ZALSABILA (2022) Estimasi Sudut Lengan Siku dengan Sinyal EMG Menggunakan Metode Deep Learning. Skripsi thesis, UNIVERSITAS AIRLANGGA.

	Text (HALAMAN JUDUL) 081811733020_HALAMAN JUDUL.pdf Download (2MB)
	Text (BAB I) 081811733020_BAB I.pdf Download (393kB)
	Text (FULLTEXT) 081811733020_FULLTEXT.pdf Restricted to Registered users only Download (6MB) | Request a copy

Abstract

Penderita strok mengalami gangguan neurologis sehingga menyebabkan kemandirian individu untuk melakukan kegiatan sehari-hari terancam. Oleh karena itu, penderita strok perlu menjalani program rehabilitasi. Robot ekoskeleton merupakan solusi sebagai alat rehabilitasi yang dapat dipilih oleh pasien strok karena memiliki link dan join yang mirip dengan anatomi manusia dan memiliki sistem berbasis kecerdasan buatan. Sistem kecerdasan buatan dibangun dengan model yang dihasilkan dengan metode Deep Learning yaitu Long Short Term Memory (LSTM). Model LSTM dilatih dengan data fitur EMG dan data sudut lengan. Fitur EMG berasal dari pengolahan data Elektromiografi (EMG) yang diperoleh menggunakan sensor Myoware pada otot bisep brachii sedangkan data sudut lengan diperoleh menggunakan sensor sudut dari potensiometer. Mean Absolute Value (MAV), Root Mean Square (RMS), Variance (VAR), Zero Crossing (ZC), dan Waveform Length (WL) adalah fitur-fitur yang digunakan. Arsitektur model terdiri dari lima lapisan LSTM bertipe Bidirectional Long Short Term Memory (Bi-LSTM) dengan jumlah unit masing-masing 512, 256, 128, 64, dan 32. Model dikonfigurasi dengan MSE sebagai loss function dan Adam (learning rate 0,0005) sebagai optimizer. Berdasarkan model yang dihasilkan didapatkan estimasi sudut dengan performansi terbaik pada variasi terbaik yaitu MAV+RMS+VAR+ZC+WL yang memiliki MAE sebesar 9,535°, RMSE sebesar 12,5500°, rRMSE sebesar 43,717%, dan R^2 sebesar 0,835.

Actions (login required)

View Item