Klasifikasi Sinyal Otak Motor Imagery Menggunakan Extreme Learning Machine Dan Discrete Fourier Transform

Abstrak

Otak merupakan organ tubuh terpenting yang dimiliki manusia untuk sebagai tempat proses seluruh gerakan dan pikiran pada tubuh manusia. Otak memancarkan sinyal ketika melakukan suatu aktivitas dan dapat ditangkap oleh perangkat antarmuka yang bernama brain computer interfaces. Untuk merangsang aktivitas sinyal otak di gunakan stimulus yaitu motor imagery. Motor imagery merupakan representasi dari gerakan motor yang dibayangkan oleh otak. Pada penelitian ini menggunakan 3 datasets yaitu datasets yang telah dikumpulkan oleh peneliti dengan perangkat muse dengan subyek berjumlah 20 dan memiliki rentang usia 19-23 tahun,  datasets kedua dan ketiga adalah BCI Competition IIIA dan IIIB yang tersedia secara public di bbci.de. Datasets BCI Competition IIIA dan IIIB akan dipakai untuk membandingkan kualitas datasets yang telah dikumpulkan peneliti. Pemrosesan sinyal digunakan metode Butterworth Filter Infinite Impulse Response dengan rentang frekuensi 8 sampai 30 Hz. Dalam penelitian ini dilakukan penelitian tentang implementasi metode ekstraksi fitur dengan bantuan metode Discrete Fourier Transform serta klasifikasi sinyal otak dengan metode Extreme Learning Machine yang menggunakan stimulus motor imagery. Hasil yang didapat adalah akurasi sebesar 44% untuk 5 kelas, 85% dan 90% untuk 2 kelas menggunakan datasets Muse, 66.67% dan 75% 4 kelas menggunakan datasets BCI Competition IIIA dan 93.33% 2 kelas menggunakan datasets BCI Competition IIIB.