Hasil Pencarian  ::  Simpan CSV :: Kembali

"Keterbatasan dalam pengoperasian kursi roda membuat ketidaknyamanan yang besar bagi penggunanya. Salah satu metode yang dapat membantu kaum yang mengalami keterbatasan dalam mengoperasikan kursi roda adalah suatu sistem yang disebut Brain-Computer Interface. Sistem ini menggunakan elektroensefalografi (EEG) sebagai sarana komunikasi antara sinyal otak pengguna dan mekanisme pengendalian kursi roda. Proses akuisisi data melibatkan penggunaan elektroda AgCl 8 kanal, Raspberry Pi 4 Model B, dan ADS1299. Teknik pengolahan sinyal, termasuk bandpass filter, Independent Component Analysis (ICA), dan analisis Power Spectral Density (PSD), diimplementasikan untuk meningkatkan kualitas sinyal EEG yang diperoleh. Tahap klasifikasi menggunakan Support Vector Machine (SVM) untuk menginterpretasikan sinyal yang telah diproses, mencapai akurasi yang mengesankan sebesar 90%, presisi sebesar 91,4%, dan sensitivitas sebesar 90%.

---

Limitations in wheelchair operation create great inconvenience for users. One method that can help people who experience limitations in operating a wheelchair is a system called Brain-Computer Interface. This system uses electroencephalography (EEG) as a means of communication between the user's brain signals and the wheelchair control mechanism. The data acquisition process involves the use of 8-channel AgCl electrodes, a Raspberry Pi 4 Model B, and an ADS1299. Signal processing techniques, including bandpass filter, Independent Component Analysis (ICA), and Power Spectral Density (PSD) analysis, were implemented to improve the quality of the acquired EEG signals. The classification stage used Support Vector Machine (SVM) to interpret the processed signals, achieving an impressive accuracy of 90%, precision of 91.4%, and sensitivity of 90%."

"Brain-Computer Interface (BCI) merupakan sebuah sistem yang mampu menerjemahkan sinyal-sinyal otak menjadi perintah kepada berbagai devais keluaran. Teknologi ini kini sedang berkembang pesat terutama untuk keperluan rehabilitasi gerak bagi orang-orang yang telah kehilangan kemampuan geraknya. Dalam penelitian ini, dirancang sebuah sistem BCI yang mampu menerjemahkan sinyal otak seseorang ketika sedang melakukan pembayangan gerak (motor imagery) untuk gerakan tangan menggenggam dan membuka. Hasil terjemahan tersebut dapat digunakan untuk menggerakkan sebuah antarmuka yang membantu orang tersebut untuk bergerak menggenggam dan membuka tangan secara real-time. Sistem BCI ini menggunakan perangkat akuisisi data yang terdiri dari Raspberry Pi 4 dan ADS1299 Analog-to-Digital Converter. Sistem ini juga dikembangkan dengan menggunakan berbagai algoritma pemrosesan dan klasifikasi data, mulai dari Independent Component Analysis, Support Vector Machine, Linear Discriminant Analysis, k-Nearest Neighbours, dan Random Forest. Akurasi hasil testing klasifikasi yang dilakukan oleh sistem ini bernilai 64,6% untuk mengklasifikasi 3 jenis pembayangan gerak (menggenggam, membuka, dan diam) menggunakan algoritma SVM serta 94,7% untuk klasifikasi 2 jenis pembayangan gerak (menggenggam dan membuka) menggunakan algoritma Random Forest.

---

Brain-Computer Interface (BCI) is a system which can translate brain signals to command various output devices. This technology had been developing rapidly, especially for movement rehabilitation purposes for people with motoric disabilities. In this research, a BCI system has been developed which can translate one’s brain signals when one is imagining doing hand movement (motor imagery). The translation result can be used to drive an interface in real-time. This BCI system utilize an acquisition device, consisting of Raspberry Pi 4 and ADS1299 Analog-to-Digital Converter. Besides, this system has also been developed using several algorithms for processing and classifying data, namely Independent Component Analysis, Support Vector Machine, Linear Discriminant Analysis, k-Nearest Neighbours, and Random Forest. Testing accuracy for this system yielded a 64.6% for classifying three types of motor imagery (hand grasping, hand opening, and resting) with SVM, and 94.7% for classifying two types of motor imagery (hand grasping and hand opening only) using Random Forest."

