Kursi Roda Kontrol Emg Menggunakan Klasifikasi Svm Dan Decision Tree Dilengkapi Sistem Safety Menggunakan Fuzzy Logic (Parameter Ekstraksi Fitur Dan Klasifikasi)

Ananda, Putu Dody Surya (2022) Kursi Roda Kontrol Emg Menggunakan Klasifikasi Svm Dan Decision Tree Dilengkapi Sistem Safety Menggunakan Fuzzy Logic (Parameter Ekstraksi Fitur Dan Klasifikasi). Skripsi thesis, Poltekkes Kemenkes Surabaya.

	Text Cover.pdf Download (3MB)
	Text Abstrak.pdf Download (1MB)
	Text Bab 1.pdf Restricted to Repository staff only Download (1MB)
	Text Bab 2.pdf Restricted to Repository staff only Download (1MB)
	Text Bab 3.pdf Restricted to Repository staff only Download (1MB)
	Text Bab 4.pdf Restricted to Repository staff only Download (1MB)
	Text Bab 5.pdf Restricted to Repository staff only Download (1MB)
	Text Bab 6.pdf Restricted to Repository staff only Download (1MB)
	Text Daftar Pustaka.pdf Download (1MB)
	Text Lampiran.pdf Restricted to Repository staff only Download (1MB)

Abstract

Dengan adanya keterbatasan akibat gangguan pada anggota gerak tubuh bagian atas maupun bawah, diperlukan alat bantu bagi kaum disabilitas untuk memenuhi kebutuhan mobilitas sehari-hari yaitu dengan bantuan kursi roda. Tujuan dari penelitian ini adalah untuk mendesain kursi roda listrik bagi penderita tetraplegia. System dirancang dengan memanfaatkan sinyal otot zygomaticus dan sternocleidomastoid pada tubuh bagian atas untuk menggerakkan kursi roda. Pengolahan sinyal EMG hingga dapat berupa perintah menggunakan sistem klasifikasi dimana pasien melakukan data sebanyak 5 kali terlebih dahulu. Evaluasi performa machine learning dilakukan dengan mengombinasikan jenis ekstraksi fitur MAV dan RMS dengan klasifikasi SVM dan DT dimana kombinasi MAV&RMS-DT menghasilkan akurasi tertinggi sebesar 86,9%. Hasil model machine learning diuji dengan secara langsung untuk menggerakkan kursi roda maju, mudur, belok kanan dan belok kiri menghasilkan akurasi rata-rata total sebesar 84,8%. Kedepannya iharapkan dapat mengurangi titik sadapan dan meningatkan akurasi machine learning.

Item Type:	Thesis (Skripsi)
Contributors:	Contribution Contributor NIDN/NIDK UNSPECIFIED Yulianto, Endro nidn4017077601 UNSPECIFIED Hariwisana, I Dewa Gede nidn4002047501
Additional Information:	11SKR2022009
Uncontrolled Keywords:	EMG, Ekstraksi Fitur, Machine learning
Subjects:	R Medicine > Medical Electronics > Clinical Engineering
Divisions:	Poltekkes Kemenkes Surabaya > Jurusan Teknologi Elektromedik > Program Studi Sarjana Terapan Teknologi Rekayasa Elektro-medis
Depositing User:	Shinta Sisca Zuraida
Date Deposited:	11 Jul 2022 04:50
Last Modified:	11 Jul 2022 06:28
URI:	http://repo.poltekkesdepkes-sby.ac.id/id/eprint/5332

Actions (login required)

View Item