Sidang Tugas Akhir - digilib.its.ac.iddigilib.its.ac.id/public/ITS-paper-39711-ITS-paper-39711...1....
Transcript of Sidang Tugas Akhir - digilib.its.ac.iddigilib.its.ac.id/public/ITS-paper-39711-ITS-paper-39711...1....
NANDA ANDHARU FIQIH P5210100141
Sidang Tugas Akhir
• ANALISIS GELOMBANG OTAK LOW ALFA HIGH ALFA LOW BETA HIGH BETA DAN TETA MENGGUNAKAN ALAT NEUROSKY MINDWAVE MOBILE HEADSET UNTUK MENGIDENTIFIKASI KELELAHAN SUPERVISOR PABRIK MENGGUNAKAN METODE MEANS COMPARISON TEST (MCT)
• Pembimbing 1: Dr.Eng. Febriliyan Samopa, S.Kom, M.Kom
• Pembimbing 2: Radityo Prasetyanto Wibowo, S.Kom, M.Kom
JUDUL
• Brain-Computer Interface (BCI) adalah jalur komunikasi langsung antara otakdan perangkat eksternal (Tan dan Nijholt, 2010). Dengan kata lain, BCI adalah bidang kajian untuk memanfaatkan gelombang listrik yang dipancarkan oleh otak dan ditangkap oleh sensor sepertielectroencephalography (EEG), ke dalam aplikasi komputer. Kelelahanmerupakan suatu keadaan yang sulit dipisahkan dalam kehidupan manusia, sehingga sedapat mungkin kelelahan tersebut dihindarkan ketika seseoranghendak melakukan pekerjaanya agar performa kerja yang diharapkandapat terpenuhi. Dengan mendeteksi secara dini kelelahan tersebut makasetidaknya kelelahan dapat dihindarkan, salah satunya kelelahan mental. Belum adanya penelitian ilmiah yang menyebutkan bahwa kelelahan mental dapat diketahui melalui gelombang otak menjadikan penelitian ini sebagaipenelitian dasar untuk mendeteksi kelelahan. Penelitian dilakukan denganmenganalisis dan mengidentifikasi gelombang otak low alfa, high alfa, low beta, high beta dan teta dari supervisor pabrik. Keluaran dari penelitian iniakan didapati standar kelelahan dari seorang supervisor pabrik.
ABSTRAK
• Kelelahan memberikan dampak besar terhadap produktifitasseseorang dalam mengerjakan sesuatu
– kelelahan harus dihindarkan sebelum seseorang memulai untuk bekerja
• Sampai saat ini, penelitian mengenai BCI masih banyakdidominasi oleh penelitian untuk aplikasi medis/kesehatan, danmasih sangat sedikit penelitian yang untuk aplikasi ditingkatkonsumen/bisnis
• Belum adanya penelitian ilmiah yang menyebutkan bahwakelelahan mental dapat dideteksi menggunakan gelombangotak menjadi motivasi dari penulisan proposal tugas akhir ini
PENDAHULUAN
LATAR BELAKANG
1. Apakah gelombang low alfa, high alfa, low beta, high beta, dan teta yang berasal dari alat Neurosky MindWave Headset dapat digunakan untuk menentukan kelelahan supervisor pabrik?
2. Gelombang mana dari low alfa, high alfa, low beta, high beta dan teta yang paling berpengaruh terhadap kelelahan padasupervisor pabrik?
3. Apakah metode MCT dapat digunakan untuk mengidentifikasigelombang otak untuk mendeteksi kelelahan?
4. Berapa nilai batasan terbaik saat dilakukan bilateral test untukmendeteksi kelelahan supervisor pabrik?
PENDAHULUAN
RUMUSAN MASALAH
1. Gelombang otak yang akan digunakan hanya gelombang low alfa, high alfa, low beta, high beta dan teta
2. Alat perekam gelombang low alfa, high alfa, low beta, high beta, dan teta menggunakan Neurosky MindWave Headset satu channel
3. Objek penelitian yang diamati adalah supervisor pabrik yang jam kerjanya tidak kurang dari 8 jam per hari
PENDAHULUAN
BATASAN TUGAS AKHIR
1. Mengetahui apakah gelombang low alfa, high alfa, low beta, high beta, dan teta yang berasal dari otak dapat dijadikanacuan untuk menentukan kelelahan supervisor pabrik
2. Mengetahui gelombang mana yang dapat menunjukkantingkat kelelahan supervisor pabrik
3. Mengetahui apakah metode MCT dapat digunakan untukmengidentifikasi gelombang otak untuk mendeteksi kelelahan
4. Mengetahui nilai variabel batasan optimal untuk mendeteksikelelahan supervisor pabrik
PENDAHULUAN
TUJUAN
• Sebagai referensi untuk pengerjaan penelitian lain, sertasebagai acuan untuk pengembangan lebih lanjut terhadappenelitian dengan yang topik serupa.
