Human-Machine Systems, IEEE, 2015

Abstrak

Penilaian beban kerja mental menggunakan ukuran fisiologis, terutama sinyal EEG (elektroensefalografi), merupakan bidang yang aktif. Baru-baru ini, sejumlah sistem akuisisi nirkabel untuk mengukur EEG dan sinyal fisiologis lainnya telah tersedia. Beberapa penelitian telah menerapkan sistem nirkabel tersebut untuk menilai beban kerja kognitif dan mengevaluasi kinerjanya. Makalah ini menyajikan langkah awal untuk mengeksplorasi kelayakan sistem nirkabel populer (headset Emotiv EPOC) untuk menilai tingkat beban kerja memori dalam tugas n-back yang terkenal. Kami mengembangkan kerangka pemrosesan dan klasifikasi sinyal, yang mengintegrasikan algoritme penghapusan artefak otomatis, spektrum teknik ekstraksi fitur yang luas, metode penskalaan fitur yang dipersonalisasi, pendekatan pemilihan fitur berbasis teori informasi, dan model klasifikasi berbasis proximal-support-vector-machine. Hasil eksperimen menunjukkan bahwa sinyal EEG yang dikumpulkan secara nirkabel dapat digunakan untuk mengklasifikasikan tingkat beban kerja memori yang berbeda untuk sembilan peserta. Akurasi klasifikasi antara tingkat beban kerja terendah (0-back) dan tingkat beban kerja aktif (1-, 2-, 3-back) mendekati 100%. Akurasi klasifikasi terbaik untuk 1- vs 2-back adalah 80%, dan 1- vs 3-back adalah 84%. Studi ini menunjukkan bahwa sistem akuisisi nirkabel serta teknik analisis data canggih dan pengenalan pola sangat menjanjikan untuk mencapai pemantauan waktu nyata dan identifikasi tingkat beban kerja mental bagi manusia yang terlibat dalam berbagai aktivitas kognitif di masyarakat modern.Klik di sini untuk membaca laporan lengkap