Klasifikasi Keadaan Mata Berdasarkan sinyal EEG menggunakan Extreme Learning Machines

Authors

  • Ersa Christian Prakoso Telkom University
  • Untari Novia Wisesty
  • Jondri .

DOI:

https://doi.org/10.21108/INDOJC.2016.1.2.105

Abstract

Electroencephalography atau sinyal EEG adalah salah satu biosignal yang marak menjadi topik
penelitian saat ini. Sinyal EEG memiliki banyak manfaat seperti pendeteksian epilepsi, gangguan
tidur, atau input dalam aplikasi komputer. Salah satu input yang dapat dideteksi berdasarkan sinyal
EEG adalah keadaan mata. Namun untuk digunakan sebagai input dalam aplikasi diperlukan
klasifikasi dengan performansi yang memadai. Oleh karena itu penulis akan dilakukan penelitian
dimana salah satu metode pembelajaran Jaringan Syaraf Tiruan yaitu Extreme Learning Machine
(ELM) akan diimplementasikan untuk mengklasifikasikan kondisi mata berdasarkan sinyal EEG.
Dataset yang digunakan untuk melatih dan menguji model adalah dataset eye-state yang
didonasikan oleh Oliver Roesler digabung dengan dataset yang berasal dari website repository
Universitas of California, IrvineI (UCI) . Terdapat 7 corpus yang terdiri dari perekaman EEG
yang dilakukan kepada 4 orang berbeda, lalu ditambahkan 1 corpus yang merupakan
penggabungan seluruh corpus lain. Dari hasil pengujian yang dilakukan disimpulkan bahwa ELM
dapat digunakan untuk klasifikasi keadaan mata dengan akurasi mencapai 97,95% dengan waktu
latih hanya 0,81 detik jika masing-masing data digunakan secara terpisah, sedangkan
penggabungan keseluruhan dataset hanya mencapai akurasi 78,94% dengan waktu latih 5,71 detik.

Downloads

Download data is not yet available.

References

Chen, L., L. Li, and L. Xiao. "Differences of EEG between Eyes-Open and Eyes-Closed States Based on Autoregressive Method."

Journal Of Electronic Science And Technology Of China, 2009: 175-179.

Roesler, Oliver, dan David Suendermann. “A First Step towards Eye State Prediction Using EEG.†in Proceedings of International

Conference on Applied Informatics for Health and Life Science. Istanbul: Turkey, 2013.

Ersa Christian Prakoso et.al.

Klasifikasi Keadaan Mata Berdasarkan Sinyal... 114

Huang, Guang-Bin, Qin-Yu Zhu, dan Chee-Kheong Siew. “Extreme Learning Machine: Theory and applications.â€

Neurocomputing 70, 2006: 489–501.

Crossref

Zheng, Wei-Long, Jia-Yi Zhu, Yong Peng, dan Bao-Liang Lu. “EEG-based emotion classification using deep belief networks.â€

IEEE International Conference on Multimedia and Expo. Chengdu: IEEE, 2014. 1-6.

Naibaho, Vania Cathlin Raissa. Klasifikasi Emosi Melalui Sinyal EEG yang Dihasilkan Otak dengan Menggunakan Discrete

Wavelet Transform dan Backpropagation Artificial Neural Network. Undergraduate Thesis, Bandung: Telkom University, 2013.

Suyanto. Artificial Intelligence. Bandung: Informatika Bandung, 2009.

Huang, Guang-Bin, Hongming Zhou, Xiaojian Ding, dan Rui Zhang. “Extreme Learning Machine for Regression and Multiclass

Classification.†IEEE Transaction on Systems, Man, and Cybernetics, 2012: 513-529.

Crossref

Tang, Jiexiong, Chenwei Deng, dan Guang-Bin Huang. “Extreme Learning Machine for Multilayer Perceptron.†IEEE

Transactions on Neural Networks And Learning Systems, 2013: 809 - 821.

Roesler, Oliver, Lucas Bader, Jan Forster, Yoshikatsu Hayashi, Stefan Hebler, dan David Suendermann. “Comparison of EEG

Devices for Eye State Classification.†International Conference on Applied Informatics for Health and Life Sciences (AIHLS),

Kusadasi, Turkey, 2014.

Wang, Ting, Sheng-Uei Guan, Ka Lok Man, dan T. O. Ting. “Time Series Classifiaction for EEG Eye State Identification based on

Incremental Attribute Learning.†International Symposium on Computer, Consumer and Control. Taichung: 2014, 2014. 158 -

Zhu, Jia-yi, Wei-Long Zheng, Yong Peng, Ruo-Nan Duan, dan Bao-Liang Lu. “EEG-based Emotion Recognition using

Discriminative Graph Regularized Extreme Learning Machine.†International Joint Conference on Neural Networks, 2014: 525-

Peng, Yong, Jia-Yi Zhu, Wei-Long Zheng, dan Bao-Liang Lu. “EEG-based Emotion Recognition with Manifold Regularized

Extreme Learning Machine.†36th Annual International Conference of the IEEE Engineering in Medicine and Biology Society,

: 974-977.

Huang, Guang-Bin. “What are Extreme Learning Machines? Filling the Gap Between between Frank Rosenblatt's Dream and John

von Neumann's Puzzle.†Cognitive Computation 7, 2015: 263-278.

Crossref

Huang, Gao, Shiji Song, Keyou You, dan Guang-Bin Huang. “Trends in extreme learning machines: A review.†Neural Networks,

: 32-48.

Crossref

Downloads

Published

2016-12-30

How to Cite

Prakoso, E. C., Wisesty, U. N., & ., J. (2016). Klasifikasi Keadaan Mata Berdasarkan sinyal EEG menggunakan Extreme Learning Machines. Indonesian Journal on Computing (Indo-JC), 1(2), 97–116. https://doi.org/10.21108/INDOJC.2016.1.2.105

Issue

Vol. 1 No. 2 (2016): September, 2016

Section

Articles

License

  • Manuscript submitted to IndoJC has to be an original work of the author(s), contains no element of plagiarism, and has never been published or is not being considered for publication in other journals. 
  • Copyright on any article is retained by the author(s). Regarding copyright transfers please see below.
  • Authors grant IndoJC a license to publish the article and identify itself as the original publisher.
  • Authors grant IndoJC commercial rights to produce hardcopy volumes of the journal for sale to libraries and individuals.
  • Authors grant any third party the right to use the article freely as long as its original authors and citation details are identified.
  • The article and any associated published material is distributed under the Creative Commons Attribution 4.0License