• Menjadi penelitian yang fundamental. Terlebih hasil dari tugasakhir ini dapat digunakan sebagai dasar penelitian laboratoriumE-Business Jurusan Sistem Informasi ITS dalam mengembangkanpenelitian Brain-Computer Interface
PENDAHULUAN
MANFAAT TUGAS AKHIR
• TERBATASNYA ALIRAN OKSIGEN DALAM TUBUH AKIBAT MENINGKATNYA KADAR ASAM LAKTAT YANG MENGHAMBAT KONTRANSI PEMBULUH DARAH
• BERDASARKAN PENYEBABNYA, KELELAHAN DIBAGI 2:
– KELELAHAN FISIOLOGIS
– Kelelahan fisiologis adalah kelelahan yang disebabkan oleh faktor fisikditempat kerja antara lain oleh suhu dan kebisingan (Singleton, 1989).
– KELELAHAN PSIKOLOGIS
– Kelelahan psikologis adalah kelelahan yang disebabkan oleh faktor psikologis(Singleton, 1989).
TINJAUAN PUSTAKA
Definisi Lelah (1)
Penyebab kelelahan menurut Grandjean (1995):1. Intensitas dan lama kerja mental dan fisik.
2. Lingkungan yaitu iklim, penerangan, kebisingan, getaran, dan lain-lain.
3. Circadian rhytm atau jam biologis yaitu jam tidur digunakan untuk kerja.
4. Problem fisik yaitu berupa tanggung jawab, kekhawatiran konflik.
5. Kenyerian dan kondisi kesehatan, tidak fit sehingga cepat lelah.
6. Nutrisi, yaitu apabila nutrisi pekerja kurang maka akan cepat mengalami kelelahan.
7. Kebiasan makan atau tidur tidak teratur.
8. Ketidakseimbangan pada tingkat-tingkat elektrolit darah misalnya sodium, potasium, dan mineral-mineral lainnya.
9. Bertempat tinggal atau bekerja pada daerah yang panas dan lembab.
10. Anemia
11. Pengaruh pilek dan flu yang berlarut-larut.
12. Penyakit-penyakit penyebab infeksi yang luput dari perhatian, seperti monokleosis atau virus Epstein-Barr.
13. Beberapa gangguan endokrin, seperti kelenjar tiroid yang gagal berfungsi sebagaimana mestinya atau gangguan
neurologis.
14. Burnout yaitu merusak diri sendiri dengan bekerja terlalu keras.
15. Perubahan yang dihadapkan pada krisis kehidupan yang besar atau keputusan hidup yang sulit seperti perceraian
atau ancaman pensiun.
16. Kejenuhan karena hidup terasa monoton atau hilangnya kegairahan dalam rutinitas sehari-hari.
17. Depresi
TINJAUAN PUSTAKA
Definisi Lelah (2)
Deteksi atau penilaian kelelahan kerja dapat dilakukan denganberbagai cara antara lain :
