Analisa Sinyal EEG untuk Menentukan Sifa
Analisa Sinyal EEG untuk Menentukan Sifat Manusia
Menggunakan Backpropagation
Ahmad Reza Musthafa, Tri Harsono, Setiawardhana
Politeknik Elektronika Negeri Surabaya
Kampus PENS, Jalan Raya ITS Sukolilo, Surabaya 60111
Tel: (031) 594 7280; Fax: (031) 594 6114
Email:[email protected], [email protected], [email protected]
Abstrak
Mengetahui sifat seseorang merupakan salah satu
disiplin ilmu dalam bidang psikologi. Banyak cara yang
dapat digunakan untuk mengetahui sifat seseorang yaitu
dengan melakukan pendekatan-pendekatan ilmu psikologi
baik dari neurobiologis, perilaku, kognitif, psikoanalisa,
dan fenomenologi[6]. Dalam penelitian ini akan
melakukan pendekatan baru untuk mengetahui sifat
seseorang dengan analisa sinyal Electroencephalograph
(EEG). Sifat-sifat tersebut diantaranya yaitu melankolis,
plegmatis, koleris, dan sanguinis[7].
Sistem ini memiliki komponen utama yaitu
kuesioner psikologi yang mengimplementasikan teori
Galen. Pengguna yang akan digunakan sebagai sampel
diharuskan mengisi data kuesioner psikologi untuk
mengetahui sifat yang dimilikinya. Hasil kuesioner
tersebut, digunakan sebagai acuan penyimpanan data
EEG pengguna. Sinyal EEG pada periode tertentu
diproses menggunakan Fast Fourier Transform (FFT)
dan Power Spectral Density (PSD). Sehingga dapat
digunakan sebagai pola referensi untuk proses training
backpropagation.
Hasil dari penelititan ini yaitu menghasilkan suatu
sistem yang mampu mengetahui sifat seseorang dengan
waktu 3 menit yang memiliki keberhasilan sebesar
71,4%.
mengetahui sifat seseorang, yaitu dengan melakukan
analisa terhadap sinyal EEG manusia. Penelitian ini
memanfaatkan device EEG berupa Emotiv EEG
Neuroheadset yang 14 channel elektroda.
Sistem pada penelitian ini memanfaatkan metode
backpropagation untuk melakukan pemrosesan pola
masukan, yang sebelumnya dilakukan pemrosesan
terhadap data sinyal EEG dengan menggunakan Fast
Fourier Transform (FFT) dan Power Spectral Density
(PSD). Pemrosesan menggunakan FFT bertujuan untuk
menyederhanakan banyaknya data masukan yang
diperoleh, sedangkan pemrosesan menggunakan PSD
bertujuan untuk meng-ekstraksi sinyal hasil pemrosesan
FFT ke dalam bentuk spektrum yang spesifik.
Hasil dari penelitian ini yaitu menghasilkan sistem
analisis sinyal EEG untuk dapat mengetahui sifat
manusia hanya dengan waktu 3 menit, sehingga
diharapkan mampu digunakan sebagai pendekatan baru
dalam ilmu psikologi, khususnya dalam mengetahui sifat
manusia.
Kata kunci: backpropagation, sinyal EEG, sifat manusia,
fast fourier transform, PSD
2. Dasar Teori
3.1. Electroencephalograph (EEG)
Pengukuran sinyal EEG dilakukan dengan cara
meletakkan elektroda-elektroda pada kulit kepala dengan
mengikuti standar peletakan elektrode yang telah
ditentukan[1].
Lokasi pemasangan elektrode menurut standart
internasional sebanyak 10-20 elektroda. Pada penelitian
ini menggunakan device EEG dengan 14 elektroda.
1. Pendahuluan
Mengetahui sifat seseorang merupakan salah satu
disiplin ilmu dalam bidang psikologi. Banyak cara yang
dapat digunakan untuk mengetahui sifat seseorang yaitu
dengan melakukan pendekatan ilmu psikologi baik dari
neurobiologis, perilaku, kognitif, psikoanalisa, dan
fenomenologi.
