Pranoto, Fransiskus Cahyadi Putra (2019) Klasifikasi Sinyal Otak Motor Imagery Menggunakan Extreme Learning Machine Dan Discrete Fourier Transform. Sarjana thesis, Universitas Brawijaya.
Abstract
Otak adalah organ tubuh yang memiliki kemampuan untuk mengatur organ tubuh luar dan dalam yang dapat menyimpan, mengolah dan menghantarkan suatu informasi dan menjadikannya sebagai esensi pikiran dan jiwa seseorang. Otak terdiri dari milyaran sel neuron. Saat otak melakukan aktivitas, otak memancarkan suatu sinyal elektris yang dapat ditangkap oleh suatu perangkat antarmuka yaitu brain computer interface. Untuk melakukan rangsangan pada aktivitas sinyal otak dibutuhkan stimulus, salah satu metode stimulusnya adalah motor imagery. Motor imagery adalah representasi dari gerakan motor yang dibayangkan seseorang tetapi tidak menggerakkan anggota tubuh. Pada penelitian ini menggunakan perangkat brain computer interface bernama muse. Perangkat muse digunakan untuk pengumpul data dengan subyek berjumlah 20 dan rentang usia 19-23 tahun. Subyek diminta untuk membayangkan pengucapan tulisan pada stimulus tulisan yang muncul pada layar monitor. datasets yang digunakan adalah datasets BCI Competition IIIA dan IIIB untuk membandingkan kualitas dari datasets yang dikumpulkan peneliti dan membandingkan hasil akurasinya. Pemrosesan sinyal yang dilakukan adalah menggunakan butterworth filter infinite impulse response dengan rentang frekuensi antara 8 sampai 30 Hz. Penelitian ini melakukan ekspolarsi pada fitur yang didapatkan dari pengolahan sinyal hasil filter menggunakan metode discrete fourier transform. Ekplorasi dilakukan dengan mengambil fitur-fitur nilai frekuensi diskrit dan nilai frekuensi kontinyu. Fitur-fitur tersebut akan dilakukan proses klasifikasi menggunakan metode extreme learning machine. Eksplorasi pada metode learning adalah mencari jumlah neuron pada hidden layer yang tepat pada extreme learning machine untuk mencari nilai akurasi yang paling bai kantar jumlah neuron. Hasil dari penelitian adalah didapatkan akurasi sebesar 34% pada datasets muse dengan 5 kelas, 85% dan 90% untuk datasets muse 2 kelas, 66.67% dan 75% untuk datasets BCI Competition IIIA untuk 4 kelas dan 93.33% untuk datasets BCI Competition IIIB dengan 2 kelas.
English Abstract
The brain is a body organ that has the ability to regulate internal and external organs that can store, process and deliver information and make it the essence of one's mind and soul. The brain consists of billions of neuron cells. When the brain carries out activities, the brain emits an electrical signal that can be captured by an interface device, the brain computer interface. To stimulate brain signal activity, a stimulus is needed, one of the stimulus methods is an imagery motor. Motor imagery is a representation of motor movement that someone imagines but does not move the limbs. In this research we using a brain computer interface device called muse. The muse device is used for data collectors with 20 subjects and 19-23 years age range. Subjects were asked to imagine the pronunciation of the writing on the writing stimulus that appeared on the monitor screen. The datasets used are the BCI Competition IIIA and IIIB datasets to compare the quality of the datasets collected by researchers and compare the results of their accuracy. Signal processing is done using butterworth filter infinite impulse response with a frequency range between 8 to 30 Hz. This research explores the features obtained from processing the filter results using the discrete fourier transform method. Exploration is carried out by taking features of discrete frequency values and continuous frequency values. These features will be classified using the extreme learning machine method. Exploration in the learning method is to find the number of neurons in the hidden layer that is right at the extreme learning machine to find the most accurate accuracy value of the number of neurons. The results of the study were 44% accuracy in muse datasets with 5 classes, 85% and 90% for 2 class muse datasets, 66.67% and 75% for BCI Competition IIIA datasets for 4 classes and 93.33% for BCI Competition IIIB datasets with 2 classes
Other obstract
-
| Item Type: | Thesis (Sarjana) |
|---|---|
| Identification Number: | SKR/FILKON/2019/48/051902218 |
| Uncontrolled Keywords: | sinyal otak, butterworth filter, discrete fourier transform, extreme learning machine, motor imagery, brain signals, butterworth filter, discrete fourier transform, extreme learning machine, motor imagery |
| Subjects: | 000 Computer science, information and general works > 001 Knowledge > 001.012 Classification |
| Divisions: | Fakultas Ilmu Komputer > Teknik Informatika |
| Depositing User: | Nur Cholis |
| Date Deposited: | 01 Aug 2020 04:50 |
| Last Modified: | 24 Oct 2021 03:03 |
| URI: | http://repository.ub.ac.id/id/eprint/169448 |
Preview |
Text
Fransiskus Cahyadi Putra PranotoFransiskus Cahyadi Putra Pranoto (2).pdf Download (2MB) | Preview |
Actions (login required)
 |
View Item |