1. Kualitas dan kuantitas hasil kerja
2. Pencatat perasaan subyektif kelelahan kerja, yaitu dengancara kuesioner alat ukur perasaan kelelahan kerja
3. Pengukuran gelombang listrik pada otak denganElectroenchepalography (EEG).
4. Uji mental
5. Uji psikomotor (Psycomotor test)
TINJAUAN PUSTAKA
Definisi Lelah (3)
• Seorang supervisor pabrik plastik yang berusia 51 tahun
– Bekerja pada suatu perusahaan yang mengolah biji plastik menjadi lembaranplastik. Cakupan tugasnya meliputi seluruh kegiatan produksi yang berhubungan dengan jalur produksi hingga keluar masuknya material, daridan ke perusahaan
– Banyak menggunakan komputer dan mesin produksi
– Meeting-meeting penting setiap harinya untuk koordinasi system produksi
– Memeriksa kondisi dan menyelesaikan masalah yang timbul di system produksi
• Jarak kediaman dengan pabrik ± 25 km dengan mengendaraisepeda motor selama kurang lebih 40 menit
• Jam kerja :10 jam (08.00 – 17.00, Senin-Jumat)
TINJAUAN PUSTAKA
Objek Penelitian
• Brain Computer Interface adalah perangkat eksternal yang dapat digunakan langsunguntuk berkomunikasi dengan otak manusia atau hewan melaluiantar muka khusus (silikonNeuron)
– perangkat Electroencephalograph (EEG)
• Pola Gelombang :
– Delta: 0 sd 4 Hz
– Gelombang amplitudo tinggi
– Teta: 4-7 Hz
– Situasi di mana seseorang secara aktif berusaha untuk menekan respon atau tindakan
– Alfa: 8 - 12 Hz
– Terkait dengan kontrol inhibisi, sepertinya dengan tujuan aktivitas hambat waktu di lokasi yang berbeda di otak
– Beta: 12-30 Hz
– Gelombang amplitudo rendah. Terkait dengan Alert / bekerja, Aktif, berpikir sibuk atau cemas, konsentrasiaktif
– Gamma: 30 - 100 + Hz
TINJAUAN PUSTAKA
Brain Computer Interface
• Salah satu perangkat Electroencephalograph
• Jangkauang Gelombang:
TINJAUAN PUSTAKA
Neurosky MindWave Mobile Headset
Jenis Jangkauan Gelombang
Delta 0,5 - 2,75 Hz
Teta 3,5 - 6,75 Hz
Low Alfa 7,5 - 9,25 Hz
High Alfa 10 - 11,75 Hz
Low Beta 13 - 16,75 Hz
High Beta 18 - 29,75 Hz
Low Gama 31 - 39,75 Hz
High Gama 41 - 49,75 Hz
• Median Filtering merupakan salah satu teknik peningkatankualitas citra dari suatu nilai. Metode ini termasuk dalam kategorinon linear filtering. Cara kerjanya hampir sama dengan mean filtering. Pada mean filtering dalam setiap output nilai diatur ketingkat rata-rata dari nilai-nilai dalam populasi yang ditentukan. Namun, dengan median filtering, nilai output ditentukan olehmedian dari populasi yang ditentukan.
TINJAUAN PUSTAKA
Median Filtering
• Metode yangdapat digunakan untuk mengetahui nilaipeningkatan atau penurunan dari kondisi data A ke data B
• 𝑡 =𝑥1− 𝑥2
𝑛1𝑠1+ 𝑛2𝑠2𝑛1+𝑛2−2
1
𝑛1+
1
𝑛2
– A adalah X1 dan B adalah X2
– Populasi A dan B adalah n1 dan n2
– Varian A dan B adalah s1 dan s2
TINJAUAN PUSTAKA
Means Comparison Test (MCT)
• Metode statistika yang membandingkan 2 keadaan untukmenguji kebenaraan dari suatu perhitungan
• Mengukuran tingkat akurasi suatu ekpetasi dari perhitunganpada tes dengan keadaan nyata (expert judgment)
• Dengan membandingkan nilai dari pengukuran tersebut akandidapatkan kebenaran dari perhitungan yang dilakukan untukmenentukan penilaian atau ekpestasi terhadap keadaan objekpenelitian.
TINJAUAN PUSTAKA
Bilateral Tes
METODOLOGI
Studi LiteraturPengembangan
Aplikasi PerekamEEG
Pengumpulan DataMemilah Data dengan Median
Filtering
Analisis dengan Metode MCT
Pengujian denganBilateral Test &
Standard Judgement
Penarikan Simpulan Analisis
Pembuatan Laporan Penelitian
Tugas Akhir
• Pembelajaran terhadap literatur terkait yang memuat konsepserta metode yang digunakan untuk menyelesaikanpermasalahan
• Mencari bahan acuan yang relevan terkait metodologi analisisgelombang Alfa, beta, dan teta pada otak
• Didapatkan dari paper atau jurnal terakreditasi, buku, tugasakhir dan tesis, maupun sumber bacaan softcopy yang didapatkan dari internet.
