Barry Husein, Abdul (2016) Sistem Pengendalian Prostetik Tangan Robotik Melalui Pendeteksian Sinyal EMG. Diploma thesis, Universitas Komputer Indonesia.
Full text not available from this repository.Abstract
Dalam penelitian ini memaparkan tentang pengendalian tangan robot yang akan dikendalikan melalui pendeteksian sinyal EMG. EMG atau electromyography adalah salah satu teknik dalam ilmu kedokteran yang digunakan untuk membaca aktivitas sinyal otot. Berdasarkan karakteristik EMG, sinyal tersebut memiliki rentang tegangan antara 0-10 mV dan rentang frekuensi 20-500 Hz. Sensor elektroda dibutuhkan untuk membaca sinyal otot yang berkontraksi. Sinyal otot yang terdeteksi akan di proses dalam rangkaian instrumentasi EMG yang terdiri dari rangkaian penguat instrumentasi, rangkaian penguat non-inverting, rangkaian filter dan rangkaian clamper untuk mendapatkan karakteristik dari sinyal EMG tersebut. Sinyal EMG yang sudah diproses kemudian akan dikirim secara serial ke personal computer (PC) melalui teknik analog to digital converter (ADC) pada mikrokontroler ATMega8535 dengan sampel data sebanyak 2000 sampel/detik. Rawdata dari sinyal EMG tersebut akan diproses lagi dengan proses filter digital, proses ekstraksi fitur dan proses klasifikasi sinyal dengan software LabVIEW 8.5. Proses ekstraksi fitur akan dilakukan dalam domain waktu untuk mendapatkan nilai integrated EMG (IEMG). Hasil proses ekstraksi fitur tersebut akan dilanjutkan dengan proses klasifikasi. Hasil klasifikasi sinyal tersebut akan menentukan pergerakan yang sesuai dengan pergerakan tangan yang dilakukan. Proses klasifikasi ini menggunakan artificial neural network (ANN) dengan metode perceptron. Berdasarkan data hasil pengujian, sistem instrumentasi EMG yang dirancang memiliki penguatan total 548,85 kali dan frekuensi yang dapat diloloskan berkisar antara 18-460 Hz. Pengujian juga dilakukan dengan menghitung respon dari sistem untuk mendeteksi gerakan yang dilakukan, dari hasil pengujian didapat respon waktu rata-rata sistem untuk mendeteksi pergerakan tangan adalah 1,434 detik. Kemudian pengujian selanjutnya didapatkan persentase keakuratan dari sistem untuk mengenali pergerakan tangan manusia yang dilakukan adalah 100 % untuk pergerakan ekstensi supinasi, 80 % untuk pergerakan fleksi supinasi dan 80 % untuk pergerakan fleksi pronasi.
| Item Type: | Thesis (Diploma) |
|---|---|
| Uncontrolled Keywords: | Electromyography (EMG), Instrumentasi EMG, Analisa Sinyal EMG, Artificial Neural Network (ANN) |
| Subjects: | S1-Final Project > Fakultas Teknik Dan Ilmu Komputer > Teknik Elektro > 2015 |
| Divisions: | Universitas Komputer Indonesia > Fakultas Teknik dan Ilmu Komputer Universitas Komputer Indonesia > Fakultas Teknik dan Ilmu Komputer > Teknik Elektro (S1) |
| Depositing User: | Admin Repository |
| Date Deposited: | 16 Nov 2016 07:35 |
| Last Modified: | 16 Nov 2016 07:35 |
| URI: | http://repository.unikom.ac.id/id/eprint/622 |
Actions (login required)
 |
View Item |
