Identifikasi Sinyal Elektrode Enchepalo Graph pada Pergerakan Kursor Menggunakan Regresi Parabolik dan K-Nearest Neighbor

Abstract

Dalam penelitian ini dijelaskan aplikasi dari k-nearest neighbor (Knn) sebagai klasifikasi dan Regresi Parabolik untuk ekstraksi fitur dari gelombang sinyal Electro Encephalo Graph (EEG). Penelitian ini bertujuan untuk mengembangkan suatu sistem yang dapat mengidentifikasi sinyal EEG yang digunakan pada pergerakan kursor. Data yang digunakan adalah data EEG yang merupakan dataset IA dari BCI kompetisi 2003 (BCI Kompetisi 2003). Data ini berisi data dari subyek, yaitu kelas 0 ( untuk pergerakan kursor ke atas dan kelas 1 ( untuk pergerakan kursor ke bawah ). Pengambilan keputusan dilakukan dalam dua tahap. Pada tahap pertama, Regresi Parabolik digunakan untuk mengekstrak fitur dari data sinyal EEG. Fitur ini sebagai input pada Knn. Penelitian ini menggunakan satu fitur dari metode Regresi Parabolik. Pada proses identifikasi ke dalam dua kelas file data sinyal EEG, terdapat 300 data training file sinyal EEG dan 300 dari data tes t ing file sinyal EEG, sehingga keseluruha n menjadi 600 file data sinyal EEG. Hasil yang diperoleh untuk pengklasifikasian sinyal ini adalah 81 % dari 600 file data sinyal yang diuji.