PEMBUATAN SISTEM PENDETEKSI KANTUK DENGAN MENGANALISA GELOMBANG ATTENTION DAN MEDITATION MENGGUNAKAN METODE SUPPORT VECTOR MACHINE
Indoriko Shin 5209 100 065 Sistem Informasi, ITS
1. PENDAHULUAN
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 pengemudi apabila mengantuk?
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. 2. Publikasi berupa paper/jurnal.
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 menjadi beberapa tahapan sebagai berikut:
METODOLOGI PENGERJAAN TUGAS AKHIR Mulai Pengujian Aplikasi Studi Pendahuluan dan Literatur
Apakah aplikasi sudah sesuai? Tidak
Pembuatan Aplikasi
Pengumpulan Data
Ya
Analisa Kebutuhan Sistem
Apakah Gelombang dapat digunakan untuk mendeteksi kantuk?
Pengambilan Kesimpulan dan Saran Tidak
Penyusunan Buku Tugas Akhir
Tidak Uji Coba dan Analisa Gelombang
Apakah sesuai dengan desain?
Selesai Ya
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 diterapkan.
Pembuatan Sistem Aplikasi Mengambil data gelombang otak
Mengklasifikasika n otomatis gelombang otak dengan SVM
Membunyikan alarm jika kondisi mengantuk
Mendapatkan hasil kondisi mengantuk dari hasil SVM
4. Analisis & Desain Sistem
Gambaran Umum Sistem Mengambil data gelombang otak
Mengklasifikasi kan otomatis gelombang otak dengan SVM
Membunyikan alarm jika kondisi mengantuk
Mendapatkan hasil kondisi mengantuk dari hasil SVM
User 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 terusmenerus (real-time) selama user belum memutuskan untuk mengakhiri program.
User Sistem
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: – Data gelombang otak
Pengumpulan Raw Data • Dalam proses pengumpulan raw data ada 2 hal yang didapat yaitu: – Status kantuk
Subjek Pertama
Subjek Pertama
Subjek Pertama
Subjek Pertama
Subjek Pertama
Subjek Pertama
Subjek Pertama
Subjek Pertama
Subjek Pertama
Subjek Pertama
Subjek Kedua
Subjek Kedua
Subjek Kedua
Subjek Kedua
Subjek Kedua
Subjek Kedua
Subjek Kedua
Subjek Kedua
Subjek Kedua
Subjek Kedua
Subjek Ketiga
Subjek Ketiga
Subjek Ketiga
Subjek Ketiga
Subjek Ketiga
Subjek Ketiga
Subjek Ketiga
Subjek Ketiga
Subjek Ketiga
Subjek Ketiga
Subjek Keempat
Subjek Keempat
Subjek Keempat
Subjek Keempat
Subjek Keempat
Subjek Keempat
Subjek Keempat
Subjek Keempat
Subjek Keempat
Subjek Keempat
Subjek Kelima
Subjek Kelima
Subjek Kelima
Subjek Kelima
Subjek Kelima
Subjek Kelima
Subjek Kelima
Subjek Kelima
Subjek Kelima
Subjek Kelima
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.
Subjek Pertama
Subjek Pertama
Subjek Kedua
Subjek Kedua
Subjek Ketiga
Subjek Ketiga
Subjek Keempat
Subjek Keempat
Subjek Kelima
Subjek Kelima
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.
Workflow Aplikasi
Workflow Komputasi SVM
GUI Story Board
5. IMPLEMENTASI & UJI COBA
Lingkungan Implementasi Perangkat Keras Komputer Personal
Spesifikasi 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
Driver
Thinkgear Connector
Implementasi Sistem Perekam Gelombang Otak • Pada subbab ini akan menjelaskan mengenai implementasi sistem perekam gelombang otak pada aplikasi pendeteksi kantuk.
Instalasi Thinkgear Connector
Instalasi Thinkgear Connector
Implementasi Kode Koneksi Ke Alat
Implementasi Kode Koneksi Ke Alat
Implementasi Kode Preferences
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 didownload 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
30
80
10
Jumlah 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
30
80
10
Jumlah 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
30
76
14
Jumlah 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 Jumlah Bunyi yang tepat
Jumlah Bunyi yang salah
Waktu
Kondisi Subjek
Jumlah Total Bunyi
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
56
62
28
Jumlah Akurasi
68,88%
6. PENUTUP
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 mendeteksi kondisi kantuk.
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 • 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 Interface System. Norwegian University of Science and Technology.
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.