"Penelitian ini berfokus pada pengembangan algoritma untuk EEG-based Brain Computer Interface (BCI) yang memanfaatkan sinyal otak untuk mengendalikan external device secara langsung. Jenis sinyal EEG yang digunakan dalam penelitian ini adalah sinyal Motor Imagery (MI) yang berisikan imajinasi gerakan anggota tubuh tertentu tanpa dilakukannya gerakan secara langsung. Pengaplikasian sinyal MI-EEG ke dalam BCI masih memiliki kendala utama dikarenakan pola yang dihasilkan sulit untuk dibedakan antara jenis gerakan yang satu dengan jenis gerakan lainnya, maupun pada jenis gerakan yang sama. Pembaharuan yang dilakukan oleh peneliti adalah dengan memanfaatkan metode Wavelet Packet Transform (WPT) yang digunakan untuk meningkatkan resolusi temporal dari sinyal dengan cara mendekomposisikan sinyal ke dalam pita - pita frekuensi (frequency band) baik pada frekuensi tinggi maupun frekuensi rendah, sehingga dapat meningkatkan kemampuan Common Spatial Pattern (CSP) sebagai spatial filter sehingga didapatkan resolusi spatial yang lebih baik untuk sinyal MI-EEG tersebut. Convolutional Neural Network (CNN) kemudian dipilih untuk pelatihan dari klasifier, dimana hasil pelatihan ini nantinya akan digunakan untuk mengklasifikasikan gerakan dari MI-EEG yang diberikan. Performa dari metode ini akan dianalisis dengan menggunakan dataset 2a dari Brain Computer Interface Competition IV (BCIC IV) dan menghasilkan peningkatan rerata nilai akurasi hingga 32%, Kappa hingga 0,42, dan F-Score hingga 0,39 dibandingkan dengan hanya menggunakan CNN sebagai klasifiernya. Performa dari algoritma ini juga memiliki nilai Kappa yang cukup baik dibandingkan dengan metode – metode lain yang digunakan sebelumnya pada dataset 2a dari BCIC IV.

---

This study is focused on proposed a new algorithm in EEG-based Brain Computer Interface (BCI) that can directly utilize brain signals to control external devices. Motor Imagery (MI) signal, which contains the imagination of a certain limb movement, is generally used in BCI. It does not need direct movement. The application of MI-EEG signal into BCI still has major problems because the patterns obtained for each recording can be different from one another even though they have the same type of motion. In this study, we utilize the Wavelet Packet Transform (WPT) method which is used to decompose the EEG signal into specifics sub-bands frequency and Common Spatial Pattern (CSP) as a spatial filter to increase the spatial resolution of the EEG signal. The Convolutional Neural Network (CNN) is then selected for training from the classifier. The results of this training will later be used to classify the movements of the given MI-EEG. We evaluate the model using dataset 2a from Brain-Computer Interface Competition (BCIC) IV. The results show that the average accuracy increases 32%, Kappa up to 0.42, and F-Score up to 0.39 compared to only using CNN as the classifier. The performance of this algorithm also has a fairly good Kappa value compared to other methods used previously in dataset 2a from BCIC IV."

