Path: TopS1-Final ProjectElectrical Engineering-STEI2009

PENGEMBANGAN METODE PEMILIHAN CLASSIFIER PADA PROSES KLASIFIKASI DATA SELF-PACED KEY-TYPING MENGGUNAKAN KOMBINASI PARZEN PROBABILISTIC NEURAL NETWORK DAN SUPPORT-VECTOR MACHINE

Undergraduate Theses from JBPTITBPP / 2017-09-27 10:18:32
Oleh : ANDREAS YONAS (NIM 13204124), S1 - Department of Electrical Engineering
Dibuat : 2009, dengan 7 file

Keyword : brain-computer interface, self-paced key-typing, Parzen Probabilistic Neural Network, Support-Vector Machine

Perekaman electroencephalogram (EEG) non-invasif dapat digunakan untuk menunjang interaksi manusia dan komputer pada tingkat yang lebih tinggi menggunakan sistem brain-computer interface (BCI). Sistem ini dapat membantu pasien yang lumpuh sebagian atau lumpuh total untuk berinteraksi dengan dunia luar.

Pada penelitian ini, akurasi klasifikasi pada permasalahan self-paced key-typing dapat ditingkatkan dengan pemilihan classifier tertentu berdasarkan nilai tertentu pada sinyal yang akan diklasifikasi. Tujuan dari permasalahan ini adalah memprediksi pergerakan tangan kiri atau tangan kanan sebelum gerakan itu sendiri terjadi pada data yang diukur dari subjek yang sedang mengetik.

Penurunan tegangan lateral pada area korteks motor yang muncul beberapa saat sebelum terjadinya gerakan, diobservasi pada domain waktu pada elektroda C3 dan C4 dan dihitung sebagai suatu vektor fitur. Selisih nilai kedua kanal tersebut dinormalisasi untuk kemudian dipilih rentang titik waktu paling optimal yang berbeda-beda untuk masukan masing-masing classifier.

Penggunaan vektor fitur yang berbeda pada domain fitur yang sama telah sukses diaplikasikan menggunakan 2 buah classifier yaitu Parzen Probabilistic Neural Network (PPNN) dan Support-Vector Machine (SVM) pada kompetisi internasional BCI 2003 dataset 2: self-paced <1s>. Metode ini mampu meningkatkan akurasi total dari 100 data tes sampai 4% dan 5% untuk masing-masing SVM dan PPNN menjadi 82% maksimum.

Penggunaan hanya satu algoritma untuk setiap percobaan menyebabkan waktu yang dibutuhkan untuk satu kali klasifikasi sangat singkat sehingga memungkinkan untuk aplikasi real-time. Meskipun demikian, perlu dilakukan penelitian lebih lanjut pada subjek lain untuk menghasilkan informasi-informasi yang lebih akurat.

Copyrights : Copyright Â(c) 2001 by ITB Central Library. Verbatim copying and distribution of this entire article is permitted by author in any medium, provided this notice is preserved.

Beri Komentar ?#(0) | Bookmark

PropertiNilai Properti
ID PublisherJBPTITBPP
OrganisasiS
Nama KontakUPT Perpustakaan ITB
AlamatJl. Ganesha 10
KotaBandung
DaerahJawa Barat
NegaraIndonesia
Telepon62-22-2509118, 2500089
Fax62-22-2500089
E-mail Administratordigilib@lib.itb.ac.id
E-mail CKOinfo@lib.itb.ac.id

Print ...

Kontributor...

  • Pembimbing: Prof. Dr. Ir. Tati L. R. Mengko dan Dr. Ir. Ary Setijadi Prihatmanto, Editor: Vika A. Kovariansi

Download...