Studi Kasus Mini: Pipeline ICA untuk Klasifikasi Kondisi Mata (EO/EC)
Studi kasus ini membahas bagaimana ICA digunakan untuk membersihkan sinyal EEG dari dataset Kaggle guna meningkatkan akurasi klasifikasi kondisi mata terbuka dan tertutup.
Studi kasus ini membahas bagaimana ICA digunakan untuk membersihkan sinyal EEG dari dataset Kaggle guna meningkatkan akurasi klasifikasi kondisi mata terbuka dan tertutup.
Sebagai metode blind source separation, ICA berperan penting dalam pemrosesan sinyal EEG, namun penggunaannya tidak secara otomatis menjamin reduksi artefak maupun noise kecuali disertai proses identifikasi dan rekonstruksi yang tepat.
Artikel ini menggambarkan penerapan konkret ICA dalam pembersihan sinyal EEG, dengan contoh kasus, hasil yang bisa dibayangkan, dan langkah-langkah umum yang bisa diterapkan di berbagai alat analisis.
Meskipun ICA merupakan alat kuat untuk reduksi artefak, tidak semua skenario analisis EEG membutuhkannya—beberapa kondisi justru lebih efektif tanpa ICA.
ICA adalah metode statistik untuk memisahkan sinyal EEG campuran, sementara CNN seperti ICLabel hanya berperan dalam mengklasifikasi hasil dekomposisinya—dua hal ini tidak boleh disamakan.