PENERAPAN BASIS NON-ORTOGONAL PADA CMA-ES UNTUK KLASIFIKASI SINYAL EEG

Electroencephalograph (EEG) adalah suatu alat untuk merekam aktivitas listrik pada otak selama kurun waktu tertentu. Tujuan EEG berbasis Brain Computer Interface (BCI) adalah untuk mendeteksi pola pada sinyal EEG pengguna untuk mengontrol komputer atau perangkat eksternal. Teknik klasifikasi yang tepat dapat digunakan untuk mendeteksi pola pada data EEG sehingga dibutuhkan informasi masukan yang relevan. Data sinyal EEG bersifat time-series, sedangkan diketahui bahwa pola terbaik berada pada domain frekuensi, bukan pada domain waktu. Beberapa teknik klasifikasi sinyal EEG pada penelitian sebelumnya membutuhkan waktu komputasi cukup lama dan rata-rata akurasi 50%. Penggunaan algoritma CMA-ES dalam mencari sudut optimal untuk transformasi rotasi pada dataset yang didukung PCA untuk mereduksi dimensi dan Transformasi Whitening mampu meningkatkan akurasi hingga 69%. Namun, masih belum mampu mengatasi kebutuhkan waktu komputasi yang cukup tinggi dalam melakukan klasifikasi sinyal EEG. Kata Kunci: electroencephalograph, Brain Computer Interface, Covariance Matrix Adaptation Evolution Strategy, klasifikasi