"ABSTRAKDengan tujuan menghasilkan sebuah sistem klasifikasi gerakan genggaman tangan kanan berbasis alat EEG EMOTIV Epoc+ yang optimal dan mengacu pada elemen-elemen tahapan Brain-Computer Interface (BCI), telah didapatkan kombinasi elemen-elemen tahapan BCI dengan nilai akurasi klasifikasi paling tinggi. Adapun kombinasi elemen-elemen tersebut adalah sebagai berikut: penggunaan Independent Component Analysis (ICA), analisis spektrum oleh Fast Fourier Transform (FFT), fitur power maksimum mu berikut frekuensinya dan fitur power maksimum beta berikut frekuensinya, dan classifier Probabilistic Neural Network (PNN). Nilai akurasi klasifikasi yang didapat yaitu 81,2% untuk training dan 69,5% untuk testing. Perbandingan nilai akurasi dari perpaduan kombinasi, kondisi eksperimen, dan data EEG eksternal disediakan untuk keperluan analisis nilai akurasi klasifikasi.

---

ABSTRACT

Has been obtained combination of elements of BCI stages providing the highest value of classification accuracy with the aim of producing an optimum classification system based on EEG device EMOTIV Epoc+ for right-hand grasp movement, by referring to Brain Computer Interface (BCI) stage element. The combinations of elements are the use of Independent Component Analysis (ICA), spectrum analysis by Fast Fourier Transform (FFT), maximum mu power with its frequency and maximum beta power with its frequency as features, and classifier Probabilistic Neural Network (PNN). The highest values of classification accuracy are 81,2% for training and 69,5% for testing. The comparison of accuracy value from the combination unification, experiment condition, and external EEG data are provided for the purpose of value analysis of classification accuracy."

"Brain Computer Interface (BCI) merupakan sebuah teknologi yang sedang banyak dikembangkan di banyak negara di dunia, pasalnya teknologi BCI ini adalah teknologi yang modern dimana teknlogi ini dapat memungkinkan manusia dapat berkomunikasi dengan suatu sistem. Sampai sekarang BCI banyak dikembangkan pada dunia medis, salah satunya adalah stroke, stroke adalah sebuah penyakit yang diakibatkan oleh penguumpalan darah pada pembuluh darah diotak ataupun akibat pecahnya pembuluh datah diotak. Stroke mengakibatkan kelumpuhan pada bagian tubuh penderitanya, sehingga membuat ketebatasan pada mobilitasnya. Sehingga melalui penelitian ini diharapkan dapat membantu pasien stroke dalam mobilitiasnya. Pada pembuatan sistem sebelumnya dilakukan pengklasifikasian sinyal otak dengan cara perekaman sinyal EEG dengan menggunakan ADS1299EEG-FE, perekaman ini dilakukan dengan metode motor imagery sehingga subjek tidak perlu melakukan pergerakan cukup melakukan pemikiran pergerakan motorik untuk dapat menjalankan kursi roda. Pengklasifikasian sistem ini menggunakan fitur RPR yaitu nilai rasio power, setelah dilakukan klasifikasi dilakukanlah validasi sistem dengan melakukan pengujian lasngung pada sistem. Pada pengujian sistem terdapat 2 model pengujian yakni Diam – Maju – Mundur dan Diam – Kiri – kanan dengan presentase keberhasilan 46% dan 65%.

---

Brain Computer Interface (BCI) is a technology that is being developed in many countries in the world, because this BCI technology is a modern technology where technology can enable communicate human with a system. BCI has been widely developed in the medical, one of them is stroke, stroke is a disease caused by blood clots in blood vessels in the brain or due to ruptured brained vessels. Stroke results in paralysis of the part of the body of the sufferer, making it difficult for mobility. So that this research is expected to help stroke patients in their mobility. For making the system previously we classification the brain signals by recording EEG signals using ADS1299EEG-FE, this recording using the motor imagery method so that the subject did not need to move and just thinking about motor movements to control a wheelchair. The classification of this system uses the RPR feature, namely the value of the power ratio, after classification the system validation is done by direct testing on the system. In the system testing there are 2 test models namely Stop - Forward - Backward and Stop - Left - right with a success percentage 46% and 65%."

