HURIN IN, QISTHY ARISTIA (2022) Pengembangan Upper Limb Exoskeleton Dengan Kendali Melalui Sinyal Emg Berbasis Machine Learning Dan Iot (Machine Learning). Skripsi thesis, Poltekkes Kemenkes Surabaya.
![[thumbnail of Cover.pdf]](http://repo.poltekkesdepkes-sby.ac.id/style/images/fileicons/text.png) |
Text
Cover.pdf Download (1MB) |
|
Text
Lembar Persetujuan.pdf Restricted to Repository staff only Download (415kB) |
|
Text
Lembar Pengesahan.pdf Restricted to Repository staff only Download (548kB) |
|
Text
Abstrak.pdf Download (2MB) |
|
Text
Kata Pengantar.pdf Restricted to Repository staff only Download (1MB) |
|
Text
Daftar Isi.pdf Download (1MB) |
|
Text
Daftar Tabel.pdf Download (1MB) |
|
Text
Daftar Gambar.pdf Download (1MB) |
|
Text
Bab 1.pdf Restricted to Repository staff only Download (1MB) |
|
Text
Bab 2.pdf Restricted to Repository staff only Download (2MB) |
|
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) |
|
Text
Artikel.pdf Restricted to Repository staff only Download (525kB) |
Abstract
Latihan Range of Motion (ROM) menjadi salah satu bentuk latihan yang dapat membantu pasien pasca stroke dalam proses penyembuhan. Untuk membantu pasien pasca stroke menjalani rehabilitasi pada lengan dibutuhkan upper limb exoskeleton dengan perbaikan pada fitur yang digunakan. Tujuan dari penelitian ini mengembangkan teknologi upper limb exoskeleton dengan sistem Machine Learning untuk pasien pasca stroke dan bisa dipantau oleh terapis dari jarak jauh. Pada penelitian ini upper limb exoskeleton dikontrol menggunakan sinyal EMG 1 channel yang dengan gerakan fleksi dan ekstensi. Sinyal EMG disadap menggunakan dry electrode dan instrumentasi dari OY Motion dari DF Robot. Data analog EMG akan dikonversi menjadi data digital dengan IC MCP3008. Data akan diolah pada raspberry lalu diekstraksi untuk mereduksi data. Ekstraksi fitur yang digunakan adalah MAV, RMS, dan VAR. Data hasil ekstrkasi akan digunakan dalam memprediksi keluaran. Metode Machine Learning yang sesuai dengan kasus ini yaitu regresi pada Supervised Learning. Pada penelitian ini mendapatkan nilai akurasi dari ekstrkasi fitu RMS dengan metode Decision Tree Regression sebesar 95,6% serta rata-rata RMSE bernilai 9,9º dam rata-rata nilai MAE sebesar 5,04º. Dari hasil yang diperoleh, dapat dilihat bahwa nilai akurasi sudah cukup tinggi dan memiliki nilai error yang kecil.
| Item Type: | Thesis (Skripsi) |
|---|---|
| Contributors: | Contribution Contributor NIDN/NIDK UNSPECIFIED Triwiyanto, Triwiyanto nidn4002057301 UNSPECIFIED Hamzah, Torib nidn4010096701 |
| Additional Information: | 11SKR2022032 |
| Uncontrolled Keywords: | Upper Limb Exoskeleton, Root Mean Square, Decision Tree Regression |
| 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 06:13 |
| Last Modified: | 11 Jul 2022 06:27 |
| URI: | http://repo.poltekkesdepkes-sby.ac.id/id/eprint/5334 |
Actions (login required)
 |
View Item |