Article Sidebar
Main Article Content
Abstract
Penderita kelumpuhan sering mengalami kesulitan untuk berinteraksi dengan perangkat eksternal disebabkan kinerja saraf untuk menyampaikan perintah dari otak ke otot menurun. Pengembangan teknologi Brain Computer Interface (BCI) memungkinkan seseorang dapat menggerakkan perangkat eksternal dengan menggunakan sinyal EEG sebagai komponen intermediate ketika membayangkan gerakan yang diinginkan (motor imagery) tanpa melibatkan fungsi motorik lainnya. Karakteristik sinyal EEG yang memiliki amplitudo rendah menyebabkan rentan terhadap noise dan mudah dipengaruhi variabel lain. Bentuk yang kompleks serta bersifat non stasioner menyebabkan variabel motor imagery tidak mudah untuk diidentifikasi. Penelitian ini membangun perangkat BCI yang dapat mengidentifikasi pikiran saat membayangkan suatu gerakan untuk menggerakkan animasi pemukul bass drum dengan lima kelas gerakan. Sistem dilatih terlebih dahulu menggunakan 2000 set data dari 10 naracoba untuk lima kelas dengan lima kali perulangan. Variabel motor imagery didapatkan dari sinyal EEG yang diekstraksi dengan Wavelet Daubechies10 untuk mendapatkan sinyal gelombang Alfa dan Beta serta ditambahkan analisa statistik dan sinkronisasi kanal simetrik sehingga menghasilkan 224 data untuk empat kanal. Data tersebut digunakan sebagai vektor fitur untuk tahap identifikasi dengan Support Vector Machine hyperplane Non Linier dengan kernel Polynomial orde 2. Hasil penelitian diperoleh akurasi sebesar 37% untuk data baru, sedangkan terhadap data latih sebesar 88%. Penggunaan fitur statistik amplitudo dan sinkronisasi kanal simetrik dapat meningkatkan akurasi sebesar 7%. BCI dan EEG diintegrasikan secara real time melalui implementasi perangkat lunak BCI, EEG dan animasi pemukul bass drum.