PEMBUATAN SISTEM PENDETEKSI KANTUK DENGAN MENGANALISA GELOMBANG ATTENTION DAN MEDITATION MENGGUNAKAN
METODE SUPPORT VECTOR MACHINE
Indoriko Shin 5209 100 065
1.2 Perumusan Masalah
Rumusan masalah yang diangkat dalam tugas akhir ini adalah sebagai berikut:
1. Apakah dapat mendeteksi kantuk dengan gelombang otak meditation, attention, theta, delta, dan gamma? 2. Apabila gelombang tersebut dapat mendeteksi,
bagaimana membangun sebuah aplikasi yang mampu mendeteksi dan memberikan peringatan pada
1.3 Batasan Masalah
Batasan masalah pada tugas akhir ini adalah sebagai berikut:
1.Di dalam tugas akhir ini alat yang digunakan untuk
membaca gelombang EEG adalah NeuroSky MindWave. 2.Aplikasi yang dibuat adalah aplikasi dekstop
3.Aplikasi yang dibuat diujicobakan kepada pengemudi kendaraan roda 4
1.4 Tujuan Tugas Akhir
Tujuan pengerjaan tugas akhir ini adalah:
1. Menghasilkan aplikasi pendeteksi kondisi kantuk
pada pengemudi dengan mendeteksi gelombang
meditation, attention, theta, delta, dan gamma pada alat MindWave.
1.5 Manfaat Tugas Akhir
Relevansi atau manfaat yang dapat diberikan tugas akhir ini adalah sebagai berikut:
1. Memungkinkan untuk mengetahui apakah
gelombang meditation, attention, theta, delta, dan gamma dapat digunakan untuk mendeteksi kondisi kantuk.
2. Memungkinkan sistem keamanan bagi
pengemudi untuk menghindari kecelakaan karena kantuk.
3. METODOLOGI PENGERJAAN
TUGAS AKHIR
METODOLOGI PENGERJAAN TUGAS AKHIR
•
Metodologi pengerjaan tugas akhir dibagi
METODOLOGI PENGERJAAN TUGAS AKHIR
Mulai Pengumpulan Data Studi Pendahuluan dan Literatur Pembuatan Aplikasi Analisa Kebutuhan Sistem Apakah sesuai dengan desain? TidakUji Coba dan Analisa Gelombang Ya Apakah Gelombang dapat digunakan untuk mendeteksi kantuk? Ya Pengujian Aplikasi Apakah aplikasi sudah sesuai? Tidak Pengambilan Kesimpulan dan Saran Penyusunan Buku Tugas Akhir Tidak Selesai
METODOLOGI PENGERJAAN TUGAS AKHIR
Pengumpulan Data
• Untuk pengumpulan data ini, 5 orang subjek, akan
dipakaikan Neurosky Mindwave selama 4 jam (jam 21.00 sampai dengan jam 00.00).
• Tujuan pemakaian pada jam tersebut adalah pada
saat tersebut kebanyakan orang mulai merasa mengantuk dan akhirnya tidur.
METODOLOGI PENGERJAAN TUGAS AKHIR
•
Tiap subjek melakukan 2 kali pengambilan
data. Hal tersebut digunakan untuk data
melakukan training SVM dan testing SVM.
Sehingga keseluruhan data yang didapat
adalah 10set data, masing-masing terdiri dari
catatan aktivitas otak selama 4 jam. Jumlah
total rekaman gelombang otak adalah 40 jam.
METODOLOGI PENGERJAAN TUGAS AKHIR
• Selain subjek, penulis juga hadir dalam pengambilan
data ini, bertanggung jawab atas peralatan logging, dan juga membuat pencatatan tingkat kantuk subjek. Tingkat kantuk akan ditanyakan ke subjek setiap 5
menit sekali. Catatan ini akan digunakan untuk
pelatihan (training) SVM dan juga untuk mengukur keakuratan dari metode identifikasi kantuk yang
Pembuatan Sistem Aplikasi
Mengambil data gelombang otak Mengklasifikasika n otomatis gelombang otak dengan SVM Mendapatkan hasil kondisi mengantuk dari hasil SVM Membunyikan alarm jika kondisiGambaran Umum Sistem
Mengambil data gelombang otak Mengklasifikasi kan otomatis gelombang otak dengan SVM Mendapatkan hasil kondisi mengantuk dari hasil SVM Membunyikan alarm jika kondisi mengantukUser Sistem
Di dalam sistem ini user hanya ada satu. Dimana user ini adalah orang yang memakai alat Neurosky
Mindwave yang kemudian direkam gelombang otaknya
dan dikemudian akan dianalisis tingkat kantuknya oleh sistem. Jika sudah selesai dianalisis, user juga
mendapatkan pesan kondisi ngantuknya secara terus-menerus (real-time) selama user belum memutuskan untuk mengakhiri program.
Pembuatan Aplikasi Perekam
Gelombang Otak
Pembuatan Aplikasi Perekam
Gelombang Otak
Pembuatan Aplikasi Perekam
Gelombang Otak
Pembuatan Aplikasi Perekam
Gelombang Otak
Pengumpulan Raw Data
•
Pada tahap ini kelima subjek direkam
gelombang otaknya selama 3 jam dengan
menggunakan simulasi mengemudi.