Di luar pendekatan tersebut, peneliti melalui
penelitian ini membuat sebuah pendekatan baru untuk
Gambar 1. Sistem Pemasangan Elektroda
(sumber: www.emotiv.com)
2.2. Fast Fourier Transform (FFT)
FFT merupakan algoritma yang efisien untuk
menghitung DFT, sehingga dapat menurunkan jumlah
perhitungan DFT. Transformasi Fourier didefinisikan
sebagai sebuah persamaan kontinyu dalam range tertentu
sebagai gabungan dari beberapa persamaan sinus[4].
Transformasi fourier dapat dihitung dengan formula
sebagai berikut:
∑
………..………...(1)
∑
2.3. Power Spectral Density (PSD)
Power Spectral Density (PSD) adalah fungsi real
positif dari variabel frekuensi terkait dengan proses
stokastik stasioner, atau fungsi deterministik waktu, yang
memiliki dimensi daya per hertz (Hz), atau energi per
hertz.
PSD Welch dapat dihitung dengan formula sebagai
berikut:
(
)
∑
∑
…………….…......(2)
2.4. Backpropagation
Pelatihan suatu jaringan syaraf tiruan dengan
algoritma backpropagation meliputi dua tahap yaitu
perambatan maju dan perambatan mundur.
Berikut merupakan proses pelatihan backpropagation :
Langkah 0 :
Inisialisasi bobot. (sebaiknya diatur pada nilai acak yang
kecil),
Langkah 1 :
Jika kondisi tidak tercapai, lakukan langkah 2-9,
Langkah 2 :
Untuk setiap pasangan pelatihan, lakukan langkah 3-8,
Perambatan Maju :
Langkah 3 :
Tiap unit masukan (xi, i = 1,…, n) menerima sinyal xi
dan menghantarkan sinyal ini ke semua unit lapisan di
atasnya (unit tersembunyi),
Langkah 4 :
Setiap unit tersembunyi (xi, i = 1,…, p) jumlahkan bobot
sinyal masukannya,
∑
………………..……......(3)
voj = bias pada unit tersembunyi j aplikasikan fungsi
aktivasinya untuk menghitung sinyal keluarannya, zj =
f (z_inj), dan kirimkan sinyal ini keseluruh unit pada
lapisan diatasnya (unit keluaran).
Langkah 5 :
Tiap unit keluaran (yk, k = 1,…, m) jumlahkan bobot
sinyal masukannya,
∑
…………………...…...(4)
wok = bias pada unit keluaran k dan aplikasikan fungsi
aktivasinya untuk menghitung sinyal keluarannya, yk = f
(y_ink).
Perambatan Mundur :
Langkah 6 :
Tiap unit keluaran (yk , k = 1,…, m) menerima pola
target yang saling berhubungan pada masukan pola
pelatihan, hitung kesalahan informasinya,
………............………...(5)
hitung
koreksi
bobotnya
memperbaharui wjk nantinya),
(digunakan
untuk
………..………….……..………...(6)
hitung koreksi biasnya (digunakan untuk memperbaharui
wok nantinya), dan kirimkan δk ke unit-unit pada lapisan
dibawahnya,
Langkah 7 :
Setiap unit lapisan tersembunyi (zj, j = 1,…, p) jumlahkan
hasil perubahan masukannya (dari unit-unit lapisan
diatasnya),
∑
…….…………….....………...(7)
kalikan dengan turunan fungsi aktivasinya
menghitung informasi kesalahannya,
untuk
……….………….....………...(8)
hitung
koreksi
bobotnya
(digunakan
untuk
memperbaharui voj nanti),
Langkah 8 :
Tiap unit keluaran (yk, k = 1,…, m) update bias dan
bobotnya (j = 0,…, p) :
…………..…...(9)
Tiap unit lapisan tersembunyi (zj, j = 1,…, p) update bias
dan bobotnya (I = 0,…,n) :
…………...…...(10)
Langkah 9 :
Test kondisi berhenti.
