amplitudo rata-rata dari data yang sebelumnya telah dipotong.
6
2.4 Bandpass Filter

Bandpass filter adalah rangkaian yang melewatkan frekuensi pada daerah
tertentu di antara frekuensi cut off pertama dan frekuensi cut off kedua dan meredam
frekuensi di luar daerah tersebut. Selain itu Bandpass filter merupakan sebuah
rangkaian yang dirancang untuk melewatkan frekuensi dalam batasan tertentu dan
menolak frekuensi lain diluar frekuensi yang dikehendaki. Dan bandpass filter
merupakan gabungan antara highpass dan lowpass filter[5].
2.5 Discrete Wavelet Transform

Wavelet merupakan salah satu metode ekstraksi ciri yang biasa digunakan
pada sinyal. Wavelet mempunyai kemampuan untuk menganalisis sinyal single dan
multidimensional, terutama jika sinyal tersebut memiliki informasi yang berbeda-
beda di tiap waktunya. Representasi wavelet adalah multiscale dari dekomposisi
sinyal, yang dapat kita anggap sebagai pohon, dimana di tiap level menyimpan
proyeksi sinyal ke dalam fungsi basisnya ke dalam resolusi tertentu atau dengan kata
lain wavelet mengubah nilai menjadi serangkaian koefisien tertentu. Representasi
time frequency dengan wavelet ini dilakukan dengan melakukan filter terhadap sinyal
dengan sepasang filter yang akan memotong domain frekuensi ke tengah[6].
2.6 Fast Fourier Transform

Fourier Transform merupakan metode untuk kompresi sinyal dan gambar
yang diuraikan dari sinyal yang didefinisikan dari interval waktu yang tak terbatas ke
komponen frekuensi alpha. FT merupakan seri lanjutan dari Fourier. Fast Fourier
Transform merupakan suatu algoritma yang lebih cepat dan efisien untuk
menghitung Discrete Fourier Transform. Metode FFT dapat dilakukan dalam
domain waktu dan frekuensi. Oleh karena itu kinerja FT lebih mengungguli
kemampuan kinerja WT dari kebanyakan sinyal, baik stationary maupun non
stationary[4]. Metode FFT digunakan untuk memplot sinyal EEG dalam domain
frekuensi pada proses ekstraksi ciri dan mengenali pola sinyal yang terekam. Tujuan
dari ekstraksi ciri tersebut adalah untuk mengetahui informasi yang terkandung di
dalam sinyal dan untuk mengetahui bentuk spesifik dari sinyal yang berasal dari tiap
individu.
7
2.8 Paired Sample T Test

Uji Paired Sample T Test dilakukan terhadap dua sampel yang berpasangan,
sampel yang berpasangan diartikan sebagai sebuah sampel dengan subjek yang sama
namun mengalami dua perlakuan atau pengukuran yang berbeda[7]. Peneliti yang
menggunakan uji ini biasanya ingin membandingkan data sebelum diberi perlakuan
(pretest) dan sesudah diberi perlakuan (postest). Pada dasarnya kesimpulan atau
hipotesis dalam statistik terbagi dua yaitu hipotesis null (Ho) dan hipotesis alternatif
(Ha). Dalam SPSS uji paired sample t test akan menghasilkan output berupa Mean,
standar deviasi, standar error, derajat kebebasan (df), t hitung dan nilai signifikan 2
tailed yang akan digunakan untuk pengambilan keputusan ataupun kesimpulan.
Berikut ini merupakan dasar pengambilan keputusan:
a. Berdasarkan perbandingan t hitung dengan t tabel[7]

