LAPORAN PRAKTIKUM

EKSPERIMEN TEKNIK BIOMEDIS II

P2: Aplikasi Transformasi Wavelet pada Sinyal Biomedis

Nama : Gita Julia

NIM : 081911733058
Kelompok : A5

PRODI TEKNIK BIOMEDIS

DEPARTEMEN FISIKA
FAKULTAS SAINS DAN TEKNOLOGI
UNIVERSITAS AIRLANGGA
2021
 ABSTRAK
Praktikum Aplikasi Transformasi Wavelet pada Sinyal Biomedis bertujuan untuk
mengaplikasikan metode transformasi wavelet untuk kasus imagery movement dan mampu
menerapkan metode pengolahan sinyal untuk memperoleh informasi biopotensial otak serta
menganalisis hasilnya. Pada percobaan ini, digunakan dua jenis metode transformasi wavelet,
yakni CWT (Continuous Wavelet Transform) dan DWT (Discrete Wavelet Transform). Pada
metode CWT, dilakukan pengamatan terhadap mother wavelet yang dihasilkan serta hasil
konvolusi dan korelasi pada sinyal channel F4 kondisi netral dan push. Sementara itu, pada
metode DWT dilakukan pengamatan terhadap nilai PowerAlpha, PowerBeta, PowerDelta, dan
PowerTheta yang dihasilkan oleh sinyal channel F4 EEG pada kondisi netral dan push. Segala
proses ini dilakukan dengan menggunakan EEG yang berfungsi untuk menerima gelombang
sinyal otak dan aplikasi EEG Emotiv EPOC+ untuk mengamati dan menganalisis sinyalnya.
Kata kunci: CWT, DWT, EEG, Transformasi Wavelet

I. PENDAHULUAN terhadap waktu dengan menghitung

II. STUDI PUSTAKA
A. Transformasi Wavelet
Transformasi Wavelet adalah
metode pengubahan sinyal ke dalam
berbagai wavelet basis melalui beberapa
pergeseran dan penyekalaan. Koefisien
wavelet dari beberapa skala atau resolusi
dapat dihitung dari koefisien wavelet
pada resolusi tinggi berikutnya. Metode
Transformasi berbasis Wavelet
merupakan salah satu sarana yang dapat
digunakan untuk menganalisis (meneliti)
sinyal-sinyal non-stasioner. Pada
implementasinya, Transformasi Wavelet
kerap digunakan untuk menunjukkan
kelakukan sementara (temporal) pada
sinyal, contohnya dalam bidang
geofisika (sinyal seismik), fluida, medik
dan lain sebagainya.
Transformasi Wavelet terbagi
dalam dua jenis, yaitu continuous
wavelet transform (CWT) dan discrete
wavelet transform (DWT). CWT
memberikan informasi frekuensi
konvolusi sebuah sinyal dengan sebuah
jendela modulasi pada setiap skala yang
diinginkan. Jendela ini mempunyai skala
fleksibel yang disebut sebagai mother
wavelet. Lebar (scaling) dan pergeseran
(shifthing) pada mother wavelet dapat
diubah-ubah untuk mendapatkan
koefisien wavelet sebagai hasil dari
konvolusi sinyal.
Sementara itu, DWT merupakan
dekomposisi citra pada frekuensi
subband citra yang dihasilkan melalui
pneurunan level dekomposisi. Dalam
transformasi wavelet diskrit,
penggambaran sebuah skala waktu
sinyal digital didapatkan dengan
menggunakan teknik filterisasi digital.
Secara garis besar proses dalam teknik
ini adalah dengan melewatkan sinyal
yang akan dianalisis pada filter dengan
frekuensi dan skala yang berbeda.
B. Electroencephalograph (EEG)
EEG merupakan sinyal yang
dapat dimanfaatkan untuk merekam
aktivitas spontan gelombang otak
dengan cara mengukur terlebih dahulu
fluktuasi tegangan dalam neuron otak
selama periode tertentu. Dengan
memanfaatkan EEG, kita dapat
mengetahui karakteristik tertentu pada
otak dalam keadaan sadar, istirahat,
tidur, bermimpi di mana terdapat
perubahan gelombang otak baik
Gambar 2.1. Elektroda pada Alat EEG
frekuensi maupun amplitudonya. Selain
itu, sifat seseorang juga dapat mengubah
III. ALAT & BAHAN
pola gelombang di bagian-bagian yang
1. EEG Emotiv EPOC+ dan
berbeda dari otak. Pada bidang neurologi
elektroda
dan psikiatri, EEG digunakan untuk
2. Cairan saline
mendiagnosa penyakit otak, seperti
3. PC/Laptop
epilepsi, gangguan tidur, dan tumor otak.
Dalam penggunaannya,
IV. HASIL & PEMBAHASAN
elektroda-elektroda pada EEG dapat
Pada praktikum ini, kita
ditempatkan sesuai dengan sistem yang
menggunakan aplikasi EEG Emotiv
sudah ditentukan, yaitu sistem 10-20
EPOC+ untuk memperoleh sinyal EEG
yang dapat dilihat pada Gambar 1. Pada
dari otak naracoba sebagai data
gambar, kode huruf menyatakan lokasi,
sekunder. Metode pembacaan sinyal
angka ganjil menunjukan sisi kiri, dan
diawali dengan meletakkan elektrode
angka genap menunjukan sisi kanan.
pada naracoba sesuai dengan kaidah
Kanal yang ada pada alat EEG memiliki
peletakan 10-20 yaitu menggunakan 14
arti yang berbeda. Untuk memperoleh
buah channel.
hasil rekaman EEG yang baik,
Ppenempatan satu elektroda harus tepat
dan baik pula. Selain itu, kebersihan
kulit kepala, kondisi elektroda, mesin
EEG dan kepatuhan pasien pada saat
perekaman juga sangat berpengaruh
untuk mendapatkan hasil yang baik.

