Hasil Pencarian  ::  Simpan CSV :: Kembali

Abstrak :
Pada era globalisasi sekarang ini, teknologi merupakan salah satu sektor yang berkembang dengan sangat pesat. Kejadian ini memicu semua sektor industri untuk terus berlomba mengembangkan inovasi teknologi, demi mempertahankan eksistensinya kepada pengguna. Pihak PT Transportasi Jakarta dan PT Kereta Commuter Indonesia (KCI) sebagai salah satu penyelenggara transportasi publik mengeluarkan smartphone transit apps masing-masing bernama TiJe dan KRL Access. Kedua aplikasi ini memiliki penilaian dan ulasan dari pengguna yang cukup rendah. Motivasi tersebut mendorong penulis untuk melakukan penelitian untuk menghasilkan usulan desain antar muka pada aplikasi Tije dan KRL Access. Pada penelitian kali ini penulis menggunakan kedua aplikasi ini dengan alasan sebagai contoh aplikasi transit dari pihak pertama penyedia transportasi umum. Penelitian ini merupakan mixed methods research di mana akan menggunakan data kuantitatif dan kualitatif dalam melakukan analisis data. Pendekatan desain yang digunakan adalah Human-Centered Design (HCD). Melalui pendekatan ini didapatkan rancangan desain purwarupa pada platform iOS. Rancangan desain tersebut selanjutnya akan diuji usabilitasnya menggunakan pendekatan remote usability testing. Hasil evaluasi kuantitatif yang dilakukan kepada 20 narasumber yang melakukan sebanyak 17 tugas usability menunjukkan rata-rata keberhasilan sebesar 92.35%. Hasil kualitatif mendapatkan beberapa saran pertimbangan rekomendasi perbaikan desain purwarupa lebih lanjut ......In this globalization era, technology is one sector that is growing rapidly. This phenomenon triggers all kinds of industries to innovate to keep their existence to their users. PT Transportasi Jakarta and PT Kereta Commuter Indonesia show their commitment by making smartphone transit apps Tije and KRL Access, respectively. Both of these applications have lousy reviews and ratings from their respective users. This motivation pushes us to write this study and create a working prototype design suggestion for KRL Access and Tije. We use KRL Access and Tije because they are examples of applications provided by the first-party public transport provider. We use qualitative and quantitative data to analyze data and draw a conclusion. Human-centered design is used as the design approach. With this approach, we also make the prototype of KRL Access and Tije on the iOS platform. The final prototype is tested using remote usability testing to gauge performance and user satisfaction. Based on the test by 20 users who did 17 usability tasks, the quantitative data shows that 92.35% of users can finish their tasks. The qualitative data gave several design recommendations for the next design iteration.

Abstrak :
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.