METODOLOGI
Studi Literatur
• Aplikasi dikembangakan untuk merekam gelombang yang dipancarkan oleh alat NeuroSky MindWave headset danmensimulasikan proses survei yang telah direncanakan
• Menggunakan bahasa pemrograman PHP sederhana yang dapat berkoneksi dengan MindWave headset lalu menerimasinyal gelombang otak dan merekamnya secara berkala setiapdetiknya.
METODOLOGI
Pengembangan Aplikasi
• Metode Survei
– Survei hanya melibatkan satu supervisor pabrik dengan jangkapengambilan data selama 40 kali saat hari kerja saja (Senin-Jumat). Data yang diambil pada saat survei adalah :
– Gelombang low alfa ( low α )
– Gelombang high alfa ( high α )
– Gelombang low beta ( low β )
– Gelombang high beta ( high β )
– Gelombang teta ( θ )
METODOLOGI
Pengumpulan Data (1)
SOP Survei (1):
• Tidak mengkonsumsi jamu, obat-obatan maupun minuman penambahtenaga selama kurang lebih 24 jam sebelum dilakukannya survei.
• Saat survei berlangsung objek harus dalam keadaan duduk dan tidakmelakukan kegiatan sedikitpun dan juga tidak dalam keadaan tertekan.
• Survei pengambilan data gelombang otak dilakukan dua kali sehari, yaitu
– Pada saat supervisor pabrik masih dalam keadaan segar (tidak lelah), data diambilsaat pagi hari ketika objek tersebut hendak berangkat bekerja. Lama waktupengambilan data adalah 5 menit atau 300 detik.
– Pada saat supervisor pabrik pasti dalam keadaan lelah, data diambil saat objek telahpulang dari kerjanya. Lama waktu pengambilan data adalah 3 menit atau 180 detik. Lalu dengan selang waktu 30 detik sejak pengambilan data gelombang otak dimulaidilakukan penilaian terhadap kondisi kelelahan objek penelitian.
– Aspek penilaian berdasar pada tabel terlampir.
METODOLOGI
Pengumpulan Data (2)
SOP Survei (2):– Jika dari penilaian tersebut sudah
memenuhi 5 dari 10 aspek yang adamaka objek penelitian bisa disimpulkandalam keadaan lelah.
METODOLOGI
Pengumpulan Data (3)No Pengujian Jawaban Simpulan
1
Tanyakan apakah objek
penelitian mengalami sakit
di kepala atau pusing
Ya Lelah
Tidak Tidak Lelah
2
Tanyakan apakah objek
penelitian merasa linu atau
kaku pada bahu
Ya Lelah
Tidak Tidak Lelah
3
Tanyakan apakah objek
penelitian merasa linu atau
kaku pada punggung
Ya Lelah
Tidak Tidak Lelah
4Tanyakan apakah objek
penelitian merasa haus
Ya Lelah
Tidak Tidak Lelah
5Amati apakah objek
penelitian menguap
Ya Lelah
Tidak Tidak Lelah
6
Tanyakan apakah objek
penelitian merasa
mengantuk
Ya Lelah
Tidak Tidak Lelah
7
Tanyakan apakah objek
penelitian merasakan
mata menjadi berat
Ya Lelah
Tidak Tidak Lelah
No Pengujian Jawaban Simpulan
8Amati apakah objek
penelitian bersuara serak
Ya Lelah
Tidak Tidak Lelah
9
Tanyakan apakah objek
penelitian segera mau
berbaring
Ya Lelah
Tidak Tidak Lelah
10Tanyakan apakah objek
penelitian merasa sehat
Ya Lelah
Tidak Tidak Lelah
• Tahapan ini bertujuan untuk memperhalus data dengan menghilangkan jangkauan gelombangyang terlalu jauh (noise) dengan cara mencariselisih jaraknya dengan nilai median darijangkauan gelombang dengan rentan jendela10 detik.
