Judul Asli : Cursor Movement Control Development by Using ANFIS Algorithm
Suhail Odeh, Joseph Hodali, Maha Sleibi, and Ilyaa Salsa
Faculty of Science, Computer Information Systems Department, Bethlehem University, Palestine
Faculty of Science, Computer Information Systems Department, Bethlehem University, Palestine
Review
Penelitian ini merupakan salah satu bagian dari pengembangan ilmu pengetahuan bidang Antarmuka Komputer dengan otak manusia(Brain-Computer Interface/BCI). Yakni membahas sebuah metode atau cara menggerakkan kusor mouse dengan memanfaatkan sinyal otak yang dihasilkan saat manusia berfikir. Penelitian bertujuan untuk membantu orang-orang yang mengalami cacat saraf motorik atau orang yang mengalami cedera tulang belakang sehingga mengalami kelumpuhan secara total maupun tidak total, untuk dapat menggunakan komputer. Kendali gerakan Kursor Mouse dengan sinyal otak pada penelitian ini hanya sebatas pergerekan kursor secara horizontal (satu dimensi).
Abstract: Our non-invasive brain computer interface uses EEG signals and beta frequency bands over sensorimotor cortex to control cursor movement horizontally (i.e., one-dimension). The main goal of this study is to help people with sever motor disabilities (i.e., Spinal cord injuries) and provide them a new way of communication and control options by which they can move the cursor in one dimension. In this study, offline analysis of the data collected was used to make the user able of controlling the movement of the cursor horizontally (i.e., one dimension). The data was collected during a session in which the user selected among two targets by thinking and moving either the right hand little finger or the left hand little finger. The Adaptive-Network based fuzzy inference system algorithm was examined for the classification method with some parameters. In the offline analysis, the method used showed a significant performance in the classification accuracy level and it gave an accuracy level of more than 80%.This result suggests that using the adaptive-network based fuzzy inference system algorithm will improve online operation of the current BCI system.
Konsep dasar pengendalian sistem atau objek dengan BCI adalah proses ekstraksi dan konversi sinyal EEG dari otak dan menggunakan gelombang otak tertentu secara spesifik untuk mengontrol sistem yang diinginkan, seperti dalam pengendalian cursor mouse secara horizontal pada penelitian ini. Data yang diolah berasal dari dua tipe pengguna yang dipilih, yakni pengguna yang berfikir untuk menggerakkan jari kelingking tangan kiri dan tangan kanan. Dan untuk metode klasifikasi datanya menggunakan Algoritma Jaringan Adaptif berbasis Fuzzy Inference System(Adaptive-Neuro Fuzzy Inference System/ANFIS).
Dalam pengerjaan penelitian algortima ANFIS dipakai untuk 3 iterasi, dan mencapai RMSE (root mean square error) setelah langkah kedua. pengklasifikasiannya membedakan antara sinyal yang keluar ketika berpikir untuk memindahkan jari tangan kanan ke kanan, dan sinyal yang keluar ketika berpikir untuk memindahkan jari tangan kiri ke kiri.
Data yang diperoleh memuat 416 percobaan masing-masing panjang 500 ms. data training set dibentuk dari 90% dari total data, yang berarti dibentuk dari 316 percobaan. data uji yang ditetapkan dibentuk dari sisanya 10% dari total data; itu berarti 100 percobaan. Setelah itu, tiga versi data set pelatihan dibuat, di mana masing-masing versi tertata secara acak untuk memvalidasi lintas hasil.
Keakuratan hasil klasifikasi untuk versi pertama dari kumpulan data adalah 84% dan untuk data set kedua adalah 83,46% dan untuk data set ketiga akurasi adalah 80,90%.
Kesimpulan
Dalam analisa yang dilakukan secara offline tersebut, Algoritma ANFIS menunjukkan kinerja yang signifikan dengan tingkat akurasi di atas 80%. Dari hasil ini dapat di tarik kesimpulan bahwa Algoritma ANFIS dapat meningkatkan kualitas operasi secara online pada aplikasi sistem antarmuka otak dengan komputer (Brain-Computer Interface/BCI)
Selain itu, beberapa peneliti dalam paper ini menggunakan metode linier, metode non-linear untuk mengklasifikasikan ekstraksi sinyal otak dan sebagian menggunakan algoritma genetika atau klasifikasi algoritma klasik untuk mengklasifikasikan sinyal yang keluar dari otak. Dan dengan membandingkan hasil yang diperoleh algoritma ANFIS menunjukkan unjuk kerja yang lebih baik dalam pengklasikasian sinyal otak tersebut.
0 comments:
Post a Comment