✓ Jika statistik hitung (angka t output) > statistik tabel (tabel t), maka Ho
ditolak.
✓ Jika statistik hitung (angka t output) < statistik tabel (tabel t), maka Ho
diterima.
b. Berdasarkan nilai probabilitas[7]
✓ Jika probabilitas > 0,05 , maka Ho diterima.
✓ Jika probabilitas < 0,05 , maka Ho ditolak.
Dalam uji statistik umumnya menggunakan dua jenis tingkat signifikansi
yaitu 1% (0,01) dan 5% (0,05). Pertimbangan penggunaan angka didasarkan pada
tingkat kepercayaan (confidence interval) yang diinginkan oleh peneliti. Angka
signifikansi sebesar 0,01 mempunyai pengertian bahwa tingkat kepercayaan atau
bahasa umumnya keinginan peneliti untuk memperoleh kebenaran dalam penelitian
adalah sebesar 99%. Jika angka signifikansi sebesar 0,05, maka tingkat kepercayaan
adalah sebesar 95%. Jika angka signifikansi sebesar 0,1, maka tingkat kepercayaan
adalah sebesar 90%[8]. Pada prinsipnya, pengambilan keputusan berdasar t hitung dan
t tabel akan selalu menghasilkan kesimpulan yang sama dengan berdasar angka
probabilitas. Umumnya penggunaan angka probabilitas lebih sering dipakai sebagai
dasar pengambilan keputusan inferensi[7].
BAB III
HASIL DAN PEMBAHASAN
3.1 Hasil Pengolahan Sinyal

Berikut ini merupakan gambar dari hasil pengolahan sinyal EEG yang telah
difilterisasi menggunakan gelombang Alpha, Delta, dan Theta. Serta hasil pengolahan
sinyal sesudah di ekstraksi cirinya menggunakan DWT dan FFT.
Frekuensi Gelombang Alpha
Frekuensi Gelombang Delta
8
9
Frekuensi Gelombang Theta
Gambar 3.4 Sinyal EEG Dengan Stimulus Aromaterapi Lavender Setelah

Filtering Dengan Frekuensi Gelombang Alpha
Dan Ekstraksi DWT

Filtering Dengan Frekuensi Gelombang Delta
Dan Ekstraksi DWT
10

Filtering Dengan Frekuensi Gelombang Theta
Dan Ekstraksi DWT
3.2 Hasil Analisa Statistik

