PENGENDALIAN GERAK PROSTESIS TANGAN BERBASIS SINYAL OTOT PADA PASIEN AMPUTASI BELOW ELBOW
Prosedur akhir pada program rehabilitasi amputasi yaitu pelatihan alat gerak pasien amputasi untuk penggunaan prostesis. Penelitian prostesis telah banyak berkembang hingga digunakan sinyal Elektromiograf (EMG) untuk mengendalikan gerakan prostesis. Penelitian ini bertujuan mengendalikan gerak prost...
Saved in:
| Main Author: | |
|---|---|
| Format: | Theses and Dissertations NonPeerReviewed |
| Language: | English English English Indonesian |
| Published: |
2019
|
| Subjects: | |
| Online Access: | http://repository.unair.ac.id/89206/1/ST.T.47-19%20Put%20p%20abstrak.pdf http://repository.unair.ac.id/89206/2/ST.T.47-19%20Put%20p%20daftar%20isi.pdf http://repository.unair.ac.id/89206/3/ST.T.47-19%20Put%20p%20daftar%20pustaka.pdf http://repository.unair.ac.id/89206/4/ST.T.47-19%20Put%20p.pdf http://repository.unair.ac.id/89206/ http://lib.unair.ac.id |
| Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
| Institution: | Universitas Airlangga |
| Language: | English English English Indonesian |
| Summary: | Prosedur akhir pada program rehabilitasi amputasi yaitu pelatihan alat gerak pasien amputasi untuk penggunaan prostesis. Penelitian prostesis telah banyak berkembang hingga digunakan sinyal Elektromiograf (EMG) untuk mengendalikan gerakan prostesis. Penelitian ini bertujuan mengendalikan gerak prostesis menggunakan sinyal EMG pasien amputasi untuk gerakan buka, jepit, dan genggam. Pasien melakukan fleksi pergelangan tangan untuk gerakan genggam, ekstensi pergelangan tangan untuk gerakan jepit, dan relaksasi untuk gerakan buka. Sinyal EMG dari M. Extensor digitorum dan M. Flexor digitorum akan disadap menggunakan sensor Myo armband dan dikirimkan menuju Personal Computer (PC) untuk dilakukan ekstraksi ciri nilai mean, root mean square, dan variance, kemudian dilakukan klasifikasi gerakan oleh Extreme Learning Machine (ELM). Setelah diperoleh hasil klasifikasi, maka data akan dikirim ke Arduino Uno secara serial untuk menggerakkan prostesis tangan menggunakan dua motor DC ulir. Pada penelitian ini dihasilkan akurasi pengujian ELM menggunakan 30 hidden node sebesar 97%. Hasil pengujian mekanik prostesis tangan secara real-time pada pasien amputasi dengan output latency mekanik 5 detik yaitu 91%. Kinerja prostesis tangan antara perintah gerakan dengan hasil klasifikasi gerakan, perintah gerakan dengan hasil respon prostesis, dan hasil klasifikasi dengan hasil respon prostesis adalah sama. |
|---|