METODOLOGI
Median Filtering
METODOLOGI
Analisis dengan Metode MCT
Data Gelombang Alfa, Beta, dan Teta yang
telah diperhalus dengan median filtering
Mengambil rata-rata jendela pertama dengan rentan 60 detik sebagai
patokan awal
Mengambil rata-rata jendela bergerak dengan rentan 30 detik sebagai acuan yang akan diukur
𝑡 =𝑥1 − 𝑥2
𝑛1𝑠1 + 𝑛2𝑠2𝑛1 + 𝑛2 − 2
1𝑛1
+1𝑛2
Bilateral Test
• Batasan
– 𝜆 ⇒ −𝑡1−
𝜆
2
< 𝑡 < 𝑡1−
𝜆
2
– Rentan 𝜆 1 - 5
• Dibandingkan dengan
METODOLOGI
Bilateral Tes
Expert Decision
Tidak Lelah Lelah
Metode
MCT
Tidak Lelah
True
Negative
(TN)
False
Negative
(FN)
Lelah
False
Positive
(FP)
True
Positive
(TP)
• 𝑇𝑃𝑟𝑎𝑡𝑒 =𝑇𝑃
𝑇𝑃+𝐹𝑁
• 𝐹𝑃𝑟𝑎𝑡𝑒 =𝐹𝑃
𝐹𝑃+𝑇𝑁
METODOLOGI
Bilateral Tes (Kondisi tidak lelah)
Expert Decision
Tidak Lelah Lelah
Metode
MCT
Tidak Lelah
True
Negative
(TN)
False
Negative
(FN)
Lelah
False
Positive
(FP)
True
Positive
(TP)
• 𝑇𝑁𝑟𝑎𝑡𝑒 =𝑇𝑁
𝑇𝑁+𝐹𝑁
• 𝑇𝑃𝑟𝑎𝑡𝑒 =𝑇𝑃
𝑇𝑃+𝐹𝑁
• Dengan menggunakan akurasi (ACC) minimum sebesar 77% maka jika nilai akurasi lebih tinggi dari 76% maka metodepenelitian ini (metode MCT) dapat digunakan untukmendeteksi kelelahan secara objektif. Namun jika akurasikurang dari 76% maka metode MCT tidak dapat digunakanmendeteksi kelelahan secara objektif.
METODOLOGI
Penarikan Simpulan
• Pembuatan laporan akan dilakukan untuk memberi penjelasansecara rinci mengenai apa saja data yang diperoleh danbagaimana pengerjaan penelitian.
• Dilakukan setelah setiap tahapan yang telah disebutkan diatasterselesaikan.
• Laporan ini diharapkan dapat bermanfaat sebagai referensiuntuk pengerjaan penelitian lain, serta sebagai acuan untukpengembangan lebih lanjut terhadap penelitian dengan yang topik serupa.
METODOLOGI
Pembuatan Laporan Penelitian TA
• Gelombang Low Alpha
• Gelombang High Alpha
• Gelombang Low Beta
• Gelombang High Beta
• Gelombang Tetha
• Satuan Waktu
– Detik
Variabel dalam PerekamanGelombang Otak
• Menggunakan aplikasi dari situs Github milik NeuroSky yang berisiaplikasi-aplikasi open source milik pengembang lain
Indentifikasi Variabel padaAlat Perekam
• Variabel luaran aplikasi
– Waktu (detik)
– Low alpha
– High alpha
– Low Beta
– High Beta
– Tetha
– Delta
– Low Gamma
– High Gamma
– Attention
– Mediation
– Status
– Blink Strength
Penentuan Objek Penelitian
Pertimbangan Kelelahan Fakta Objek Penelitian
Jenis pekerjaan Supervisor pabrik plastic
Jarak rumah-pabrik ± 25 km
Keadaan lalu lintas • Padat truk pengiriman (pagi)
• Macet (sore-petang)
Jenis kendaraan Motor
Lama perjalanan 40 – 60 Menit
Durasi pekerjaan 9 jam / hari
Aplikasi Perekam Data
• Metode Survei
– Survei hanya melibatkan satu supervisor pabrik dengan jangkapengambilan data selama 40 kali saat hari kerja saja (Senin-Jumat). Data yang diambil pada saat survei adalah :
– Waktu
– Gelombang low alfa ( low α )
– Gelombang high alfa ( high α )
– Gelombang low beta ( low β )
– Gelombang high beta ( high β )
– Gelombang teta ( θ )
Perekaman Gelombang Otak (1)
Perekaman Gelombang Otak (2)
*Menggunakan Microsoft Excel
Pengolahan Data*
• Eliminasi data berisikan nilai POOR atau NODATA pada variable status.