3. Metodologi
3.1. Tahap Pengambilan data
Pada tahap ini dilakukan pemberian angket kepada
user.
Angket tersebut berupa kuesioner psikologi
berbasis android dan bertujuan untuk mengetahui sifat
pengguna melalui beberapa pendekatan sebelum
dilakukan pengambilan data sinyal EEG. Isi kuesioner
tersebut diperoleh dari buku personality plus[12] yang
telah memanfaat teori galen dalam menentukan karakter
seseorang.
Berikut
merupakan
merimekanisme
pengambilan data kuesioner.
Memilih seseorang
untuk dijadikan
sample referensi
Mulai
Meminta orang
tersebut untuk
mengisi kuesioner
Sinyal EEG + noise
PSD.log(input)
Reduksi noise
FFT (4-13 Hz)
Gambar 4. Ilustrasi proses
Sifat akan digunakan
sebagai tujuan
penyimpanan data
pada proses
selanjutnya
Selesai
Kesioner akan
menyimpulkan sifat
dari orang tersebut
Gambar 2. Mekanisme pengambilan data kuesioner
3.2. Tahap Pemrosesan EEG dan Penyimpanan Pola
Pada pengujian ini didasarkan pada teknik
pemrosesan menggunakan Fast Fourier Transform (FFT)
untuk memperkecil range data yang diperoleh dan Power
Spectral Density (PSD) untuk memperbesar spektra daya.
Berikut ini merupakan flowchart dari proses tersebut.
Dari proses tersebut akan dihasilkan suatu pola
dengan panjang 80 poin data. Pola tersebut akan
digunakan untuk proses training backpropagation. Pada
gambar 5 ditunjukkan bentuk pola dari setiap kategori
sifat manusia dari data referensi yang telah diperoleh
sebelumnya.
Melankolis
1 1529435771
Mulai
Enable
Capture
Sub data
dengan
panjang = 256
per sub
maksimal =
Subdata.
getLength();
Susun data pada
440< point >360
tersebut menjadi
pattern
Plegmatis
Koleris
1 17334965
Sanguinis
Normalisasi
1 1529435771
1 1529435771
index
Menggunakan Backpropagation
Ahmad Reza Musthafa, Tri Harsono, Setiawardhana
Politeknik Elektronika Negeri Surabaya
Kampus PENS, Jalan Raya ITS Sukolilo, Surabaya 60111
Tel: (031) 594 7280; Fax: (031) 594 6114
Email:[email protected], [email protected], [email protected]
Abstrak
Mengetahui sifat seseorang merupakan salah satu
disiplin ilmu dalam bidang psikologi. Banyak cara yang
dapat digunakan untuk mengetahui sifat seseorang yaitu
dengan melakukan pendekatan-pendekatan ilmu psikologi
baik dari neurobiologis, perilaku, kognitif, psikoanalisa,
dan fenomenologi[6]. Dalam penelitian ini akan
melakukan pendekatan baru untuk mengetahui sifat
seseorang dengan analisa sinyal Electroencephalograph
(EEG). Sifat-sifat tersebut diantaranya yaitu melankolis,
plegmatis, koleris, dan sanguinis[7].
Sistem ini memiliki komponen utama yaitu
kuesioner psikologi yang mengimplementasikan teori
Galen. Pengguna yang akan digunakan sebagai sampel
diharuskan mengisi data kuesioner psikologi untuk
mengetahui sifat yang dimilikinya. Hasil kuesioner
tersebut, digunakan sebagai acuan penyimpanan data
EEG pengguna. Sinyal EEG pada periode tertentu
diproses menggunakan Fast Fourier Transform (FFT)
dan Power Spectral Density (PSD). Sehingga dapat
digunakan sebagai pola referensi untuk proses training
backpropagation.
Hasil dari penelititan ini yaitu menghasilkan suatu
sistem yang mampu mengetahui sifat seseorang dengan
waktu 3 menit yang memiliki keberhasilan sebesar
71,4%.
mengetahui sifat seseorang, yaitu dengan melakukan
analisa terhadap sinyal EEG manusia. Penelitian ini
memanfaatkan device EEG berupa Emotiv EEG
Neuroheadset yang 14 channel elektroda.