Gambar 4.1. Peletakan Elektrode Menghasilkan 14

Channel
 Percobaan pertama dilakukan
dengan menganalisis sinyal perolehan
menggunakan metode CWT. Dengan
CWT, kita dapat melihat frekuensi sinyal
terhadap waktu dengan menghitung
konvolusi sinyal melalui sebuah window
modulasi di setiap skala yang kita
inginkan (mother wavelet). Pada
percobaan, digunakan nilai N yaitu
sebesar 1024 pada data netral dan push.
Selanjutnya, karena sinyal yang
Gambar 4.2. Mother Wavelet Mexican Hat
dianalisis merupakan sinyal channel F4
dan Sinyal Asli Channel F4 Kondisi Netral
kolom 12, kita memasukkan sinyal
input yaitu g=g1(:,12)';. Pada komposisi
EEG, channel F4 merupakan lobus
frontalis yang berperan dalam
pengendalian gerakan, ucapan, perilaku,
memori, emosi, dan kepribadian. Selain
itu, bagian ini juga berguna dalam proses
intelektual, seperti berpikir, menalar,
mengambil keputusan, dan berencana.

1. CWT
Dengan metode CWT, kita
Gambar 4.3. Mother Wavelet Mexican Hat
memperoleh sinyal asli dari daa dan juga dan Sinyal Asli Channel F4 Kondisi Push
sinyal mother wavelet bertipe Mexican
Hat pada channel F4 (lobus frontalis).
Untuk memperoleh koefisien sebagai Berikutnya, pada gambar 4.4,
hasil dari konvolusi sinyal, kita dapaet 4.5, dan 4.6, dan 4.7, tampak bahwa
menyesuaikan proses scaling dan hasil konvolusi dan korelasi pada mother
shifting pada mother wavelet. Setelah wavelet di kedua kondisi cukup mirip.
mendapatkan hasil CWT, kita dapat Jika ingin mengamati perbedaan yang
melakukan analisis terhadap perbedaan lebih akurat, kita membutuhkan
grafik-grafik yang dihasilkan. Pada ekstraksi fitur lanjutan.
gambar di bawah ini, tampak bahwa
sinyal asli pada kondisi netral memiliki
kestabilan yang lebih baik daripada
kondisi push dengan amplitudo fluktuatif
yang mencapai 4600.
Gambar 4.4. Hasil Konvolusi Sinyal Gambar 4.6. Hasil Konvolusi Sinyal
Channel F4 Kondisi Push
Channel F4 Kondisi Netral

Gambar 4.7. Hasil Korelasi Sinyal Channel

Gambar 4.5. Hasil Korelasi Sinyal Channel F4 Kondisi Push
F4 Kondisi Netral
2. DWT kondisi netral. Pada metode DWT, dapat
Selanjutnya, pada metode DWT, disimpulkan pula bahwa nilai power
kita melakukan analisis terhadap gelombang alpha, theta, dan terutama
perbedaan kuat gelombang alpha, beta, beta mengalami pengingkatan dalam
delta, dan theta. Jika dilihat dari tabel kondisi push. Power beta meningkat
perbandingan kondisi netral dan push, cukup drastis karena bagian otak ini aktif
kita dapat menyimpulkan bahwa nilai digunakan untuk pemecahan masalah,
power alpha, beta, dan theta meningkat proses berpikir, dan juga dalam
cukup drastis pada kondisi push. Hal ini menjalani kegiatan sehari-hari.
dapat terjadi karena gelombang beta
pada EEG berperdan dalam pemikiran VI. DAFTAR PUSTAKA
rasional, pemecahan masalah, dan Alfatwa, D. F. (2009). Watermarking
kegiatan sehari-hari. Pada Citra Digital Menggunakan
Discrete Wavelet Transform.
PowerAlpha 2,135 x 104
PowerBeta 1,96 x 104 Bryan, S. M., Rizal, A., & Hadiyoso, S.
PowerDelta 1,89 x 1010 (2015). Pembuatan Aplikasi
PowerTheta 2,503 x 104 Penerima Data EEG Tiga Kanal
Tabel 4.1. Hasil DWT Sinyal Channel F4 Universitas Telkom. Tugas Akhir.
Kondisi Netral
Pangestu, D. P., & Djamal, E. C. (2015).
PowerAlpha 2,506 x 104 Identifikasi Sinyal
PowerBeta 2,9375 x 104 Elektroensephalogram
PowerDelta 1,87 x 1010 Berdasarkan Perhatian
PowerTheta 2,74 x 104
Menggunakan Wavelet dan
Tabel 4.2. Hasil DWT Sinyal Channel F4
Kondisi Push Support Vector Machine.
Prosiding Snija, 228-232.
PowerAlpha 2,135 x 104 2,506 x 104
PowerBeta 1,96 x 104 2,9375 x 104 Tim Dosen Teknik Biomedis. (2021).
PowerDelta 1,89 x 1010 1,87 x 1010 Buku Pedoman Praktikum
PowerTheta 2,503 x 104 2,74 x 104
Tabel 4.3. Perbandingan Nilai DWT Sinyal
Eksperimen Teknik Biomedis 1.
Channel F4 Kondisi Netral dan Push Surabaya: Departemen Fisika,
Fakultas Sains dan Teknologi.
V. KESIMPULAN Universitas Airlangga.
Transformasi Wavelet dapat
digunakan untuk menganalisis sinyal
EEG dan merupakan solusi dari
kelemahan transformasi Fourier dan
STFT untuk pengolahan sinyal non-
stasioner. Pada metode CWT,
disimpulkan bahwa sinyal dalam kondisi
push cenderung fluktiatif daripada