Hendrawan, Muhammad Afif (2017) Deteksi Kondisi Lelah Berbasis Sinyal Electroencephalograph (EEG) Satu Kanal Menggunakan Linear Discriminant Analysist (LDA). Masters thesis, Institut Teknologi Sepuluh Nopember.
Preview |
Text
07111550052002-Master_Thesis.pdf - Accepted Version Download (14MB) | Preview |
Abstract
Kondisi kelelahan dapat menjadi permasalahan serius jika tidak ditangani
dengan tepat, khususnya kondisi kelelahan mental. Kondisi kelelahan mental sangat
erat hubungannya dengan tingkat kemampuan dan konsentrasi yang dimiliki oleh
seseorang. Selain itu, kondisi kelelahan mental juga dapat menjadi indikasi
penyakit berbahaya tertentu. Banyak penelitian telah dilakukan untuk mendeteksi
kondisi kelelahan secara mental ini. Pengukuran secara subjektif, kognitif, dan
fisiologis telah diusulkan pada penelitian-penelitian sebelumnya. Di antara metodemetode
tersebut pengukuran dengan menggunakan pengukuran fisiologis,
khususnya dengan memanfaatkan sinyal electroencephalograph (EEG) dirasa
paling akurat dan paling banyak digunakan.
Meskipun demikian, pemanfaatan sinyal EEG untuk mendeteksi kelelahan
secara mental masih terkendala dengan proses komputasi yang kompleks, karena
memanfaatkan banyak kanal dalam perekaman sinyal EEG. Tingkat kompleksitas
yang tinggi ini membuat pemanfaatan hasil penelitian yang telah dilakukan sulit
untuk di implementasikan pada kondisi sebenarnya. Sehingga diperlukan
paradigma baru yang dapat digunakan untuk mendeteksi kondisi kelelahan mental
dengan metode yang lebih sederhana.
Pada penelitian ini diusulkan metode pendeteksian kelelahan mental
dengan menggunakan sinyal EEG yang diambil dari satu kanal. Untuk
mendapatkan informasi yang lebih detail mengenai ciri kondisi kelelahan mental,
sinyal EEG dibagi ke dalam beberapa segmen. Metode klasifikasi LDA, QDA, dan
SVM digunakan untuk mengetahui tingkat akurasi yang dihasilkan oleh metode
yang diusulkan. Akurasi sebesar 78.13% dengan menggunakan LDA. Hasil tersebut
didapatkan dengan memanfaatkan segmentasi dengan panjang segmen sebesar 60
detik. Berdasarkan hasil tersebut dapat dibuktikan bahwa pendeteksian kondisi
kelelahan mental dapat menggunakan sinyal EEG yang didapatkan hanya dari satu
kanal.
=========================================================================================================
Fatigue condition can be a serious problem if it not handled properly,
especially mental fatigue condition. Mental fatigue condition is a type of fatigue
that related to cognitive and concentration ability of human being. It also has a
correlation with acute or chronic illness. Many previous researchers tried to find an
effective method to detect mental fatigue condition. Methods like subjective
measurement, cognitive measurement, and physiological measurement have been
used in the previous research. However, physiological measurement seems more
promising to detect mental fatigue condition. Electroencephalogram (EEG) signal
is the most widely used as a physiological measurement in this case.
Nevertheless, mental fatigue detection using EEG signal has some
problem such as complex computation. The complex computation problem was
caused by multi-channel electrode sensor which used to record EEG signal. This
problem lead to difficult implementation in real life condition. Another solution
need to be proposed to solve the implementation problem. The new solution must
be as simple as possible.
In this research, mental fatigue detection using EEG signal using single
channel sensor has been proposed. Window segmentation method was used to get
more information about mental fatigue characteristics. LDA, QDA, and SVM also
used to classify mental fatigue condition. According to our experiments, LDA yield
the highest performance with 78.13% of accuracy. This result obtained from 60
second length of window segmentation. This result showed that mental fatigue can
be detect using EEG signal which captured only from single channel.
| Item Type: | Thesis (Masters) |
|---|---|
| Additional Information: | RTE 621.398 1 Hen d-1 3100018074309 |
| Uncontrolled Keywords: | fatigue; mental fatigue; EEG; LDA; kelelahan; kelelahan mental |
| Subjects: | R Medicine > RC Internal medicine > RC386.5 Electroencephalography. T Technology > TK Electrical engineering. Electronics Nuclear engineering > TK5105.546 Computer algorithms |
| Divisions: | Faculty of Electrical Technology > Electrical Engineering > 20201-(S1) Undergraduate Thesis |
| Depositing User: | Hendrawan Muhammad Afif |
| Date Deposited: | 07 Feb 2018 04:48 |
| Last Modified: | 04 May 2020 00:27 |
| URI: | http://repository.its.ac.id/id/eprint/49396 |
Actions (login required)
 |
View Item |