Dalam analisa statistik, hipotesis yang akan dipakai ada 2 jenis yaitu hipotesis
alternatif (Ha) dan hipotesis null (Ho) di mana Ha dan Ho yang disimpulkan
berdasarkan pada hasil eksperimen yang dilakukan. Ha disimpulkan sebagai terdapat
hasil yang signifikan ataupun pengaruh dari pemberian aromatik lavender atau
sandalwood yang diberikan terhadap kualitas tidur subjek sedangkan Ho disimpulkan
sebagai tidak terdapat hasil yang signifikan ataupun pengaruh dari pemberian aromatik
lavender atau sandalwood yang diberikan terhadap kualitas tidur subjek. Hasil dan
analisa yang diperoleh berupa nilai rata-rata (Mean), standar deviasi, standar error
mean, t hitung, derajat kebebasan, dan Sig. (2 tailed).
Nilai Mean merupakan hasil rata-rata dari hasil jumlah nilai amplitude yang
di input dalam spss. Standar deviasi digunakan untuk menentukan bagaimana sebaran
data dalam sampel, dan seberapa dekat titik data ke rata-rata nilai sampel. Standar error
dapat didefinisikan sebagai standar deviasi dari rata-rata sampel. Dalam analisa
statistik t hitung dipakai untuk dasar pengambilan keputusan yang dibandingkan
dengan t tabel statistik, untuk melihat angka perbandingan tersebut pada tabel di
butuhkan derajat kebebasan atau df yan diperoleh dari hasil jumlah sampel dikurang
dengan satu dan dilihat sesuai tingkat signifikansi yang dipakai yaitu 0,05 dengan
tingkat kepercayaan 95%. Hasil Sig.(2-tailed) adalah yang paling umum digunakan
untuk dasar pengambilan keputusan berdasarkan nilai probabilitas.
11
1. Hasil analisa statistik tanpa stimulus dan dengan stimulus aromaterapi lavender
Tanpa Stimulus Dan Dengan Stimulus Aromatik Lavender
Berdasarkan tabel 3.1 hasil uji statistik parametrik paired sample t test gelombang
alpha pada pemotongan pertama tanpa stimulus dan dengan stimulus lavender di
mana jumlah subjek sebanyak 6 orang diperoleh mean sebesar -0,00850, standar
deviasi sebesar 0,02838, standar error mean sebesar 0,01159, nilai t hitung sebesar
-0,734, derajat kebebasan sebesar 5, dan Sig. (2-tailed) sebesar 0,496. Pada
pemotongan bagian tengah diperoleh mean sebesar 0,00054, standar deviasi
sebesar 0,01811, standar error mean sebesar 0,00739, nilai t hitung sebesar 0,073,
derajat kebebasan sebesar 5, dan Sig. (2-tailed) sebesar 0,945. Dan pada
pemotongan bagian terakhir diperoleh mean sebesar -0,00839, standar deviasi
sebesar 0,00632, standar error mean sebesar 0,00258, nilai t hitung sebesar -3,250,
derajat kebebasan sebesar 5, dan Sig. (2-tailed) sebesar 0,023. Dari hasil yang
diperoleh dapat disimpulkan bahwa berdasarkan nilai Sig. (2-tailed) di atas
diperoleh hasil yang signifikan pada pemotongan data terakhir dimana nilai Sig.
(2-tailed) yang diperoleh lebih kecil dari tingkat signifikansi yang dipakai (0,05).
Maka berdasarkan teori analisa statistik, hipotesis alternatifnya (Ha) diterima atau
terdapatnya pengaruh stimulus aromaterapi lavender yang di berikan terhadap
kualitas tidur subjek. Sedangkan pada pemotongan data bagian pertama dan bagian
tengah hipotesis nullnya (Ho) di terima sebab nilai Sig. (2-tailed) yang diperoleh
lebih besar dari tingkat signifikansi yang dipakai.
12
theta pada pemotongan pertama tanpa stimulus dan dengan stimulus lavender di
pemotongan bagian tengah diperoleh mean sebesar -0,04203, standar deviasi
diperoleh dapat disimpulkan bahwa berdasarkan nilai Sig. (2-tailed) di atas
diperoleh hasil yang signifikan pada pemotongan data terakhir dimana nilai Sig.
(2-tailed) yang diperoleh lebih kecil dari tingkat signifikansi yang dipakai (0,05).
Maka berdasarkan teori analisa statistik, hipotesis alternatifnya (Ha) diterima atau
terdapatnya pengaruh stimulus aromatik lavender yang di berikan terhadap kualitas
tidur subjek ataupun dapat disimpulkan bahwa subjek mengalami tidur ringan saat
diberikan stimulus aromatik lavender. Sedangkan pada pemotongan data bagian
pertama dan bagian tengah hipotesis nullnya (Ho) di terima sebab nilai Sig. (2-
tailed) yang diperoleh lebih besar dari tingkat signifikansi yang dipakai.
13
delta pada pemotongan pertama tanpa stimulus dan dengan stimulus lavender di
pemotongan bagian tengah diperoleh mean sebesar 0,10004, standar deviasi
diperoleh dapat disimpulkan bahwa berdasarkan nilai Sig. (2-tailed) di atas tidak
diperoleh hasil yang signifikan pada pemotongan data bagian pertama, bagian
tengah, dan bagian terakhir dimana nilai Sig. (2-tailed) yang diperoleh lebih besar
dari tingkat signifikansi yang dipakai (0,05). Maka berdasarkan teori analisa
statistik, hipotesis nullnya (Ho) diterima atau tidak terdapatnya pengaruh stimulus
aromatik lavender yang di berikan terhadap kualitas tidur subjek.
14
2. Hasil analisa statistik tanpa stimulus dan dengan stimulus sandalwood

