[Resume] Meningkatkan Interaksi Manusia-Komputer dengan Input dari Antarmuka Otak-Komputer Aktif dan Pasif

1. Mengakses dan menggunakan keadaan user untuk Interaksi Manusia Komputer

Interaksi hari ini antara mesin dan manusia pada umumnya didominasi oleh peristiwa diskrit dan terbuka, menuntut kesadaran tingkat tinggi dari pengguna. Perintah-perintah telah diubah menjadi pesan oleh tindakan manual eksplisit, seperti menekan tombol, atau mengontrol kemampuan bicara, dan informasi umpan balik dari mesin melalui visual, auditori dan/atau tampilan sentuh. Desain user-friendly HCI (Human-Computer Interaction) karenanya menjadi bagian penting dari penelitian saat ini. Pendekatan baru pun berkembang seperti HCI adaptif atau interpretatif, menuju dukungan yang optimal dari pengguna (Chen dan Vertegaal 2004; Rotting et al. 2009). Dengan itu, konteks-sensitivitas ditambahkan ke dalam sistem manusia-mesin yang sudah ada. Informasi penting untuk desain sistem tersebut adalah pengetahuan tentang keadaan pengguna saat ini dalam interaksi.

Continue reading

[Resume] Indeks Berbasis Otak Untuk Simbiosis User-Sistem

1 Pendahuluan

1.1 Evolusi dari Interaksi Manusia-Komputer

Sebelum adanya sistem komputer, interaksi antara manusia dan komputer murni dilakukan secara fisik. Dan hal ini berubah sejak diperkenalkannya komputer. Fitts (1950) merupakan salah satu yang pertama kali mengakui bahwa kedua entitas memiliki kemampuan berbeda dan kemudian membuat daftar yang menjelaskan keunggulan diantara mereka. Akan tetapi daftar ini bersifat statis dan tidak dimaksudkan untuk menggabungkan situasi dinamis. Karena pad akenyataannya, lingkungan capat berubah dengan cepat dan membuat permintaan yang berbeda terhadap sebuah kemampuan. Hal inilah yang kemudian menimbulkan kesepakatan bahwa alokasi kemampuan juga harus menjadi dinamis. Dalam beberapa dekade terakhir, beberapa taksonomi dari alokasi fungsi dinamis telah diajukan. Taksonomi terbaru dan paling banyak diterima secara luas adalah milik Parasuraman et al. (2000) yang menyarankan untuk menerapkan otomasi di empat kelas fungsi: akuisisi informasi, analisa informasi, pendukung keputusan dan implementasi aksi. Pada setiap tipe ini, otomasi dapat diterapkan pada tingkatan rangkaian kesatuan (dari fully-manual hingga fully-automatic) tergantunga dari keadan kongitif dari manusia. Namun, otomatisasi berkelanjutan dan penerapan sensor baru dan teknologi informasi ini menimbulkan tantangan baru bagi manusia. Peningkatan kompleksitas sistem, volume informasi, otonomi, dan integrasi tugas dari domain yang berbeda menyebabkan perbedaan ekstrim dalam kebutuhan manusia, misalnya antara kondisi kerja normal dan situasi darurat. Tantangan-tantangan ini meminta paradigma baru di HCI untuk memastikan kinerja yang terus dioptimalkan. Continue reading

[Resume] Dari Sinyal Otak Hingga Antarmuka Adaptif: Penggunaan fNIRS Dalam HCI

1. Pendahuluan

Disaat kebanyakan BCI (Brain-Computer Interface) menggunakan EEG (Electroenchephalogram) untuk mengukur aktifitas otak, ada sebuah teknik yang relatif kurang di eksplorasi yakni functional Near-Infrared Spectroscopy (fNIRS), sebuah pengukuran non-invasif dari perubahan pada oksigenasi darah, yang dapat digunakan untuk meramalkan tingkat kemungkinan dari aktivasi otak. Idealnya, untuk penelitian HCI (Human-Computer Interface), sinyal fNIRS cukup kuat untuk tidak terpengaruh oleh aktifitas non-mental lainnya, seperti mengetik, yang terjadi selama partisipan sedang melakukan tugasnya. Faktanya, salah satu keuntungan utama dari fNIRS adalah peralatan yang digunakan ini memberlakukan beberapa pembatasan secara fisik maupun perilaku terhadap partisipan. Karenanya akan coba diidentifikasi dua pertanyaan penelitian di bab ini, yaitu (1) kondisi seperti apa saja kah yang dapat diukur dengan menggunakan fNIRS dan (2) bagaimana seharusnya kita menggunakan informasi ini sebagai input untuk sebuah tampilan antarmuka yang adaptif.

fnirs

Continue reading

[Resume] Tool Berbasis MATLAB Untuk Penelitian BCI

1. Pendahuluan

Sistem BCI (Brain-Computer Interface) dan algoritma memungkinkan pengunaan sinyal otak sebagai alat komunikasi atau lebih umum lagi untuk menciptakan sebuah interkoneksi yang bermanfaat antara mesin dan aktifitas otak. Karena portabilitas ini, kebanyakan sistem BCI menggunakan sinyal electrocephalongraphic (EEG) yang tercatat dari satu atau beberapa scalp channel. Review kali ini akan berfokus pada perangkat lunak untuk memproses multi-channel EEG data pada MATLAB. Meskipun aplikasi MATLAB jarang digunakan diluar lingkungan penelitian, MATLAB menawarkan tool berharga untuk mengembangkan, melakukan prototyping dan menguji pendekatan BCI.

Continue reading

[Resume] Penggunaan BCI2000 Untuk Penelitian HCI-Centered BCI

1. Pendahuluan

bci2000

Logo BCI2000

BCI2000 adalah perangkat lunak yang di desain untuk penelitian BCI (Brain-Computer Interface). Juga dapat digunakan untuk akuisisi data, presentasi stimulus dan aplikasi monitoring otak secara umum. Tujuan utama dari proyek BCI2000 adalah untuk menfasilitasi peneliti dan pengembangan aplikasi baru pada area ini. BCI2000 di desain untuk menjadi tool yang dapat mempermudah tantangan dalam menyiapkan, mengkonfigurasi dan memelihara sebuah sistem BCI. Continue reading