PhD's Notes

Dalam dunia analysis signal terutama signal Electroencephalogram (EEG), biasanya kami para researcher menggunakan Power spectral density ataupun QEEG (quantitative EEG) untuk melihat aktifitas otak. Metode ini juga disebut sebagai metode frequency analysis. Seperti pengolahan sinyal pada umumnya, bila ada analysis secara frequency tentu juga ada analysis secara domain waktu. Biasanya peneliti EEG yang melihat aktifitas otak menggunakan domain waktu adalah peneliti di bidang ERP (event related potential). Dari dua metode itu,  mereka berdua berada dalam satu klasifikasi yang sama. Ya dua tipe pengolahan signal ini  masuk kedalam analisis linear (Linear Analysis).

Seperti yang kalian tau, penelitian saya menerapkan machine learning untuk mengklasifikasi signal. Dalam machine learning, feature yang digunakan menjadi faktor yang amat krusial dalam meningkatkan performa sistem (misal meningkatkan akurasi, mempercepat waktu analisis dll). Hingga biasanya saya menggunakan feature dari Power spectral density menjadi terpesona dengan suatu metode analisis lain yang tampaknya sangat sulit.

Hjorth parameter, cara nyebutnya Hyorth. Bagi kamu pertama kali dengernya? iya saya waktu baca juga pertama kali dengar- saya ketika seminar lab

Namanya keren banget, ibarat dari cara nyebutin namanya aja juga udah susah banget. Ibarat dari namanya kita bakal ketemu formula yang memanfaatkan integral berlipat-lipat. Siapa sangka ternyata Hjorth parameter merupakan parameter yang amat simple namun sangat bermanfaat dalam mengolah signal.

Penasaran gimana formulanya?

Jadi kebayang, kalau ada Zennifa Theory, nama sekeren itu apakah langsung melambangkan formula formula yang sulit layaknya Hjorth parameter yang notabenenya merupakan kalkulasi variance dari signal?

hum hum