Tanpa Stimulus Dan Dengan Stimulus Aromatik Sandalwood
alpha pada pemotongan pertama tanpa stimulus dan dengan stimulus lavender di
pemotongan bagian terakhir diperoleh mean sebesar 0,00407, standar deviasi
aromatik sandalwood yang di berikan terhadap kualitas tidur subjek.
15
theta pada pemotongan pertama tanpa stimulus dan dengan stimulus lavender di
16
delta pada pemotongan pertama tanpa stimulus dan dengan stimulus lavender di
BAB IV
KESIMPULAN DAN SARAN
4.1 Kesimpulan
Setelah menyelesaikan penulisan laporan penelitian, penulis menarik
kesimpulan sebagai berikut:
a. Aromaterapi dapat meningkatkan kualitas tidur seseorang.
b. Aromaterapi lavender lebih disenangi oleh subjek eksperimen dibandingkan
aromaterapi sandalwood.
c. Berdasarkan hasil analisa statistik yang dilakukan, subjek eksperimen yang
tidur tanpa aromaterapi serta yang diberi aromaterapi lavender mengalami
tidur ringan sedangkan yang diberi aromaterapi sandalwood kurang
mempengaruhi kualitas tidur subjek sehingga subjek tidak mengalami tidur
ringan maupun tidur pulas.
4.2 Saran
Adapun saran yang dapat diberikan untuk pengembangan laporan penelitian
ini lebih lanjut adalah sebagai berikut:
a. Rentang waktu eksperimen selama satu siklus tidur direkam sama rata agar
hasil pengolahan data lebih maksimal.
b. Eksperimen dilakukan di tempat yang jauh lebih tenang tanpa ada gangguan
luar lainnya seperti ransangan suara yang dapat mempengaruhi tidur subjek
selama berlangsungnya eksperimen.
17
DAFTAR PUSTAKA
[1] Kurnia, A. D., Wardhani, V. dan Rusca, K. T. 2009. Aromaterapi Bunga

Lavender Memperbaiki Kualitas Tidur Pada Lansia. Jurnal Kedokteran
Brawijaya. XXV(2): 83-86.
[2] Kurniawan, R. 2013. REM Dan NREM.
http://rahmatkurniawan9415.blogspot.co.id/2013/04/rem-dan-nrem.html.
[3] Mahendra, Y. H., Tjandrasa, H. dan Fatichah, C. 2017. Klasifikasi Data EEG
Untuk Mendeteksi Keadaan Tidur Dan Bangun Menggunakan Autoregressive
Model Dan Support Vector Machine. JUTI: Jurnal Ilmiah Teknologi Informasi.
15(1): 35-42.
[4] Azhari, A., Susanto, A. dan Soesanti, I. 2015. Studi Perbandingan: Cognitive
Task Berdasarkan Hasil Ekstraksi Ciri Gelombang Otak. Seminar Nasional
Teknologi Informasi Dan Multimedia. 6-8 Februari 2015, STMIK AMIKOM
Yogyakarta. Hal. 7-12.
[5] Agung, S. 2014. Pengertian Dan Kupas Tentang Band Pass Filter.
http://setiaagungw.blogspot.co.id/2014/05/pengertian-dan-kupas-tentang-
band-pass.html.
[6] Naibaho, V. 2015. Klasifikasi Emosi Melalui Sinyal EEG Yang Dihasilkan Otak
Dengan Menggunakan Discrete Wavelet Transform Dan Backpropagation
Artificial Neural Network. E-Proceeding Of Engineering. 2(1): 1535-1540.
[7] Santoso, S. 2017. Menguasai Statistik Dengan SPSS 24. Edisi 1. PT Elex Media
Komputindo. Jakarta.
[8] Gunarto, M. 2008. Makna Nilai Signifikansi Dari Suatu Uji Hipotesis.
https://mujigunarto.wordpress.com/2008/12/25/makna-nilai-signifikansi-dari-
suatu-uji-hipotesis/.
[9] Adiyati, S. 2010. Pengaruh Aromaterapi Terhadap Insomnia Pada Lansia Di
PSTW Unit Budi Luhur Kasongan Bantul Yogyakarta. Jurnal Kebidanan. II(2):
21-28.
[10] Arilaha, A. 2011. Metode Analisis Data Statistik. http://asril-
arilaha.blogspot.co.id/2011/08/metode-analisis-data-statistik.html.
[11] Cheong, L. C., Sudirman, R. dan Hussin, S. S. 2015. Feature Extraction Of EEG
Signal Using Wavelet Transform For Autism Classification. ARPN Journal Of
Engineering And Applied Sciences. 10(19): 8533-8540.
[12] Djamal, E. C. dan Tjokronegoro, H. A. 2005. Identifikasi Dan Klasifikasi Sinyal
EEG Terhadap Ransangan Suara Dengan Ekstraksi Wavelet Dan Spektral Daya.
ITB Journal Of Science.
[13] Kamarudin. 2014. Makalah Statistik Parametrik Dan Non Parametrik.
http://societykamaru.blogspot.co.id/2014/01/makalah-statistik-parametrik-dan-
non.html.
[14] Mareti, S. 2010. Pengaruh Aromaterapi Terhadap Penurunan Kejadian Insomnia
Pada Usia Lanjut Di Dusun Kramen Kring VI Sido Agung Godean Sleman
Yogyakarta. Skripsi. STIK AISYIYAH, Yogyakarta.
DAFTAR RIWAYAT HIDUP
DATA PRIBADI
Nama : Lisa Wijaya
Jenis Kelamin : Perempuan
Tempat / Tanggal Lahir : Lhokseumawe, 20 September 1997
Agama : Buddha
Warga Negara : Indonesia
PENDIDIKAN
1. Tahun 2009, lulus dan berijazah dari SDS Budi Dharma

