Pritatiana, Fielza Brainy (2023) pengembangan tangan prostetik dengan kendali sinyal EMG dan menerapkan supervised machine learning dan IoT (machine learning dan kontrol tangan prostetik). 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 (67kB) |
|
Text
2. Halaman Persetujuan Pembimbing.pdf Restricted to Repository staff only Download (344kB) |
|
Text
3. Halaman Pengesahan Penguji.pdf Restricted to Repository staff only Download (548kB) |
|
Text
4. Abstrak.pdf Download (109kB) |
|
Text
5. Kata Pengantar.pdf Restricted to Repository staff only Download (126kB) |
|
Text
6. Daftar Isi.pdf Download (47kB) |
|
Text
7. Daftar Tabel.pdf Download (83kB) |
|
Text
8. Daftar Gambar.pdf Download (35kB) |
|
Text
9. Bab 1.pdf Restricted to Repository staff only Download (112kB) |
|
Text
10. Bab 2.pdf Restricted to Repository staff only Download (485kB) |
|
Text
11. Bab 3.pdf Restricted to Repository staff only Download (275kB) |
|
Text
12. Bab 4.pdf Restricted to Repository staff only Download (679kB) |
|
Text
13. Bab 5.pdf Restricted to Repository staff only Download (252kB) |
|
Text
14. Bab 6.pdf Restricted to Repository staff only Download (117kB) |
|
Text
15. Daftar Pustaka.pdf Download (135kB) |
|
Text
16. Lampiran.pdf Restricted to Repository staff only Download (316kB) |
|
Text
17. Artikel.pdf Restricted to Repository staff only Download (485kB) |
Abstract
Menurut organisasi kesehatan dunia ada 0,5% dari populasi manusia yang membutuhkan tangan prostetik. Karena Kehilangan tangan atau ektremitas akan menyebabkan kesulitan bagi setiap individu pada aspek utama, yaitu hilangnya kemampuan untuk menggenggam objek dalam aktivitas kehidupan sehari-hari. Maka dari itu dibutuhkan tangan prostetik untuk membantu pasien disabilitas dalam menjalankan aktivitas sehari-hari. Tujuan dari penelitian ini mengembangkan tangan prostetik dengan Machine learning untuk pasien disabilitas serta dapat dimonitoring dengan aplikasi android. Pada penelitian ini tangan prostetik dikontrol menggunakan sinyal EMG 2 channel yang diambil pada responden dengan dua kriterian, yaitu responden yang sering berolahraga dengan responden yang jarang berolahraga. Gerakan yang dilakukan meliputi hand close, Pinch, Curve dan rileks. Sinyal EMG disadap menggunakan dry electrode dan instrumentasi dari OY Motion DF Robot. Data analog dari sensor EMG dikonversi menjadi data digital oleh IC MCP3008 agar dapat diproses oleh Raspberry Pi. Data akan diolah oleh beberapa fitur ekstraksi domain waktu, diantaranya STE, RMS, dan IEMG. Data hasil ekstraksi akan digunakan untuk memprediksi keluaran. Metode Machine learning yang sesuai pada penelitian ini yaitu Supervised Learning. Pada penelitian ini mendapatkan nilai rata – rata akurasi tertinggi sebesar 97.6%%, nilai rata – rata presisi tertinggi sebesar 98%% serta nilai rata – rata recall tertinggi sebesar 97.8% menggunakan metode Random Forest, dari hasil yang diperoleh, dapat diketahui bahwa nilai akurasi, presisi, dan recall sudah cukup tinggi.
| Item Type: | Thesis (Skripsi) |
|---|---|
| Contributors: | Contribution Contributor NIDN/NIDK UNSPECIFIED Triwiyanto, Triwiyanto nidn4002057301 UNSPECIFIED Makruf, Muhammad Ridha nidn4013048101 |
| Additional Information: | 11SKR20230015 |
| Uncontrolled Keywords: | Tangan Prostetik, Machine Learning, EMG |
| Subjects: | R Medicine > Medical Electronics |
| Divisions: | Poltekkes Kemenkes Surabaya > Jurusan Teknologi Elektromedik > Program Studi Sarjana Terapan Teknologi Rekayasa Elektro-medis |
| Depositing User: | Misnawar |
| Date Deposited: | 26 Jan 2024 04:39 |
| Last Modified: | 26 Jan 2024 04:39 |
| URI: | http://repo.poltekkesdepkes-sby.ac.id/id/eprint/7759 |
Actions (login required)
 |
View Item |