"ABSTRAKManusia telah mengembangkan berbagai macam cara untuk menemukan antarmuka manusia-komputer yang paling efisien. Salah satu antarmuka yang sedang berkembang pesat saat ini adalah Augmented Reality. Sistem ini dapatmengkombinasikan objek virtual dengan hasil rekaman dari dunia nyata. Salah satu keterbatasan dari antarmuka ini adalah ruang interaksi yang hanya dapat dilakukanpada layar display saja. Seiring dengan perkembangan kemampuan pemrosesan perangkat bergerak, sistem augmented reality yang lebih kompleks dapat dikembangkan. Pada laporan skripsi ini dirancang sebuah sistem yang dapat mendukung interaksi dengan objek virtual di dunia nyata menggunakan Vuforia Augmented Reality Development Kit dan physic engine yang dimiliki oleh Unity3D. Rancangan dari sistem ini kemudian diimplementasikan dalam bentuk permainan catur, di mana pengguna dapat melihat papan catur virtual melalui perangkat bergeraknya, dan menggerakkan bidak secara langsung di dunia nyata. Selain mendukung interaksi di dunia nyata, sistem ini juga mendukung pembagian informasi dengan perangkat lain secara peer-to-peer dengan menggunakan AllJoyn framework. Berdasarkan hasil pengujian, aplikasi sudah dapat menjalankan modul augmented reality dan peer-to-peer secara real time, dengan rata-rata frame rate sebesar 31,475 fps dan rata-rata delay pembagian informasi sebesar 87,6 ms. Dari pengujian kualitatif yang dilakukan, pengguna cenderung setuju bahwa mereka telah puas menggunakanaplikasi ini, dilihat dari rata-rata nilai yang diberikan sebesar 3,65 dari skala 5.

---

ABSTRACTThroughout the years, human have tried to develop the best Human Computer Interface. One of the interface that recently draws massive attention is Augmented Reality. This interface enable the composition of virtual and real life object. However, there is one drawback that decrease the immersion of this interface, which is thelimitation of interaction space. With the current growth of mobile device computational power, more complex augmented reality systems can be implemented. This thesispropose a system design that support interaction in real world space by using Vuforia Augmented Reality Development Kit and Unity3D’s physic engine. This design is implemented in an augmented reality based chess game where the player can see a virtual board on their device, and move the pieces directly in the real world. This system also supports information sharing with another nearby device using peer-topeer architecture, by utilizing the AllJoyn framework. Based on the performance test, this application is already capable to run the augmented reality module along with thepeer-to-peer function in real time. In the given test scenario, the application run in average frame rate of 31.475fps. The average delay between the delivery of input in device A and the feedback in device B is 87,6 ms. Based on the qualitative test, the respondents tend to agree that they are satisfied with this application, which is shown by the given score of 3,65 out of 5."

"Sistem informasi penugasan pengajaran dosen (Sirando) adalah salah satu sistem informasi manajemen sumber daya manusia berkaitan dengan penugasan pengajaran dosen Fasilkom UI. Sistem ini dibutuhkan oleh manajemen Fasilkom UI untuk mengelola tugas pengajaran dosen sesuai dengan beban yang dimiliki setiap dosen. Namun, selama penggunaan sistem tersebut terdapat beberapa masalah pada aplikasi seperti pemeliharaan aplikasi yang sulit untuk dikembangkan lebih lanjut dikarenakan pengembangan kode tanpa standar dan desain antarmuka aplikasi Sirando yang kurang user-friendly dan inkonsisten. Kedua permasalahan berhubungan erat dengan maintainability dan usability sehingga kedua aspek tersebut menjadi fokus pada penelitian ini. Peningkatan usability dilakukan dengan penerapan user-centered­ design (UCD) pada aplikasi. Sementara itu, aspek maintainability ditingkatkan melalui evaluasi dan implementasi ulang aplikasi. Model waterfall digunakan sebagai basis proses pengembangan arsitektur aplikasi. Hasil penerapan kedua pendekatan penelitian tersebut diuji menggunakan metode evaluasi kualitatif seperti group usability testing serta metode evaluasi kuantitatif seperti system usability scale (SUS), static code analysis, dan mean time to repair (MTTR). Group usability testing dan SUS diikuti oleh manajemen akademik Fasilkom UI, sedangkan MTTR diikuti oleh mahasiswa Fasilkom UI. Hasil evaluasi menunjukkan bahwa skor SUS dari aplikasi Sirando versi baru adalah 69,15 untuk tampilan desktop dan 66,68 untuk tampilan mobile yang termasuk dalam adjective rating “OK”. Hasil static code analysis dan pengujian MTTR juga menunjukkan maintainability aplikasi yang lebih baik pada versi baru aplikasi, yaitu berhasil mencapai 98% line coverage, penurunan signifikan terhadap technical debt, dan nilai MTTR yang lebih baik.