Pengumpulan Raw Data
•
Dalam proses pengumpulan raw data ada 2
hal yang didapat yaitu:
Pengumpulan Raw Data
•
Dalam proses pengumpulan raw data ada 2
hal yang didapat yaitu:
Kesimpulan Pengumpulan Raw Data
• Dari pengambilan raw data diatas dapat ditarik
kesimpulan, selain data dari subjek 4 yang kurang valid ke-empat data lainnya menunjukkan hasil pengamatan visual yang cukup jelas. Gelombang
attention dan delta masing-masing memiliki
keterkaitan dengan kantuk. Hal ini dapat dilihat dari adanya perubahan gelombang sesuai dengan status kantuk subjek.
Kesimpulan Pengumpulan Raw Data
• Untuk mendalami hubungan gelombang tersebut
dengan kantuk lebih dalam maka dilakukan analisis raw data dengan menggunakan kolerasi regresi.
Analisis Raw Data
• Pada tahap ini, data yang sudah didapatkan dari
tahap sebelumnya dilakukan pengecekan validasi hubungan antara kantuk dengan gelombang yang
digunakan. Untuk memvalidasinya dilakukan dengan analisis regresi. Dengan hasil sebagai berikut.
Kesimpulan Analisis Raw Data
•
Dari analisa kolerasi regresi diatas didapat
beberapa hasil namun dari semua hasil
tersebut yang selalu memiliki kolerasi yang
kuat adalah attention dan delta. Maka kedua
gelombang tersebutlah yang dapat digunakan
untuk mendeteksi kantuk dengan baik.
Sedangkan gelombang yang lain tidak konstan,
terkadang memiliki hubungan yang kuat dan
terkadang tidak.
Lingkungan Implementasi
Perangkat Keras Spesifikasi
Komputer Personal Proc Intel Core i5 2450M @ 2.50 GHz
RAM 4096 MB
Bluetooth Version 2.0
Brainwave Reader Name Mindwave Mobile Vendor Neurosky
Lingkungan Implementasi
Perangkat Lunak / Tools Details
Sistem Operasi Windows 7 Ultimate
Java Development Kit (JDK) Ver 7
Editor Netbeans IDE 7.2
Implementasi Sistem Perekam Gelombang
Otak
•
Pada subbab ini akan menjelaskan mengenai
implementasi sistem perekam gelombang otak
pada aplikasi pendeteksi kantuk.
Implementasi Kode Pengambilan Data
Gelombang Otak
Implementasi Kode Pengambilan Data
Gelombang Otak
Implementasi Kode Pengambilan Data
Gelombang Otak
Implementasi Kode Pengambilan Data
Gelombang Otak
Implementasi Kode Penyusun Data EEG
untuk SVM
Implementasi Kode Penyusun Data EEG
untuk SVM
Implementasi Kode Kalkulasi SVM Matlab
di Aplikasi
•
Untuk dapat memanggil perintah Matlab
didalam aplikasi Java, diperlukan suatu library,
yaitu matlabcontrol.java. Library ini dapat
di-download secara gratis di
https://code.google.com/p/matlabcontrol/do
wnloads/list
.
Implementasi Kode Kalkulasi SVM Matlab
di Aplikasi
Implementasi Kode Kalkulasi SVM di
Matlab
Implementasi Kode Kalkulasi SVM di
Matlab
Implementasi Kode Pengaktifan Bunyi jika
Mengantuk
Uji Coba Sistem
•
Yang membedakan proses uji coba sistem
dengan pengambilan data adalah data dari
gelombang otak tidak disimpan, akan tetapi
akan langsung diproses dengan data latih yang
sudah didapatkan sebelumnya. Kemudian
aplikasi akan dinilai berapa kali error
mendeteksi kondisi kantuk subjek.
Uji Coba Sistem Subjek Pertama
Waktu Kondisi Subjek Jumlah Total Bunyi Jumlah Benar Jumlah Salah 21.20 Tidak Mengantuk 0 10 0 21.40 Tidak Mengantuk 0 10 0 22.00 Tidak Mengantuk 0 10 0 22.20 Tidak Mengantuk 0 10 0 22.40 Tidak Mengantuk 1 9 1 23.00 Tidak Mengantuk 4 6 4 23.20 Mengantuk 8 8 2 23.40 Mengantuk 8 8 2 00.00 Mengantuk 9 9 1 Jumlah 30 80 10 Akurasi 88,88%
Uji Coba Sistem Subjek Kedua
Waktu Kondisi Subjek Jumlah Alarm Bunyi Jumlah Benar Jumlah Salah 21.20 Tidak Mengantuk 0 10 0 21.40 Tidak Mengantuk 0 10 0 22.00 Tidak Mengantuk 0 10 0 22.20 Tidak Mengantuk 0 10 0 22.40 Tidak Mengantuk 0 10 0 23.00 Tidak Mengantuk 5 5 5 23.20 Mengantuk 7 7 3 23.40 Mengantuk 8 8 2 00.00 Mengantuk 10 10 0 Jumlah 30 80 10 Akurasi 88,88%
Uji Coba Sistem Subjek Ketiga
Waktu Kondisi Subjek Jumlah Total Bunyi Jumlah Benar Jumlah salah 21.20 Tidak Mengantuk 0 10 0 21.40 Tidak Mengantuk 0 10 0 22.00 Tidak Mengantuk 0 10 0 22.20 Tidak Mengantuk 0 10 0 22.40 Tidak Mengantuk 2 8 2 23.00 Mengantuk 5 5 5 23.20 Mengantuk 7 7 3 23.40 Mengantuk 8 8 2 00.00 Mengantuk 8 8 2 Jumlah 30 76 14 Akurasi 84,44%
Uji Coba Sistem Subjek Keempat
•
Uji coba pada subjek keempat tidak dapat
dilakukan karena data yang didapat dari
subjek 4 tidak valid dan tidak dapat diproses
oleh SVM. Hal ini karena sejak awal subjek 4
telah mengantuk.
