Kontrol Gerak Robot Dengan Sinyal Electroencephalogram (EEG) Emotiv Epoc Neuroheadset

Dewangga, Sandy Akbar (2015) Kontrol Gerak Robot Dengan Sinyal Electroencephalogram (EEG) Emotiv Epoc Neuroheadset. Undergraduate thesis, Institut Teknology Sepuluh Nopember.

[img]
Preview
Text
5111100092-Undergraduate Thesis.pdf - Published Version

Download (1MB) | Preview

Abstract

Ide untuk menggerakkan robot atau perangkat dengan hanya berpikir (aktivitas otak dengan subjek manusia) menjadi topik yang menarik bagi para peneliti beberapa tahun terakhir seiring dengan semakin berkembangnya pemahaman tentang otak manusia. Dengan menangkap transmisi sinyal langsung dari otak manusia atau electroencephalogram (EEG), kita dapat menjadikan pikiran seseorang sebagai perintah gerak untuk robot. Tugas akhir ini menggabungkan metode Linear Discriminant Analysis (LDA) dan Support Vector Machine (SVM) untuk pembentukan model terbaik. Model terbaik diperoleh dari proses training fitur dataset sinyal EEG yang didapatkan dari subjek secara non-invasif dengan tingkat kesalahan paling kecil. Model terbaik kemudian digunakan untuk mendapatkan perintah gerak robot secara realtime. Dari uji coba, didapatkan tingkat akurasi rata-rata 69.90% dan didapatkan akurasi terbaik sebesar 73.03%, sehingga algoritma ini dapat digunakan dalam pembentukan model klasifikasi perintah gerak robot. Tugas akhir ini dapat dijadikan salah satu alternatif pembentukan model terbaik viii klasifikasi perintah gerak robot dengan pikiran secara realtime. ======================================================================================================== The idea to move the robot or device by simply thinking (brain activity with human subjects) become a topic of interest for researchers in recent years due to the growing understanding of the human brain. By capturing the transmission of signals directly from the human brain or electroencephalogram (EEG), we can make a person's mind as motion commands to the robot. This final project combines the methods of Linear Discriminant Analysis (LDA) and Support Vector Machine (SVM) for the establishment of the best model. The best model obtained from the training dataset features EEG signals obtained from the subject non-invasively with minimum error. The best model is then used to get the robot motion commands in realtime. From experiments, obtained an average accuracy rate of 69.90% and obtained the best accuracy of 73.03%, so the algorithm can be used classification model robot motion commands. This thesis can be used as one alternative to the establishment of the best models in the classification of robot motion commands with the mind in realtime.

Item Type: Thesis (Undergraduate)
Additional Information: RSIf 621.398 1 Dew k
Uncontrolled Keywords: Emotiv EPOC, Electroencephalogram, Linear Discriminant Analisis, Support Vector Machine, Kontrol Robot, Non-invasif, Realtime
Subjects: Q Science > QP Physiology > Q376.5 Electroencephalography (EEG)
Divisions: Faculty of Information Technology > Informatics Engineering > 55201-(S1) Undergraduate Thesis
Depositing User: Mr. Tondo Indra Nyata
Date Deposited: 07 Oct 2019 01:38
Last Modified: 07 Oct 2019 01:38
URI: https://repository.its.ac.id/id/eprint/71006

Actions (login required)

View Item View Item