Klasifikasi Motor Imagery (Mi) Pada Sinyal Eeg Dengan Metoda Cnn
Daftar Isi:
- Motor Imagery (MI) adalah representasi mental dari sebuah gerakan tanpa adanya gerakan dari anggota tubuh. MI dapat diklasifikasikan berdasarkan sinyal Electroencephalography (EEG), sistem klasifikasi MI berbasis sinyal EEG bersifat non-invasive sehingga dapat memberi banyak manfaat, salah satunya pada bidang medis, sistem MI-BCI digunakan untuk membantu rehabilitasi pasien stroke. Tetapi, pada realitanya klasifikasi MI pada sinyal EEG masih belum baik dan masih terus dikembangkan. Pada Tugas Akhir ini, telah diimplementasikan sistem klasifikasi yang menggunakan time window serta algoritma Filter Bank Common Spatial Pattern (FBCSP) sebagai pra pemrosesan. Time window digunakan untuk melakukan segmentasi sinyal EEG dan FBCSP digunakan untuk melakukan spatial filtering. Untuk melakukan spatial filtering pada kasus multikelas, digunakan pendekatan pair-wise pada Tugas Akhir ini. Fitur CSP yang merupakan hasil dari spatial filtering akan di-feed ke classifier Convolutional Neural Network (CNN). Penggunaan CNN untuk klasifikasi MI didasari karena keberhasilan CNN dalam bidang klasifikasi pada beberapa topik lain seperti computer vision dan natural language processing. Hyperparameters dari CNN akan dipilih berdasarkan Grid Search. Sistem klasifikasi pada Tugas Akhir ini diuji menggunakan Dataset BCI Competition IV-2a. Hasil pengujian menunjukkan bahwa sistem klasifikasi memiliki akurasi rata – rata untuk seluruh subjek sebesar 74,61%.