Brain-computer interface (BCI) tangan prostetik merupakan upaya dalam
meningkatkan kualitas hidup individu dengan kendala penyakit neuromuscular,
amputasi, dan lainnya. Pengembangan tangan prostetik dalam sistem BCI
mengarah pada keterlibatan pengoperasian jari tangan agar diperoleh kemudahan
dalam melakukan kegiatan sehari-hari. Studi ekstraksi fitur memiliki keterbatasan
dengan dominasi penelitian pada ekstraksi fitur bagian tubuh utama, seperti kaki
dan tangan. Studi sebelumnya dengan dataset dalam proyek ini belum mencapai
akurasi minimum operasi BCI. Studi ini dilakukan untuk meningkatkan akurasi
fitur sinyal elektroensepalografi motor imagery jari tangan dalam mengelompokkan
lima kelas jari. Analisis dilakukan dengan melakukan eksplorasi fitur-fitur sinyal
dalam berbagai representasi sinyal. Representasi sinyal diolah dari domain waktu
menjadi amplitudo transformasi Fourier, power spectral density, dan spektogram.
Fitur sinyal yang dihitung dari representasi sinyal diperoleh berdasarkan dua jenis
fitur sinyal kanal independen dan kanal dependen. Sebagian besar fitur kanal
independen diperoleh melalui parameter statistik. Pendekatan representasi sinyal
sebagai fitur dilakukan sebagai analisis. Hasil akurasi akhir diamati juga terhadap
rentang frekuensi sinyal otak. Klasifikasi sinyal dilakukan dengan support vector
machine secara subjek dependen untuk menguantifikasikan performa diferensiasi.
Akurasi tertinggi diamati dalam berbagai perspektif. Secara keseluruhan, akurasi
tertinggi bernilai 44,49% diperoleh pada representasi sinyal spektogram dengan
fitur keseluruhan amplitudo hasil transformasi memiliki akurasi. Terkhusus hasil
dengan akurasi tertinggi, metrik evaluasi menunjukkan spesifisitas tertinggi pada
telunjuk (94%) dan sensitivitas tertinggi pada ibu jari (84%). Fitur kanal
independen dengan parameter statistik memiliki nilai 27,60% pada fitur rerata dan
jumlah dengan nilai sama 27,60%. Fitur kanal dependen memiliki nilai 25,44%
pada fitur yang berkaitan dengan kanal komplemen. Hasil akurasi menandakan
aktivitas sinyal MI memiliki kontribusi diferensiasi yang tinggi ketika melibatkan
keseluruhan nilai amplitudo hasil transformasi. Rentang frekuensi yang memiliki
dampak tertinggi pada diferensiasi adalah sinyal dengan rentang frekuensi 0 hingga
5 Hz.