ANALISA METODE KLASIFIKASI SINYAL KEDIP DAN GIGIT MENGGUNAKAN ELECTROENCEPHALOGRAPHY BERBASIS BRAIN-COMPUTER INTERFACE SEBAGAI SISTEM KENDALI KURSI RODA

AULIA, NOVIRA (2022) ANALISA METODE KLASIFIKASI SINYAL KEDIP DAN GIGIT MENGGUNAKAN ELECTROENCEPHALOGRAPHY BERBASIS BRAIN-COMPUTER INTERFACE SEBAGAI SISTEM KENDALI KURSI RODA. Masters thesis, UNIVERSITAS ANDALAS.

	Text (COVER DAN ABSTRAK) COVER.pdf - Published Version Download (845kB)
	Text (PENDAHULUAN) PENDAHULUAN.pdf - Published Version Download (1MB)
	Text (PENUTUP) PENUTUP.pdf - Published Version Download (604kB)
	Text (DAFTAR PUSTAKA) DAFTAR PUSTAKA.pdf - Published Version Download (1MB)
	Text (TESIS FULL TEXT) AuliaNovira_2020952002 (1) (7).pdf - Published Version Restricted to Repository staff only Download (2MB)

Abstract

Penyandang disabilitas merupakan seseorang dengan keterbatasan fisik. Keterbatasan fisik dapat menghambat pekerjaan sehari-hari. Banyak peneliti membuat alat bantu untuk penyandang disabilitas dalam beraktivitas, salah satunya adalah kursi roda.. Penelitian ini akan membandingkan metode klasifikasi untuk mendapatkan tingkat akurasi terbaik dalam mengendalikan kursi roda. Terdapat 40 partisipan yang akan berpartisipasi dalam penelitian ini. Partisipan akan diminta melakukan kedip dua mata, kedip kanan, kedip kiri, dan menggigit pada percobaan ini. Data yang diperoleh akan diolah menggunakan metode Naïve Bayes (NB), K-Nearest Network (K-NN), dan Jaringan Syaraf Tiruan (JST). Metode klasifikasi JST menghasilkan tingkat akurasi tertinggi dibanding metode lainnya yaitu 99.2% untuk data latihdan 98.9% untuk data uji. Pengendalian kursi roda menggunakan metode JST mendapat tingkat keberhasilan 87.5%. Oleh karena dapat disimpulkan metode JST dapat mengklasifikasikan sinyal serta mengendalikan kursi roda dengan baik.

Actions (login required)

View Item