Instrumen Elektroensephalogram (EEG) merupakan suatu instrumen yang digunakan sebagai perekam aktivitas otak dengan memperlihatkan gelombang otak. Sinyal EEG memiliki bentuk yang kompleks, mudah tertimbun noise, amplitudo kecil dan tidak memiliki pola yang baku, sehingga analisis secara visual tidak mudah. Untuk meningkatkan akurasi dan menghilangkan noise dari sinyal EEG, maka dibutuhkanlah sebuah metode untuk melakukan proses pembersihan data (denoising) seperti Independent Component Analysis (ICA) atau Principal Component Analysis (PCA). Walaupun begitu tingkatan akurasi dari setiap proses denoising tidaklah selalu akurat. Penelitian ini akan membahas mengenai kedua metode tersebut dan membandingkan nilai akurasi yang dihasilkan menggunakan pengukuran Signal-to-Noise Ratio (SNR).
Pengambilan data dilakukan dengan menggunakan alat Brain Computer Interface (BCI) Emotiv Epoc+ 14 Channel. Implementasi dari penelitian ini menghasilkan sebuah aplikasi untuk simulasi proses denoising data EEG dan menampilkan hasil pembandingan dari kedua metode. Hasil pengujian menunjukkan bahwa metode Independent Componen Analysis lebih unggul dari Principal Component Analysis dengan nilai rata-rata 92% dari sejumlah pengujian.

Electroencephalography (EEG) is an instrument that is used as brain activity recorder by showing the brain waves. EEG a signal has a complex form, with small amplitude is accompanied by noise, and does not have any specific pattern, thus making it difficult to be analyzed visually. To increase accuracy and eliminate noise from EEG signals, a method is required to conduct a data cleaning process (denoising) such as Independent Component Analysis (ICA) or Principal Component Analysis (PCA). The accuracy of the result from the denoising process is not always satisfactory. This study will discuss ICA and PCA, and examine the performance of both methods in denoising by comparing their Signal-to-Noise Ratio (SNR) values. Data acquisition was conducted by utilizing a Brain Computer Interface (BCI) tools Emotiv Epoc+ 14 Channels.
Implementation of this study will produce an application to simulate denoising process of an EEG data and shows comparison results from between both mehods. Testing results shows that Independent Component Analysis outmatch Principal Component Analysis with an average value of 92% from a number of tests.