2. Tahun 2012, lulus dan berijazah dari SMPN 1 Lhokseumawe
3. Tahun 2015, lulus dan berijazah dari SMAN 1 Lhokseumawe
4. Tahun 2015, masuk ke Universitas Prima Indonesia Medan
LAMPIRAN
Source Code Pembagian Menit
load(‘Ardian Lavender.TXT’);
ardianlavender=transpose(Ardian_Lavender);
ardianlavender_1=ardianlavender(:,900001:1500000);
Source Code Ekstraksi Ciri
data=ardianlavender_1(:,1:600000);
data=eegfilt(data,500,8,13,0,127);
%Memecah sinyal setiap 20 menit

data_1=data(:,1:600000);
%sinyal 1
%mewavelet sinyal 1 lalu di pecah tiap channel
[c,l] = wavedec(data_1(1,:),7,'db8');
data_1_Fp1= wrcoef('d',c,l,'db8',7);
data_1_Fp2= wrcoef('d',c,l,'db8',7);
data_1_F7= wrcoef('d',c,l,'db8',7);
data_1_Fz= wrcoef('d',c,l,'db8',7);
data_1_T3= wrcoef('d',c,l,'db8',7);
data_1_C3= wrcoef('d',c,l,'db8',7);
data_1_Cz= wrcoef('d',c,l,'db8',7);
data_1_C4= wrcoef('d',c,l,'db8',7);
data_1_P3= wrcoef('d',c,l,'db8',7);
data_1_Pz= wrcoef('d',c,l,'db8',7);
data_1_P4= wrcoef('d',c,l,'db8',7);
data_1_O1= wrcoef('d',c,l,'db8',7);
data_1_O2= wrcoef('d',c,l,'db8',7);
data_tidur_1=[
data_1_Fp1;data_1_Fp2;data_1_F7;data_1_F3;
data_1_Fz;data_1_F4;data_1_F8;data_1_T3;
data_1_C3;data_1_Cz;data_1_C4;data_1_T4;
data_1_T5;data_1_P3;data_1_Pz;data_1_P4;
data_1_T6;data_1_O1;data_1_O2;];
data_tidur_rata_1=mean(data_tidur_1);
[normamp1, freqnorm1] = findFFT(data_tidur_rata_1,'-sampFreq',500,'-

