Perbandingan Pola EEG Antara Gerakan Nyata Dengan Gerakan Imagery Menggunakan Analisa Statistik

ambarwati, haryani (2020) Perbandingan Pola EEG Antara Gerakan Nyata Dengan Gerakan Imagery Menggunakan Analisa Statistik. Undergraduate thesis, Institut Teknologi Sepuluh Nopember.

[img] Text
07111850067002-Master_Thesis.pdf - Accepted Version
Restricted to Repository staff only

Download (5MB) | Request a copy

Abstract

Elektroencephalogram (EEG) merupakan sinyal otak yang banyak digunakan pada sistem Brain-Computer Interface (BCI), dimana pengambilan data sinyal EEG dilakukan dengan metode non-invasive. Fokus dalam penelitian ini adalah menemukan parameter terbaik yang digunakan sebagai dasar pengukuran pengembangan sistem BCI. Parameter terbaik didapatkan dengan membandingkan pola aktivasi sinyal EEG pergerakan motorik nyata dengan membayangkan gerakan (motor imagery motion). Tahap awal pengolahan data adalah melakukan preprocessing sinyal EEG untuk membatasi low pass dan high pass dengan menggunakan metode Finite Impulse Response (FIR). Selanjutnya, data raw dibersihkan dari artefak untuk mendapatkan sinyal bersih dengan menggunakan metode Automatic Subspace Reconstruction (ASR). Sinyal bersih diuraikan ke dalam sub-band alpha dan beta dengan menggunakan metode Butterworth. Proses ekstraksi fitur untuk mengeluarkan parameter terbaik menggunakan metode statistik pada domain waktu, yaitu Mean, Mean Absolute Value (MAV), Standar Deviasi (STD), dan Varian. Proses analisa dilakukan dengan cara membandingkan hasil ekstraksi parameter gerakan motorik nyata dengan membayangkan gerakan. Nilai ekstraksi parameter diharapkan menghasilkan nilai yang ‘sama’ atau mempunyai selisih nilai kecil (toleransi selisih nilai adalah ≤ 2). Hasil percobaan menunjukkan bahwa STD menghasilkan jumlah segmen dengan nilai ‘sama’ paling banyak dibandingkan dengan parameter lain. Nilai hasil ekstraksi STD pada band-frekuensi alpha di chanel C3 adalah 654 segmen (85.16%) dan chanel C4 adalah 672 segmen (87.45%), sedangkan pada band-frekuensi beta di chanel C3 adalah 528 segmen (68.75%) dan di chanel C4 adalah 536 segmen (69.82%). Electroencephalogram (EEG) is a brain signal which widely used in the Brain-Computer Interface (BCI) system, where the data collection of EEG signals is done by a non-invasive method. Motor imagery recently has been an interesting issue since the development of many cognitive studies including neuromuscular disorder rehabilitation. This research is focusing on comparing two motions, one with real motion, and the other is with no motion, but by using imagery motion. C3 and C4 channels are used to record the EEG data. The data processing is done by filtering the EEG band by using Finite Impulse Response (FIR) to limit the low pass and high pass frequency. The raw data is then cleared from the artifact by using the Automatic Subspace Reconstruction (ASR) method. The clean EEG is then decomposed into sub-band alpha and beta using the Butterworth filter. For comparing the two kinds of motions, time-domain feature extraction is used with parameters: Mean, Mean Absolute Value (MAV), Standard Deviation (STD), and Variants. The analysis is carried out by comparing the results of extraction parameters of real motor motion with imagery motion. The experimental results show that STD produces the highest number of data frames with a similar value between the real motion and imagery motion compared to other parameters. The value of the STD extraction on the alpha band (mu-rhythm) frequency in C3 channel is 654 segment (85.16%), and C4 channel is 672 segment (87.45%), while the beta band frequency in C3 channel is 528 segment (68.75%), and in C4 channel is 536 segment (69.82%). The conclusion is standard deviation shows the best parameter with a similar pattern between real motion and imagery motion.

Item Type: Thesis (Undergraduate)
Uncontrolled Keywords: fitur domain waktu, gerakan imagery, gerakan nyata, motor imagery motion, real motor motion, statistical methods, time-domain feature
Subjects: Q Science > QP Physiology > Q376.5 Electroencephalography (EEG)
Divisions: Faculty of Electrical Technology > Electrical Engineering > 20101-(S2) Master Thesis
Depositing User: Haryani Ambarwati
Date Deposited: 06 Aug 2020 04:34
Last Modified: 06 Aug 2020 04:34
URI: https://repository.its.ac.id/id/eprint/76693

Actions (login required)

View Item View Item