Sistem pada penelitian ini memanfaatkan metode
backpropagation untuk melakukan pemrosesan pola
masukan, yang sebelumnya dilakukan pemrosesan
terhadap data sinyal EEG dengan menggunakan Fast
Fourier Transform (FFT) dan Power Spectral Density
(PSD). Pemrosesan menggunakan FFT bertujuan untuk
menyederhanakan banyaknya data masukan yang
diperoleh, sedangkan pemrosesan menggunakan PSD
bertujuan untuk meng-ekstraksi sinyal hasil pemrosesan
FFT ke dalam bentuk spektrum yang spesifik.
Hasil dari penelitian ini yaitu menghasilkan sistem
analisis sinyal EEG untuk dapat mengetahui sifat
manusia hanya dengan waktu 3 menit, sehingga
diharapkan mampu digunakan sebagai pendekatan baru
dalam ilmu psikologi, khususnya dalam mengetahui sifat
manusia.
Kata kunci: backpropagation, sinyal EEG, sifat manusia,
fast fourier transform, PSD
2. Dasar Teori
3.1. Electroencephalograph (EEG)
Pengukuran sinyal EEG dilakukan dengan cara
meletakkan elektroda-elektroda pada kulit kepala dengan
mengikuti standar peletakan elektrode yang telah
ditentukan[1].
Lokasi pemasangan elektrode menurut standart
internasional sebanyak 10-20 elektroda. Pada penelitian
ini menggunakan device EEG dengan 14 elektroda.
1. Pendahuluan
Mengetahui sifat seseorang merupakan salah satu
disiplin ilmu dalam bidang psikologi. Banyak cara yang
dapat digunakan untuk mengetahui sifat seseorang yaitu
dengan melakukan pendekatan ilmu psikologi baik dari
neurobiologis, perilaku, kognitif, psikoanalisa, dan
fenomenologi.
Di luar pendekatan tersebut, peneliti melalui
penelitian ini membuat sebuah pendekatan baru untuk
Gambar 1. Sistem Pemasangan Elektroda
(sumber: www.emotiv.com)
2.2. Fast Fourier Transform (FFT)
FFT merupakan algoritma yang efisien untuk
menghitung DFT, sehingga dapat menurunkan jumlah
perhitungan DFT. Transformasi Fourier didefinisikan
sebagai sebuah persamaan kontinyu dalam range tertentu
sebagai gabungan dari beberapa persamaan sinus[4].
Transformasi fourier dapat dihitung dengan formula
sebagai berikut:
∑
………..………...(1)
∑
2.3. Power Spectral Density (PSD)
Power Spectral Density (PSD) adalah fungsi real
positif dari variabel frekuensi terkait dengan proses
stokastik stasioner, atau fungsi deterministik waktu, yang
memiliki dimensi daya per hertz (Hz), atau energi per
hertz.
PSD Welch dapat dihitung dengan formula sebagai
berikut:
(
)
∑
∑
…………….…......(2)
2.4. Backpropagation
Pelatihan suatu jaringan syaraf tiruan dengan
algoritma backpropagation meliputi dua tahap yaitu
perambatan maju dan perambatan mundur.
Berikut merupakan proses pelatihan backpropagation :
Langkah 0 :
Inisialisasi bobot. (sebaiknya diatur pada nilai acak yang
kecil),
Langkah 1 :
Jika kondisi tidak tercapai, lakukan langkah 2-9,
Langkah 2 :
Untuk setiap pasangan pelatihan, lakukan langkah 3-8,
Perambatan Maju :
Langkah 3 :
Tiap unit masukan (xi, i = 1,…, n) menerima sinyal xi
dan menghantarkan sinyal ini ke semua unit lapisan di
atasnya (unit tersembunyi),
Langkah 4 :
Setiap unit tersembunyi (xi, i = 1,…, p) jumlahkan bobot
sinyal masukannya,
∑
………………..……......(3)
voj = bias pada unit tersembunyi j aplikasikan fungsi
aktivasinya untuk menghitung sinyal keluarannya, zj =
f (z_inj), dan kirimkan sinyal ini keseluruh unit pada
lapisan diatasnya (unit keluaran).