window','kaiser');
Source Code Frekuensi Dan Amplitudo Maksimal
max1=[normamp1 freqnorm1];
cari_max1=max(max1(:,1));
cari_frek1=find((max1)==(cari_max1));
Hasil=max1(cari_frek1,2);
Hasil_1=[cari_max1,Hasil];
Source Code Plot Data Sinyal
data=ardianlavender_1;
t = linspace(0, 600000,600000); % Time Vector
EEG = data*0.0000095; % Simulate EEG (mV)
ofst = [1:size(EEG,1)]*0.00480 + 0.0001; % ‘Offset’ Vector
EEGp = bsxfun(@plus, EEG', ofst)'; % Add ‘Offset’ To Each Row
figure(1)
plot(t, EEGp) % Plot EEG
axis([xlim 0 0.100]) % Set Axis Limits
ChC = regexp(sprintf('CPz', [1:size(EEG,1)]), ' ', 'split');
% Y-Tick Labels
yt = ofst+0.0025; % Y-Yick Positions
set(gca, 'YTick',yt, 'YTickLabel',ChC(1:end-1))

Contoh Laporan

Diunggah oleh

Informasi Dokumen

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Contoh Laporan

Diunggah oleh

Hak Cipta:

Format Tersedia

ANALISA STATISTIK KUALITAS TIDUR DARI SINYAL EEG DENGAN STIMULI

Dosen Pembimbing : Mardi Turnip, S.Kom., M.Kom.

Ketua Peneliti : Lisa Wijaya (153303040206)

PROGRAM STUDI S1 - SISTEM INFORMASI

FAKULTAS TEKNOLOGI DAN ILMU KOMPUTER

UNIVERSITAS PRIMA INDONESIA

Nama : Lisa Wijaya

Kata kunci : DWT, EEG, FFT, dan Metode Statistik.

Keywords : DWT, EEG, FFT, and Statistical Methods.

Gambar 2.1 Diagram Blok Alur Metode Penelitian...................................................4

1.1 Latar Belakang Masalah

1.2 Rumusan Masalah

1.3 Batasan Masalah

1.4 Tujuan Penelitian

1.5 Manfaat Penelitian

2.1 Metode Penelitian

STIMULUS SINYAL EEG AKUISISI DATA

Gambar 2.1 Diagram Blok Alur Metode Penelitian

2.2 Akuisisi Data Eksperimen

a. Subjek menjalani proses persiapan eksperimen berupa pemasangan sensor

Pengambilan data dimulai sejak pasien menutup mata sampai terlelap

dengan rentang waktu 90 menit (1 siklus tidur). Pengambilan data berupa

2.3 Pengolahan Sinyal

Tahap pertama pada pre-processing adalah melakukan pemotongan 600000

2.3.2 Ekstraksi ciri

2.4 Bandpass Filter

2.5 Discrete Wavelet Transform

2.6 Fast Fourier Transform

2.8 Paired Sample T Test

a. Berdasarkan perbandingan t hitung dengan t tabel[7]

3.1 Hasil Pengolahan Sinyal

Gambar 3.4 Sinyal EEG Dengan Stimulus Aromaterapi Lavender Setelah

Gambar 3.5 Sinyal EEG Dengan Stimulus Aromaterapi Lavender Setelah

Gambar 3.6 Sinyal EEG Dengan Stimulus Aromaterapi Lavender Setelah

3.2 Hasil Analisa Statistik

2. Hasil analisa statistik tanpa stimulus dan dengan stimulus sandalwood

[1] Kurnia, A. D., Wardhani, V. dan Rusca, K. T. 2009. Aromaterapi Bunga

1. Tahun 2009, lulus dan berijazah dari SDS Budi Dharma

Source Code Pembagian Menit

Source Code Ekstraksi Ciri

%Memecah sinyal setiap 20 menit

[normamp1, freqnorm1] = findFFT(data_tidur_rata_1,'-sampFreq',500,'-

Source Code Frekuensi Dan Amplitudo Maksimal

Source Code Plot Data Sinyal

Anda mungkin juga menyukai