Rancangan Virtual Keyboard dengan Lirikan Mata untuk Penyandang Disabilitas Menggunakan Sensor Electrooculography dan Metode K-Nearest Neighbor sebagai Pengambilan Keputusan

Jenni, Chaerani (2021) Rancangan Virtual Keyboard dengan Lirikan Mata untuk Penyandang Disabilitas Menggunakan Sensor Electrooculography dan Metode K-Nearest Neighbor sebagai Pengambilan Keputusan. Diploma thesis, Universitas Andalas.

Preview	Text (Cover dan Abstrak) Cover ( Cover dan Abstrak ).pdf - Published Version Download (89kB) | Preview
Preview	Text (Bab I Pendahuluan) BAB I Pendahuluan.pdf - Published Version Download (530kB) | Preview
Preview	Text (Bab V (Penutup)) BAB V (Penutup).pdf - Published Version Download (474kB) | Preview
Preview	Text (Daftar Pustaka) Daftar Pustaka.pdf - Published Version Download (390kB) | Preview
	Text (Skripsi Full Text) FULL Laporan Tugas Akhir dengan lampiran.pdf - Published Version Restricted to Repository staff only Download (14MB)

Abstract

Penyandang disabilitas merupakan orang-orang yang memiliki keterbatasan secara fisik, mental, maupun intelektual dalam jangka waktu yang lama. Keterbatasan ini dapat menyebabkan penyandang disabilitas terkendala dalam berkomunikasi dengan orang-orang disekitarnya. Virtual keyboard merupakan salah satu alat komunikasi alternatif bagi penyandang disabilitas. Jenis virtual keyboard yang telah dikembangkan adalah virtual keyboard dengan kendali gesture tangan. Akan tetapi, virtual keyboard jenis ini tidak bisa digunakan oleh penyandang disabilitas yang tidak memiliki tangan. Maka dari itu, pada penelitian ini, dirancang virtual keyboard dengan memanfaatkan sinyal electrooculography. Metode KNN digunakan sebagai pengklasifikasian sinyal EOG untuk mampu mengenali arah lirikan mata dan sudut perpindahan mata. KNN yang dirancang memiliki 12 kelas target dimana masing-masing target merepresentasikan arah serta jumlah langkah dari kursor virtual keyboard. Dari total 2940 data, 1764 data digunakan sebagai data latih dan 1176 data digunakan sebagai data uji. Hasil pengujian yang dilakukan dengan metode KNN mendapatkan hasil akurasi 95,4%. Gerakan lirik dan kedip digunakan dalam implementasi virtual keyboard. Pengujian data gabungan lirik dan kedip mendapatkan tingkat akurasi sebesar 91,25%. Pada penelitian ini juga dilakukan uji performansi virtual keyboard dengan mengetikkan 16 buah kata mendapatkan tingkat keberhasilan gerakan sebesar 90,75%.

Actions (login required)

View Item