Perpustakaan Digital ITB

Terdapat beberapa kasus yang mengakibatkan manusia tidak dapat menggunakan sebagian atau seluruh anggota tubuhnya, oleh karenanya menggerakkan perangkat tertentu dengan pikiran dapat menjadi salah satu solusi. Brain-Computer Interface (BCI) merupakan teknologi yang dapat mewujudkan hal tersebut. Brain-Computer interface (BCI) menghubungkan perintah dan tanggapan yang diberikan oleh gelombang otak yang dapat dideteksi dengan menggunakan Electroencephalograph (EEG) menjadi informasi yang dapat dipahami oleh mesin. Penelitian ini bertujuan untuk memahami cara mengelola informasi PSD dari data EEG dan memperoleh metode pengolahan dan klasifikasi data EEG yang akurat untuk dapat digunakan pada BCI dalam membedakan gelombang otak pembayangan gerak tangan kanan dan kiri. Data EEG yang digunakan pada penelitian ini merupakan set data dari penelitian yang dilakukan oleh Yuriy Mishchenko pada tahun 2018. Ada beberapa tahapan yang digunakan dalam pengolahan data, yaitu pre-processing dengan Fast Fourier Transform (FFT), feature extraction dengan Power Spectral Density (PSD), dan klasifikasi dengan Support Vector Machine (SVM) dengan menggunakan MATLAB dan Python. Puncak frekuensi dari grafik PSD yang digunakan sebagai fitur pada klasifikasi SVM dapat memperoleh akurasi hingga 59.23%.