• Eliminasi variable:
– Delta
– Low Gamma
– High Gamma
– Attention
– Mediation
– Status
– Blink Strength
Pengolahan Data
Pengeliminasian Nilai Tidak Valid
• Algoritma pendeteksi kelelahan (Thomas, 2009):
–𝜃 𝑡𝑒𝑡ℎ𝑎 + 𝛼 (𝑎𝑙𝑝ℎ𝑎)
𝛽 (𝑏𝑒𝑡𝑎)
• Rumus mecari alpha/beta:
–𝑔𝑒𝑙𝑜𝑚𝑏𝑎𝑛𝑔_𝑙𝑜𝑤 +𝑔𝑒𝑙𝑜𝑚𝑏𝑎𝑛𝑔_ℎ𝑖𝑔ℎ
2
Pengolahan Data
Penambahan Nilai Alpha dan Beta
• Menggunakan perhitungan Median Filtering 1-D (satu dimensi)
• Rumus:
– y[n]=median(y[n-k],...,y[n-1],y[n], y[n+1],...,y[n+k])
– y = variable gelombang
– n = detik ke-n
– k = filter range/2
Pengolahan Data
Median Filtering (1)
Pengolahan Data
Median Filtering (1)
Raw Data
Median
Filtering
• Rumus
– 𝑡 =𝑥1− 𝑥2
𝑛1𝑠1+ 𝑛2𝑠2𝑛1+𝑛2−2
1
𝑛1+
1
𝑛2
– 𝑥1 = rata-rata data belum lelah selama 60 detik
– 𝑥2 = rata-rata data lelah selama 30 detik
– 𝑛1 = 60
– 𝑛2 = 30
– 𝑠1 = varian data tidak lelah selama 60 detik
– 𝑠2 = varian data lelah selama 30 detik
• Formula Ms. Excel
– =(AVERAGE(rentan_60detik)-AVERAGE(rentan_30detik))/(SQRT(((60*(VAR.S(rentan_60detik))+30*(VAR.S(rentan_30detik)))/(60+30-2))*(1/60+1/30)))
Pengolahan Data
Means Comparison Test (1)
Pengolahan Data
Means Comparison Test (2)
Pengolahan Data
Bilateral Test
• Rumus:
– 𝜆 = −𝑡1−𝜆/2 < 𝑡 < 𝑡1−𝜆/2
– 𝜆 antara 1-5 (Antonie Picot, 2009)
– Nilai 𝑡1 dilihat pada tabel t statistika dengan degree of freedom 88 (𝑛1 + 𝑛2 − 2)
Pengolahan Data
Standard Judgement
• Mencari nilai akurasi:
– 𝐴𝐶𝐶 =𝑇𝑃+𝑇𝑁
𝑇𝑃+𝑇𝑁+ 𝐹𝑃+𝐹𝑁
• Batasan akurasi:
– Objektif : minimal 0.77 atau 77% (Wen Zhu, 2010)
Rasio Akurasi Klasifikasi0.9 < ACC < 1.0 Sangat baik
0.8 < ACC < 0.9 Cukup baik0.7 < ACC < 0.8 Tidak baik0.6 < ACC < 0.7 Sangat tidak baik
Analisis dan Pembahasan
Median Filtering
Analisis dan Pembahasan
Akurasi Prediksi Kelelahan
Analisis dan Pembahasan
Akurasi Survei Kelelahan
TP 3622
TN 55
FP 2262
FN 149
ACC 60%
Rasio Akurasi Klasifikasi0.9 < ACC < 1.0 Sangat baik0.8 < ACC < 0.9 Cukup baik0.7 < ACC < 0.8 Tidak baik0.6 < ACC < 0.7 Sangat tidak baik
• H0: Jika nilai akurasi perhitungan MCT per detik per jenis gelombang terhadap keadaan nyata kelelahan objek penelitian di atas 0.77 atau 76%, berarti metode MCT bisa
digunakan untuk mendeteksi kelelahan. (DITERIMA)
• H1: Jika nilai perhitungan MCT per detik per jenis gelombang terhadap keadaan nyata kelelahan objek penelitian di bawah 0.77 atau 77%, berarti metode MCT tidak dapat digunakan untuk mendeteksi kelelahan. (DITOLAK)
Analisis dan Pembahasan
Analisis Hubungan Klausal
1. Dalam megolah data gelombang otak terlebih dahulu dilakukanproses median filtering pada data mentah untuk menghasilkankeakuratan penelitian yang lebih baik.
