digilib@itb.ac.id +62 812 2508 8800

ABSTRAK Muhammad Farras [13322073]
Terbatas  Rina Kania
» Gedung UPT Perpustakaan

COVER
Terbatas  Rina Kania
» Gedung UPT Perpustakaan

BAB I
Terbatas  Rina Kania
» Gedung UPT Perpustakaan

BAB II
Terbatas  Rina Kania
» Gedung UPT Perpustakaan

BAB III
Terbatas  Rina Kania
» Gedung UPT Perpustakaan

BAB IV
Terbatas  Rina Kania
» Gedung UPT Perpustakaan

BAB V
Terbatas  Rina Kania
» Gedung UPT Perpustakaan

DAFTAR PUSTAKA
Terbatas  Rina Kania
» Gedung UPT Perpustakaan

LAMPIRAN
Terbatas  Rina Kania
» Gedung UPT Perpustakaan

Kursi roda listrik merupakan teknologi bantu penting bagi individu dengan gangguan motorik. Namun, penggunaan antarmuka konvensional seperti joystick menjadi kendala bagi penderita penyakit kronis seperti seperti Amyotrophic Lateral Sclerosis (ALS) maupun Multiple Sclerosis (MS). Sebagai alternatif, teknologi Brain-Computer Interface (BCI) dengan paradigma Steady-State Visual Evoked Potential (SSVEP) dikembangkan untuk memberikan kemandirian bernavigasi. Penerapan langsung BCI pada perangkat fisik rentan terhadap kesalahan klasifikasi yang dapat membahayakan pengguna secara langsung. Oleh karena itu, diperlukan simulator tidak hanya sebagai media pelatihan dan pengujian yang aman, tetapi juga sebagai validator yang membuktikan bahwa algoritma kendali di lingkungan virtual benar-benar dapat direpresentasikan secara akurat pada perangkat fisik sesungguhnya. Penelitian ini bertujuan merancang dan mengintegrasikan simulator terpadu yang menggabungkan kursi roda fisik, platform rotasi, dan lingkungan virtual (Virtual Environment/VE) di bawah satu kendali komando BCI terpusat. Evaluasi sistem dilakukan secara offline dengan memutar ulang (replay) data rekaman sinyal EEG secara pseudo-online. Klasifikasi sinyal EEG menggunakan metode Canonical Correlation Analysis (CCA) dan komandonya didistribusikan melalui jaringan nirkabel dengan protokol UDP Broadcast. Hasil pengujian menunjukkan klasifikasi CCA mencapai akurasi rata-rata 86,6% pada stimulus tunak tunggal, namun menurun menjadi 66,67% - 71,25% pada pengujian sekuensial akibat kerentanan deteksi kondisi diam (IDLE). Evaluasi latensi memperlihatkan VE memiliki waktu komputasi paling cepat (< 1 ms), sementara respons kursi roda fisik didominasi oleh latensi jaringan Wi-Fi. Evaluasi keselarasan trajektori menggunakan metrik Mean Absolute Error (MAE) membuktikan tingkat akurasi yang tinggi, dengan galat posisi yang kecil berkisar antara 0,0435 meter hingga 0,4149 meter, dan galat orientasi sudut (Yaw) yang berada di bawah 4 derajat (rentang 1,15° hingga 3,96°). Sistem simulator terpadu ini berhasil terintegrasi secara real-time, memastikan validasi BCI yang komprehensif sebelum implementasi pada dunia nyata.