EKSTRAKSI CIRI GERAKAN TANGAN DARI SINYAL EMG MENGGUNAKAN TRANSFORMASI WAVELET
Salah satu yang menjadi hal penting dalam aplikasi elektromiograf (EMG) untuk kontrol prostesis adalah identifikasi ciri dan klasifikasi sinyal dalam melakukan gerakan tangan. Transformasi wavelet adalah metode yang kuat dalam analisis sinyal untuk ekstraksi fitur EMG sinyal. Untuk meningkatkan efis...
Saved in:
| Main Author: | |
|---|---|
| Format: | Theses and Dissertations NonPeerReviewed |
| Language: | Indonesian Indonesian |
| Published: |
2018
|
| Subjects: | |
| Online Access: | http://repository.unair.ac.id/78428/1/ABSTRAK%20ST.T%2061%2018%20Ann%20e.pdf http://repository.unair.ac.id/78428/2/FULLTEXT%20ST.T%2061%2018%20Ann%20e.pdf http://repository.unair.ac.id/78428/ http://lib.unair.ac.id |
| Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
| Institution: | Universitas Airlangga |
| Language: | Indonesian Indonesian |
| Summary: | Salah satu yang menjadi hal penting dalam aplikasi elektromiograf (EMG) untuk kontrol prostesis adalah identifikasi ciri dan klasifikasi sinyal dalam melakukan gerakan tangan. Transformasi wavelet adalah metode yang kuat dalam analisis sinyal untuk ekstraksi fitur EMG sinyal. Untuk meningkatkan efisiensi dan efektifitas klasifikasi, sinyal EMG dianalisis dengan menggunakan disrete wavelet transform (DWT) untuk fungsi wavelet Coif5 dengan tiga level dekomposisi. Kemudian, ekstraksi fitur dilakukan dengan menggunakan fitur mean absolute value (MAV) terhadap semua fitur sinyal rekonstruksi DWT pada setiap level. Hasil ekstraksi fitur kemudian dievaluasi dengan menggunakan scatter graph untuk melihat class separability antar gerakan. Hasilnya menunjukkan bahwa, fitur sinyal A3 hasil rekonstruksi DWT merupakan komponen penting dalam sinyal EMG yang dapat mencirikan gerakan tangan membuka, menggenggam, dan menjepit dengan hasil akurasi 84% dalam prediksi gerakan menggunakan fitur ini. |
|---|