---

Information system for teaching assignments of lecturers (Sirando) is one of the management information system related to teaching assignments of lecturers in Fasilkom UI. The system helps the management of Fasilkom UI manage the teaching assignments of lecturers according to the teaching load of each lecturer. However, during the use of the system there were several problems in the application such as difficulty in maintaining the web application to develop further because of unstandardized code development and interface design that is not user-friendly and inconsistent. Both problems are closely related to maintainability and usability of web applications so these two aspects are the focus of this research. The usability of the application is improved by applying user-centered design (UCD), whereas the maintainability aspect is improved through re-evaluation of Sirando’s architecture and implementation. The waterfall model is used as the basis for the application architecture development process. Both results of the research approaches are tested using qualitative evaluation methods such as group usability testing as well as quantitative evaluation methods such as system usability scale (SUS), static code analysis, and mean time to repair (MTTR). Group usability testing and SUS are followed by academic management of Fasilkom UI, while MTTR is followed by student of Fasilkom UI. The evaluation shows that the SUS score of the newly developed version of Sirando is 69,15 for the desktop display and 66,68 for the mobile display which has the adjective rating “OK”. The evaluation using a static code analysis tool and MTTR shows that the maintainability aspect of the newly developed version of Sirando is better than the past version, achieving 98% line coverage, a significant reduction in technical debt, and a better MTTR value."

"Penelitian ini dilakukan untuk meningkatkan antarmuka pengguna SIAK-NG (Sistem Informasi Akademik Next Generation), website portal akademik milik Universitas Indonesia melalui pendekatan design thinking. Meskipun SIAK-NG telah ada selama beberapa dekade dan mengalami beberapa perbaikan, belum ada upaya khusus untuk mengevaluasi kualitas antarmuka pengguna. Dalam rangka perombakan SIAK-NG sesuai dengan masterplan Universitas Indonesia 2019-2024, penelitian ini bertujuan untuk memberikan wawasan yang diperlukan. Penelitian ini berfokus pada perancangan ulang antarmuka website SIAK-NG untuk mengatasi keluhan dan kesulitan pengguna, terutama terkait dengan desain antarmuka yang belum memuaskan. Pendekatan Design Thinking digunakan untuk menghasilkan solusi yang sesuai dengan kebutuhan mahasiswa aktif Universitas Indonesia sebagai pengguna utama. Melalui metode seperti storyboarding, empathy map, usability testing, dan tools lainnya, penulis akan merancang rekomendasi yang sesuai dengan kebutuhan pengguna.

---

This research aims to improve the user interface of SIAK-NG (Next Generation Academic Information System), the academic portal website of the University of Indonesia through a design thinking approach. Despite being in existence for several decades and undergoing multiple improvements, there has been no specific effort to evaluate the quality of the user interface. In line with the revamping of SIAK-NG according to the University of Indonesia 2019-2024 master plan, this study aims to provide the necessary insights. The research focuses on redesigning the website interface of SIAK-NG to address user complaints and difficulties, particularly related to the unsatisfactory interface design. The Design Thinking approach is employed to generate solutions that meet the needs of active University of Indonesia students who are the primary users. Through methods such as storyboarding, empathy mapping, usability testing, and others, the author will design recommendations that align with user requirements."