Kombinasi Sinyal EEG dan Giroskop untuk Kendali Mobil Virtual dengan Menggunakan Modifikasi ICA dan SVM

Abstract

Electroencephalogram (EEG) signals has been widely researched and developed in many fields of science. EEG signals could be classified into useful information for the application of Brain Computer Interface topic (BCI). In this research, we focus in a topic about driving a car using EEG signal. There are many approaches in EEG signal classification, but some approaches do not robust EEG signals that have many artifacts and have been recorded in real time. This research aims to classify EEG signals to obtain more optimal results, especially EEG signals with many artifacts and can be recorded in realtime. This research uses Emotiv EPOC device to record EEG signals in realtime. In this research, we propose the combination of Automatic Artifact Removal (AAR) and Support Vector Machine (SVM) which has 71% of accuracy that can be applied to drive a virtual car. Keyword: EEG signal classification, automatic artifact removal, brain computer interface Abstrak. Penelitian berbasis sinyal Electroencephalogram (EEG) telah banyak diteliti dan dikembangkan pada berbagai bidang ilmu pengetahuan. Sinyal EEG dapat diklasifikasikan ke dalam bentuk informasi untuk pengaplikasian topik Brain Computer Interface (BCI). Pada penelitian ini difokuskan pada topik pengendalian mobil menggunakan perintah sinyal EEG. Terdapat beberapa pendekatan dalam klasifikasi sinyal EEG, tetapi beberapa pendekatan tersebut tidak robust terhadap sinyal EEG yang memiliki banyak artefak dan direkam secara realtime. Penelitian ini bertujuan untuk mengklasifikasikan sinyal EEG dengan hasil lebih optimal, khususnya pada sinyal EEG yang memiliki banyak artefak dan direkam secara realtime. Penelitian ini menggunakan perangkat Emotiv EPOC untuk merekam sinyal EEG secara realtime. Pada penelitian ini diusulkan kombinasi Automatic Artifact Removal (AAR) dan Support Vector Machine (SVM) yang menghasilkan hasil akurasi sebesar 71% untuk klasifikasi sinyal EEG pada kasus pengendalian mobil virtual. Kata Kunci: EEG signal classification, automatic artifact removal, brain computer interface

Acceleration classification of earthquake signals and linear signals of human activity using smartphone accelerometer based on support vector machine algorithm

“…SVM mempunyai kemampuan untuk mengklasifikasikan sinyal yang terekam pada akselerometer smartphone. Selain itu, SVM dapat membedakan sinyal electroencephalography (EEG) pada bidang medis [10]. SVM dapat melakukan pengenalan pola sinyal gempabumi secara otomatis dalam sebuah jaringan seismograf [11].…”

“…Selama ini, sebagian besar implementasi HAR hanya diterapkan dalam bidang kesehatan dan militer. Pengenalan aktivitas manusia digunakan untuk menghitung jumlah kalori sebagai acuan konsumsi gizi harian [10]. Namun, belum banyak kajian implementasi HAR untuk mitigasi bencana seperti gempabumi.…”