Mukti, Ridho Hanggara (2020) KENDALI TANGAN PROSTETIK MELALUI PENGENALAN POLA ISYARAT EMG 2 CHANNEL (Ekstraksi Fitur). Skripsi thesis, Poltekkes Kemenkes Surabaya.
![[thumbnail of 1. Cover.pdf]](http://repo.poltekkesdepkes-sby.ac.id/style/images/fileicons/text.png) |
Text
1. Cover.pdf Download (71kB) |
|
Text
lembar persetujuan - lembar pengesahan.pdf Restricted to Repository staff only Download (1MB) |
|
Text
3. Abstrak Indo.pdf Download (25kB) |
|
Text
4. Abstrak Eng.pdf Download (25kB) |
|
Text
4. Kata Pengantar.pdf Restricted to Repository staff only Download (97kB) |
|
Text
6. Daftar isi A5.pdf Download (46kB) |
|
Text
7. Daftar gambar.pdf Restricted to Repository staff only Download (47kB) |
|
Text
8. Daftar tabel.pdf Restricted to Repository staff only Download (28kB) |
|
Text
BAB 1.pdf Restricted to Repository staff only Download (107kB) |
|
Text
BAB 2.pdf Restricted to Repository staff only Download (475kB) |
|
Text
BAB 3.pdf Restricted to Repository staff only Download (369kB) |
|
Text
BAB 4.pdf Restricted to Repository staff only Download (616kB) |
|
Text
BAB 5.pdf Restricted to Repository staff only Download (513kB) |
|
Text
BAB 6.pdf Restricted to Repository staff only Download (35kB) |
|
Text
DAFTAR PUSTAKA.pdf Download (79kB) |
|
Text
LAMPIRAN PROGRAM.pdf Restricted to Repository staff only Download (36kB) |
|
Text
ARTIKEL RIDHO REVISI (1).pdf Restricted to Repository staff only Download (521kB) |
|
Text
LAMPIRAN RANGKAIAN KESELURUHAN.pdf Restricted to Repository staff only Download (97kB) |
Abstract
Meningkatnya kebutuhan tangan prostetik bagi penyandang disabilitas merupakan salah satu alasan inovasi untuk menciptakan tangan prostetik yang lebih baik. Tujuan dari penelitian ini adalah untuk mengembangkan teknologi tangan prostetik yaitu dengan sistem pengenalan pola (Machine Learning). Kontribusi dari penelitian ini adalah mampu mendeteksi 4 gerakan sekaligus, yaitu Hand Close, Flexion, Extention dan Relax. Sinyal EMG disadap menggunakan sensor EMG OY Motion dari DF Robot yang didalamnya terdapat rangkaian instrumentasi EMG. Selanjutnya data analog sinyal EMG diolah melalui ADC dengan bantuan IC MCP3008. Data sinyal EMG diolah di dalam Raspberry Pi dengan metode ekstraksi fitur untuk mereduksi data dan mengetahui ciri dari masing-masing gerakan tangan. Ekstraksi fitur yang digunakan adalah MAV(Mean Absolute Value), SSI(Sign Slope Integral), VAR(Variance of EMG), dan RMS(Root Mean Square). Dari hasil pengolahan 4 ekstraksi tersebut kemudian ditentukan ekstraksi fitur yang terbaik menggunakan Scatter dan Euclidean Distance untuk pertimbangan dalam tahap selanjutnya yaitu Machine Learning. Hasil yang telah dilakukan pada 10 orang dengan masing-masing orang melakukan 10 set gerakan (Hand Close, Flexion, Extension, Relax), menunjukkan hasil Euclidean Distance terbaik adalah ekstraksi fitur RMS, dengan nilai 2608,07. Data ini selanjutnya digunakan sebagai pertimbangan ekstraksi fitur pada metode Machine Learning. Tangan prostetik ini diharapkan berguna bagi penyandang disabilitas untuk melakukan kegiatan sehari-hari dengan mudah.
| Item Type: | Thesis (Skripsi) |
|---|---|
| Contributors: | Contribution Contributor NIDN/NIDK UNSPECIFIED Triwiyanto, Triwiyanto nidn4002057301 UNSPECIFIED Yulianto, Endro nidn4017077601 |
| Additional Information: | 11SKR2020051 |
| Uncontrolled Keywords: | Sinyal EMG; Ekstraksi Fitur; Raspberry Pi; Tangan Prostetik; Machine Learning; Mean Absolute Value; Sign Slope Integral; Variance of EMG; Scatter; Euclidean Distance |
| Subjects: | R Medicine > Medical Electronics > Biomedical Engineering 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: | 27 Aug 2020 08:28 |
| Last Modified: | 17 Nov 2020 05:50 |
| URI: | http://repo.poltekkesdepkes-sby.ac.id/id/eprint/235 |
Actions (login required)
 |
View Item |