Perancangan Sistem Pengendalian Kursi Roda Menggunakan Sinyal Electrooculograhpy dengan Metode Ensemble Learning Untuk Meningkatkan Performa Navigasi Kursi Roda

Rizaldi, Muhammad Rizieq (2025) Perancangan Sistem Pengendalian Kursi Roda Menggunakan Sinyal Electrooculograhpy dengan Metode Ensemble Learning Untuk Meningkatkan Performa Navigasi Kursi Roda. S1 thesis, Universitas Andalas.

	Text (Cover dan Abstrak) Cover dan Abstrak.pdf - Published Version Download (629kB)
	Text (Bab I Pendahuluan) Bab I Pendahuluan.pdf - Published Version Download (417kB)
	Text (Bab V Penutup) Bab V Penutup.pdf - Published Version Download (286kB)
	Text (Daftar Pustaka) Daftar Pustaka.pdf - Published Version Download (517kB)
	Text (Skripsi Full Text) Laporan Tugas Akhir_Andre Paskah Gultom_2010952031.pdf - Published Version Restricted to Repository staff only Download (4MB) | Request a copy

Abstract

Penelitian ini dikembangkan dengan tujuan untuk meningkatkan performa navigasi dari kursi roda dengan mengandalkan sinyal EOG (electrooculography). Klasifikasi sinyal dari gerakan kedip sadar, kedip tidak sadar, dan lirik atas masih memiliki kekurangan dan belum tepat, dikarenakan ketiga sinyal tersebut memiliki polaritas yang serupa. Maka dirancang sistem yang dapat mengendalikan kursi roda dari gerak lirik atas, bawah, kiri, kanan, dan kedip sadar sebagai indikator ON/OFF. Sistem ini mengklasifikasikan sinyal dengan memanfaatkan fitur – fitur deskriptif dan diskriminatif yang ada pada sinyal dengan menggunakan metode ensemble learning yang terdiri dari 3 algoritma, yakni KNN, Naïve-bayes, dan logistic regression. Hasil klasifikasi dari model ini menghasilkan 3 buah model, yakni model dasar (base model), model dasar dengan pemilihan fitur, dan terakhir model dengan hyperparameter yang sudah dioptimisasi ditambah dengan stacking. Model terbaik terdapat pada model ke 3 yang mendapatkan hasil akurasi sebesar 95.486% untuk data latih dan 94.828% untuk data uji. Sistem juga telah melakukan 3 pengujian, pengujian pertama pengujian ketepatan klasifikasi dengan akurasi 95.56%, pengujian kedua pengujian ketepatan gerakan kursi roda dengan akurasi 97.336%, dan pengujian ketiga pengujian lintasan dengan akurasi sebesar 95%. Hasil tersebut menunjukkan bahwa sistem klasifikasi yang dirancang telah dapat berfungsi secara akurat dalam mengklasifikan sinyal EOG.

Actions (login required)

View Item