SISTEM KLASIFIKASI GELOMBANG OTAK BERBASIS K-NEAREST NEIGHBORS PADA KENDALI GERAK ROBOT HUMANOID = BRAIN WAVE CLASSIFICATION SYSTEM BASED ON K-NEAREST NEIGHBOR FOR HUMANOID ROBOT MOTION CONTROL

IHSAN A MANSUR. Sistem Klasifikasi Gelombang Otak Berbasis K-Nearest Neighbor Pada Kendali Gerak Robot Humanoid (dibimbing oleh Muh Anshar dan A. Ejah Umraeni Salam) Peningkatan teknologi dalam bidang robotika telah memajukan industri dan masyarakat modern secara luas. Pemanfaatan robotika dalam kehidupan sehari-hari memberikan manfaat yang besar, mulai dari penggunaan robot sebagai pelayan hingga aplikasi dalam dunia medis. Salah satu kemajuan signifikan dalam teknologi ini adalah penggunaan neurosains, pengolahan sinyal, pembelajaran mesin, dan robotika untuk mengendalikan gerakan robot melalui sinyal otak manusia. Walaupun setiap individu memiliki pola gelombang otak yang unik, teknologi ini menggunakan teknik pengolahan sinyal dan pembelajaran mesin untuk mengklasifikasikan pola tersebut agar dapat dipahami oleh sistem. Meskipun demikian, pengendalian berbasis gelombang otak ini sering menghadapi tantangan seperti waktu respon yang lambat dan kurangnya akurasi klasifikasi, yang terdokumentasi dalam penelitian sebelumnya. Untuk mengatasi ini, penelitian ini mengusulkan model yang memperbaiki waktu dan akurasi dengan menambahkan sistem klasifikasi k-nearest neighbor. Dua jenis pengujian akan dilakukan dalam penelitian ini yaitu pengujian waktu untuk gerakan ke depan, ke belakang, ke kanan, dan ke kiri, serta pengujian akurasi klasifikasi dengan subjek memikirkan arah gerakan robot secara berulang selama 20 kali untuk empat arah yang berbeda. Dari pengujian tersebut didapatkan hasil berupa, pada pengukuran waktu untuk arah gerak ke depan, ke belakang, ke kanan, dan ke kiri didapatkan 45 detik, 1 menit 13 detik, 1 menit 12 detik, dan 57 detik lebih cepat dari penelitian sebelumnya dengan akurasi meningkat sebanyak 26,66%.

Kata Kunci : gelombang otak, k-nearest neighbor, robot