Sistem Klasifikasi Gelombang Otak Berbasis K-Nearest Neighbors Pada Kendali Gerak Robot Humanoid

Abstract

Perkembangan teknologi di bidang robotika menunjang kemajuan industri dan masyarakat modern secara umum. Adanya robotika dalam kalangan masyarakat sangat membantu seperti adanya robot pelayan hingga penggunaan robotika dalam dunia medis. Mengacu pada perkembangan teknologi yang menggabungkan neurosains, pengolahan sinyal, pembelajaran mesin, dan robotik untuk mengontrol Gerakan robot multiplatform menggunakan sinyal gelombang otak manusia. Sinyal gelombang otak memiliki tipikal dan karakteristik individu yang berbeda-beda, gelombang otak tidak bisa ditiru atau dibaca sehingga tidak mungkin memiliki kesamaan. Dalam konteks ini, teknik pengolahan sinyal dan pembelajaran mesin digunakan untuk mengklasifikasikan pola gelombang otak dalam kategori yang dapat diinterpretasikan oleh sistem. Sistem ini dibuat bertujuan untuk membangun sistem klasifikasi untuk menggerakkan robot humanoid dan menganalisa performa robot belajar dalam mempresentasikan kendali gerak yang ditangkap melalui gelombang otak manusia saat memikirkan arah gerak yang diinginkan. Ada dua jenis pengujian yaitu pengujian untuk mengukur waktu klasifikasi dan pengujian untuk mengukur ketepatan klasifikasi. Pada pengujian untuk mengukur waktu dilakukan berdasarkan jenis gerakan yaitu ke depan, ke belakang, ke kiri, dan ke kanan. Pada pengujian ketepatan klasifikasi subjek akan memikirkan arah gerak robot untuk menggerakkan empat arah yang berbeda secara berulang sebanyak 20 kali sehingga akurasi sebesar 80, 65, 70, 60, 60, dan 65 dengan rata-rata 66,66.