Sistem Kontrol Prototype Kursi Roda Menggunakan Gelombang Otak Sebagai Alat Bantu Penderita Tunadaksa Dengan Metode Back Propagation Neural Network (BPNN)

Sari, Delima Palwa (2021) Sistem Kontrol Prototype Kursi Roda Menggunakan Gelombang Otak Sebagai Alat Bantu Penderita Tunadaksa Dengan Metode Back Propagation Neural Network (BPNN). Undergraduate thesis, Institut Teknologi Sepuluh Nopember.

[thumbnail of 02311940005007-Undergraduate_Thesis.pdf] Text
02311940005007-Undergraduate_Thesis.pdf - Accepted Version
Restricted to Repository staff only until 1 October 2023.
Download (5MB) | Request a copy
[thumbnail of 02311940005007-Undergraduate_Thesis.pdf] Text
02311940005007-Undergraduate_Thesis.pdf
Restricted to Repository staff only
Download (5MB) | Request a copy

Abstract

Saat ini teknologi Brain Machine Interfaces (BMI) berbasis electroencephalographic (EEG), telah mengalami perkembangan yang sangat pesat, sehingga memungkinkan seseorang untuk berkomunikasi dengan perangkat eksternal menggunakan gelombang otak, hal ini digunakan untuk meningkatkan kinerja manusia, terutama bagi para penderita tunadaksa. Pada Tugas Akhir ini penulis membuat sebuah prototype kursi roda yang dapat dikendalikan dengan menggunakan gelombang otak. Tujuannya dalah untuk memudahkan penderita tunadaksa dalam melakukan mobilitas sehari – hari sendiri tanpa bantuan dari orang lain. Oleh karena itu dibuatlah sebuah alat, yaitu “Sistem Kontrol Prototype Kursi Roda Menggunakan Gelombang Otak Sebagai Alat Bantu Penderita Tunadaksa Dengan Metode Back Propagation Neural Network (BPNN)”. Pada eksperimen I sistem ini menggunakan perintah berupa gelombang otak dari warna merah untuk bergerak maju, warna hijau untuk bergerak mundur dan warna hitam untuk berhenti. Dan pada eksperimen II menggunakan perintah berupa gelombang otak dari berkedip untuk bergerak maju, fokus untuk bergerak mundur dan relax untuk berhenti.Proses FFT akan mengkonversi gelombang/sinyal otak menjadi data berdomain frekuensi yang nantinya digunakan untuk proses klasifikasi atau pengenalan. Dengan menggunakan metode BPNN, pada eksperimen I nantinya akan diketahui warna apa yang dimaksud oleh system dan untuk eksperimen II nantinya dapat diketahui maksud dari gelombang tersebut berkedip, fokus atau relax. Kemudian hasil pengujian metode BPNN pada tugas akhir ini untuk eksperimen I didapatkan prosentase keberhasilan sebesar 38,67% untuk pengujian metode dan 41,33% untuk pengujian hardware. Lalu untuk eksperimen II didapatkan prosentase keberhasilan sebesar 93,33% untuk pengujian metode dan 98,67% untuk pengujian hardware.
====================================================================================================
Currently, the technology of Brain Machine Interfaces (BMI) based on electroencephalography (EEG), has developed quickly, it’s allowing a person to communicate with external devices using brain waves. It is used to improve human performance, especially for people with disabilities. In this final project, the author makes a prototype wheelchair that can be controlled using brain waves. The goal is to make it easier for people with disabilities to carry out daily mobility on their own without help from others. Therefore, a tool was made, namely "Wheel Chair Prototype Control System Using Brain Waves As A Tools For Disadvantages With The Back Propagation Neural Network (BPNN)". In the experiment I, this system uses commands in the form of brain waves from red to move forward, green to move backwards and black to stop. And in experiment II using commands in the form of brain waves from blinking to move forward, focus to move backwards and relax to stop. FFT will convert brain waves/signals into frequency-domain data which will be used for the classification or recognition process. By using the BPNN method, in the first experiment it will be known what color is meant by the system and for the second experiment it will be known what the purpose of the wave is to blink, focus or relax. Then the results of testing the BPNN method in this final project for experiment I obtained a success percentage of 38.67% for method testing and 41.33% for hardware testing. And for experiment II, the percentage of success is 93.33% for method testing and 98.67% for hardware testing.

Item Type: Thesis (Undergraduate)
Uncontrolled Keywords: FFT, Back Propagation Neural Network, Gelombang Otak, Warna Merah, Warna Hijau, Warna Hitam, Berkedip, Fokus, Relax, Brain Waves, Red, Green, Black, Blink, Focus.
Subjects: Q Science > Q Science (General) > Q325.78 Back propagation
Q Science > QA Mathematics > QA76.87 Neural networks (Computer Science)
T Technology > T Technology (General) > T57.5 Data Processing
Divisions: Faculty of Industrial Technology and Systems Engineering (INDSYS) > Physics Engineering > 30201-(S1) Undergraduate Thesis
Depositing User: Delima Palwa Sari
Date Deposited: 22 Aug 2021 05:45
Last Modified: 22 Aug 2021 05:45
URI: http://repository.its.ac.id/id/eprint/88433

Actions (login required)

View Item View Item