Tugas Akhir ini membandingkan sebuah sistem denoising untuk merekonstruksi sinyal EEG (Electroencephalogram). Denoising pada sinyal EEG penting dilakukan karena adanya noise yang tidak diinginkan sehingga dalam analisis sinyal EEG sulit mendapatkan informasi sinyal yang sebenarnya. Pada penelitian ini terdapat dua kasus yaitu sinyal EEG bersih akan diberikan dua noise yang berbeda yaitu Additive White Gaussian Noise (AWGN) dan Ocular Noise yang kemudian pada masing-masing kasus akan di denoising dengan menggunakan dua metode yaitu Emphirical Mode Decomposition (EMD) dan Discrete Wavelet Transforms (DWT). Pengujian dilakukan untuk memperoleh parameter-parameter pengukuran yaitu Mean Squaredd Error (MSE), Signal-to-Noise Ratio (SNR), serta Peak Signal-to-Noise Ratio (PSNR).
Dalam penelitian ini sinyal EEG akan diberikan 2 noise yang berbeda, yaitu Additive White Gaussian Noise (AWGN) dan Ocular Noise yang akan di-denoising dengan menggunakan dua metode yaitu Emphirical Mode Decomposition (EMD) Discrete Wavelet Transforms (DWT). Pengujian dilakukan untuk mendapatkan parameter pengukuran yaitu Mean Squaredd Error (MSE), Signal-to-Noise Ratio (SNR), dan Peak Signal-to-Noise Ratio (PSNR).
Berdasarkan hasil pengujian terhadap 5 data sinyal EEG, denoising terbaik untuk AWGN dilakukan oleh metode DWT dengan basis wavelet DB12, threshold method SURE dengan hard threshold dan level dekomposisi 6 dengan nilai MSE 0,000029, SNR 27,97 dB serta PSNR 26,20 dB. Pada percobaan Ocular Noise, DWT dengan basis wavelet DB12 dan level dekomposisi 1 menunjukkan hasil terbaik pada SNR sebesar 29,99 dB PSNR 23,76 dB, sedangkan untuk hasil MSE terbaik sebesar 0,00060 diberikan oleh metode EMD dengan hard thresholding pada nilai dekomposisi 0,1.
Kata kunci: Electroencephalogram (EEG), Emphirical Mode Decomposition (EMD), Denoising, Discrete wavelet Transform (DWT)