Langkah 5 :
Tiap unit keluaran (yk, k = 1,…, m) jumlahkan bobot
sinyal masukannya,
∑
…………………...…...(4)
wok = bias pada unit keluaran k dan aplikasikan fungsi
aktivasinya untuk menghitung sinyal keluarannya, yk = f
(y_ink).
Perambatan Mundur :
Langkah 6 :
Tiap unit keluaran (yk , k = 1,…, m) menerima pola
target yang saling berhubungan pada masukan pola
pelatihan, hitung kesalahan informasinya,
………............………...(5)
hitung
koreksi
bobotnya
memperbaharui wjk nantinya),
(digunakan
untuk
………..………….……..………...(6)
hitung koreksi biasnya (digunakan untuk memperbaharui
wok nantinya), dan kirimkan δk ke unit-unit pada lapisan
dibawahnya,
Langkah 7 :
Setiap unit lapisan tersembunyi (zj, j = 1,…, p) jumlahkan
hasil perubahan masukannya (dari unit-unit lapisan
diatasnya),
∑
…….…………….....………...(7)
kalikan dengan turunan fungsi aktivasinya
menghitung informasi kesalahannya,
untuk
……….………….....………...(8)
hitung
koreksi
bobotnya
(digunakan
untuk
memperbaharui voj nanti),
Langkah 8 :
Tiap unit keluaran (yk, k = 1,…, m) update bias dan
bobotnya (j = 0,…, p) :
…………..…...(9)
Tiap unit lapisan tersembunyi (zj, j = 1,…, p) update bias
dan bobotnya (I = 0,…,n) :
…………...…...(10)
Langkah 9 :
Test kondisi berhenti.
3. Metodologi
3.1. Tahap Pengambilan data
Pada tahap ini dilakukan pemberian angket kepada
user.
Angket tersebut berupa kuesioner psikologi
berbasis android dan bertujuan untuk mengetahui sifat
pengguna melalui beberapa pendekatan sebelum
dilakukan pengambilan data sinyal EEG. Isi kuesioner
tersebut diperoleh dari buku personality plus[12] yang
telah memanfaat teori galen dalam menentukan karakter
seseorang.
Berikut
merupakan
merimekanisme
pengambilan data kuesioner.
Memilih seseorang
untuk dijadikan
sample referensi
Mulai
Meminta orang
tersebut untuk
mengisi kuesioner
Sinyal EEG + noise
PSD.log(input)
Reduksi noise
FFT (4-13 Hz)
Gambar 4. Ilustrasi proses
Sifat akan digunakan
sebagai tujuan
penyimpanan data
pada proses
selanjutnya
Selesai
Kesioner akan
menyimpulkan sifat
dari orang tersebut
Gambar 2. Mekanisme pengambilan data kuesioner
3.2. Tahap Pemrosesan EEG dan Penyimpanan Pola
Pada pengujian ini didasarkan pada teknik
pemrosesan menggunakan Fast Fourier Transform (FFT)
untuk memperkecil range data yang diperoleh dan Power
Spectral Density (PSD) untuk memperbesar spektra daya.
Berikut ini merupakan flowchart dari proses tersebut.
Dari proses tersebut akan dihasilkan suatu pola
dengan panjang 80 poin data. Pola tersebut akan
digunakan untuk proses training backpropagation. Pada
gambar 5 ditunjukkan bentuk pola dari setiap kategori
sifat manusia dari data referensi yang telah diperoleh
sebelumnya.
Melankolis
1 1529435771
Mulai
Enable
Capture
Sub data
dengan
panjang = 256
per sub
maksimal =
Subdata.
getLength();
Susun data pada
440< point >360
tersebut menjadi
pattern
Plegmatis
Koleris
1 17334965
Sanguinis
Normalisasi
1 1529435771
1 1529435771
index