Imran, Hamid (2024) Peningkatan akurasi gerakan upper limb exoskeleton dengan machine learning berbasis EMG untuk rehabilitasi pasien stroke. Skripsi thesis, Politeknik Kesehatan Kemenkes Surabaya.
![[thumbnail of 1. Cover.pdf]](http://repo.poltekkesdepkes-sby.ac.id/style/images/fileicons/text.png) |
Text
1. Cover.pdf Download (3MB) |
|
Text
2. Halaman Persetujuan Pembimbing.pdf Restricted to Repository staff only Download (1MB) |
|
Text
3. Halaman Pengesahan Penguji.pdf Restricted to Repository staff only Download (3MB) |
|
Text
4. Surat Pernyataan Orisinalitas.pdf Restricted to Repository staff only Download (978kB) |
|
Text
5. Abstrak.pdf Download (81kB) |
|
Text
6. Kata Pengantar.pdf Restricted to Repository staff only Download (67kB) |
|
Text
7. Daftar Isi.pdf Download (75kB) |
|
Text
8. Daftar Gambar.pdf Download (65kB) |
|
Text
9. Daftar Tabel.pdf Download (38kB) |
|
Text
10. Bab 1.pdf Restricted to Repository staff only Download (107kB) |
|
Text
11. Bab 2.pdf Restricted to Repository staff only Download (2MB) |
|
Text
12. Bab 3.pdf Restricted to Repository staff only Download (928kB) |
|
Text
13. Bab 4.pdf Restricted to Repository staff only Download (3MB) |
|
Text
14. Bab 5.pdf Restricted to Repository staff only Download (256kB) |
|
Text
15. Bab 6.pdf Restricted to Repository staff only Download (79kB) |
|
Text
16. Daftar Pustaka.pdf Download (97kB) |
|
Text
17. Lampiran.pdf Restricted to Repository staff only Download (8MB) |
|
Text
18. Artikel.pdf Restricted to Repository staff only Download (1MB) |
Abstract
Rehabilitasi pasien stroke, terutama pada anggota gerak atas, memerlukan pendekatan yang akurat dan efektif untuk mengembalikan kemampuan motorik. Upper limb exoskeleton merupakan salah satu alat yang dirancang untuk mendukung proses rehabilitasi dengan bantuan teknologi. Penelitian ini mengusulkan penggunaan machine learning berbasis sinyal electromyography (EMG) untuk meningkatkan akurasi gerakan exoskeleton. Algoritma machine learning seperti Random Forest Regression digunakan untuk memprediksi gerakan berdasarkan ekstraksi fitur sinyal EMG, termasuk Root Mean Square (RMS), Mean Absolute Value (MAV), dan Variance. Hasil penelitian menunjukkan bahwa kombinasi fitur MAV dan algoritma Random Forest Regression menghasilkan akurasi terbaik dengan nilai RMSE sebesar 12.197 dan R² sebesar 91,6%. Sistem ini berhasil meningkatkan presisi gerakan exoskeleton, yang diharapkan dapat membantu pasien stroke dalam proses rehabilitasi. Dengan pengembangan lebih lanjut, metode ini memiliki potensi untuk meningkatkan efektivitas rehabilitasi pasien stroke secara signifikan.
| Item Type: | Thesis (Skripsi) |
|---|---|
| Contributors: | Contribution Contributor NIDN/NIDK UNSPECIFIED Triwiyanto, Triwiyanto nidn4002057301 UNSPECIFIED Bedjo, Utomo nidn4013106501 |
| Additional Information: | 11SKR20250001 |
| Uncontrolled Keywords: | Stroke Rehabilitation; Upper limb Exoskeleton; Machine Learning; EMG; Rehabilitasi Stroke |
| Subjects: | R Medicine > Medical Electronics > Biomedical Engineering |
| Divisions: | Poltekkes Kemenkes Surabaya > Jurusan Teknologi Elektromedik > Program Studi Sarjana Terapan Teknologi Rekayasa Elektro-medis |
| Depositing User: | Nanik Indra Putri Sari |
| Date Deposited: | 17 Feb 2025 06:46 |
| Last Modified: | 17 Feb 2025 06:46 |
| URI: | http://repo.poltekkesdepkes-sby.ac.id/id/eprint/10082 |
Actions (login required)
 |
View Item |