2. Perhitungan Means Comparison Test (MCT) dapat digunakan untukmenentukan kelelahan seorang supervisor pabrik.
3. Gelombang high beta merupakan satu-satunya gelombang yang dapat digunakan untuk menentukan kelelahan supervisor pabrikdiantara gelombang lainnya seperti theta, low alpha, high alpha danlow beta.
4. Batasan terbaik dalam tes bilateral adalah λ = 5.
5. Metode survey judgement tidak menunjukkan hasil penelitian yang objektif.
Kesimpulan
• Pendalaman studi literatur perlu dilakukan sebelum melakukan penelitian sehingga mengurangi subjektifitas penelitian dan jalannya penelitian tidak terganggu dengan kendala teknis pengolahan data maupun kebimbangan metodologi.
• Banyak metode dari penelitian lain yang bisa digunakan untuk mendeteksi kelelahan fisik, namun belum ada penelitian yang membuktikan metode tersebut menggunakan alat EEG satu channel, sehingga penelitian untuk mengetahui kemampuan alat EEG satu channel tersebut perlu didalami.
• Untuk menentukan metode Survey Judgement dalam penelitian selanjutnya mengenai pendeteksi kelelahan bisa menggunakan metode survei Checklist Individual Strength (CIS) yang sebelumnya sudah diuji (Bultmann, 2000).
• Metode Means Comparison Test (MCT) tidak disarankan untuk digunakandalam penelitian pendeteksi kelelahan selanjutnya karena berdasarkan klasifikasirasio akurasi yang dikembangkan oleh Wen Zhu (2010), akurasi metode MCT berada pada klasifikasi “sangat tidak baik” atau dengan kata lain memilikiakurasi yang rendah.
Saran
Terima Kasih
Sekian
1. D. S. Tan and A. Nijholt, Brain-Computer Interfaces: applying our minds to human-computer interaction. Springer, 2010.
2. A. Luo and T. J. Sullivan, “A user-friendly SSVEP-based brain–computer interface using a time-domain classifier,” Journal of neural
engineering, vol. 7, no. 2, p. 026010, 2010.
3. NeuroSky White Papers, “Brainwave EEG Signal,” Dec-2009.
4. NeuroSky White Papers, “NeuroSky’s eSense Meters and Detection of Mental State,” Sep-2009.
5. G. Rebolledo-Mendez, I. Dunwell, E. Martínez-Mirón, M. Vargas-Cerdán, S. De Freitas, F. Liarokapis, and A. García-Gaona, “Assessing
neurosky’s usability to detect attention levels in an assessment exercise,” Human-Computer Interaction. New Trends, pp. 149–158, 2009.
6. K. Crowley, A. Sliney, I. Pitt, and D. Murphy, “Evaluating a brain-computer interface to categorise human emotional response,” in 2010
10th IEEE International Conference on Advanced Learning Technologies, 2010, pp. 276–278.
7. Y. Yasui, “A brainwave signal measurement and data processing technique for daily life applications,” J Physiol Anthropol, vol. 28, no. 3,
pp. 145–150, 2009.
8. A. Picot, S. Charbonnier, and A. Caplier, “On-line automatic detection of driver drowsiness using a single electroencephalographic
channel,” in Engineering in Medicine and Biology Society, 2008. EMBS 2008. 30th Annual International Conference of the IEEE, 2008, pp.
3864–3867.
9. N. Acir, I. Oztura, M. Kuntalp, B. Baklan, and C. Güzeliş, “Automatic detection of epileptiform events in EEG by a three-stage procedure
based on artificial neural networks,” IEEE Trans Biomed Eng, vol. 52, no. 1, pp. 30–40, Jan. 2005.
10. Antoine Picot, Sylvie Charbonnier and Alice Caplier. "On-Line Automatic Detection of Driver Drowsiness Using a Single." (IEEE) 2008.
11. P.K., Suma’mur. Keselamatan Kerja dan Pencegahan Kecelakaan. Gunung Agung, 1996.
12. Santoso, Gempur. Manajemen Keselamatan dan Kesehatan Kerja. Prestasi Pustaka Publisher, 2004.
13. Singleton, W. T. The Mind at Work. Press Syndicate of the University of Cambridge, 1989.
DAFTAR PUSTAKA