Uji Coba Sistem Subjek Kelima
Waktu Kondisi Subjek Jumlah Total Bunyi Jumlah Bunyi yang tepat Jumlah Bunyi yang salah 21.20 Tidak Mengantuk 4 6 4 21.40 Tidak Mengantuk 5 5 5 22.00 Tidak Mengantuk 5 5 5 22.20 Tidak Mengantuk 4 6 4 22.40 Tidak Mengantuk 4 6 4 23.00 Mengantuk 9 9 1 23.20 Mengantuk 8 8 2 23.40 Mengantuk 8 8 2 00.00 Mengantuk 9 9 1 Jumlah 56 62 28 Akurasi 68,88%
Kesimpulan
Kesimpulan
Kesimpulan
Kesimpulan
•
Berdasarkan tugas akhir yang telah dilakukan,
maka dapat disimpulkan beberapa hal sebagai
berikut:
•
Gelombang Attention dapat mendeteksi fase
awal kantuk yaitu loss focus.
•
Gelombang Delta dapat digunakan untuk
Kesimpulan
Kesimpulan
Kesimpulan
Kesimpulan
•
Gelombang Meditation, Tetha, dan Gamma
tidak dapat digunakan untuk mendeteksi
kantuk.
•
Aplikasi Pendeteksi Kantuk dapat
diimplementasikan dan aplikasi ini
mempunyai fitur untuk mengingatkan
pengguna jika sedang mengantuk dengan
membunyikan alarm.
Kesimpulan
Kesimpulan
Kesimpulan
Kesimpulan
• Aplikasi dapat mendeteksi kantuk dengan baik hal ini terbukti dari hasil uji coba aplikasi untuk subjek pertama 88,88%,
subjek kedua 88,88%, subjek ketiga 84,44%, dan subjek kelima 68,88%. Sehingga rata-rata akurasi adalah 82.77 %.
• Pengujian pada subjek keempat tidak dapat dilakukan karena setelah dilakukan wawancara subjek empat mengantuk sejak awal pengambilan data. Sehingga data subjek keempat
dinyatakan tidak valid dan tidak dapat digunakan untuk pengujian
.
Saran
Beberapa hal yang diharapkan dapat dikembangkan pada masa mendatang adalah sebagai berikut:
• Pengembangan selanjutnya diharapkan dapat menambah jumlah elektroda yang digunakan untuk mendeteksi
gelombang otak di kepala,
• Dapat melakukan penelitian lebih lanjut, karena pada
penelitian ini metode yang digunakan adalah SVM. Mungkin hasil akan berbeda dengan metode lainnya.
• Implementasi sistem ini masih dalam bentuk aplikasi dekstop dapat berjalan lebih optimal dan stabil bila di install didalam device yang lain.
DAFTAR PUSTAKA
• Hen Su Choi. (2008). Using Brain-Computer Interfaces to Analyze EEG Data for
Safety Improvement.
• Knipling, R.R and Wang, J.S (1994). Crashes and Fatalities Related to Driver
Drowsiness/Fatigue. National Highway Traffic Safety Administration,
Washington, D.C.
• D.S. Tan and A. Nijholt (2010). Brain-Computer Interface: Applying Our Mind to
Human-Computer Interaction. Springer.
• Luodin, J.D., et al. (2007). Optoelectronic Retinal Prosthesis: System Design and
Performance. Journal of Neural Engineering.
• NeuroSky White Paper. (2009). Brainwave EEG Signal.
• Erik Andreas Larsen. (2011). Classification of EEG Signal in a Brain-Computer
DAFTAR PUSTAKA
• Hannah Davis. Sensor Workshop at ITP: Report/EEG MindWave.
http://itp.nyu.edu/physcomp/sensor/Report/EEGMindwave, April 2012.
• NeuroSky, How to Use Mindwave, July-2011
• NeuroSky. (2009). NeuroSky's eSense Meter and Detection of Mental State.
• Santosa, B. (2007). Data Mining: Teknik Pemanfaatan Data untuk Keperluan Bisnis. Yogyakarta, Graha Ilmu.
