BRIAN JOHANES REYNALDI (2022) Estimasi Posisi Sudut Siku secara Real Time menggunakan Sinyal Otot dengan Metode Kalman Filter. Skripsi thesis, UNIVERSITAS AIRLANGGA.

	Text (HALAMAN JUDUL) 081811733024_HALAMAN JUDUL.pdf Download (9MB)
	Text (BAB I) 081811733024_BAB I.pdf Download (4MB)
	Text (FULLTEXT) 081811733024_FULLTEXT.pdf Restricted to Registered users only Download (2MB) | Request a copy

Abstract

Aktivitas manusia bergantung pada interaksi kompleks dari bagian utama sistem saraf, muskuloskeletal dan kardiorespirasi. Penderita stroke yang mengalami gangguan saraf sensorik-motorik membutuhkan rehabilitasi untuk mendapatkan kembali fungsional tubuh nya. Rehabilitasi pasca stroke, khususnya pergerakan lengan perlu dilakukan secara akurat dan presisi agar proses rehabilitasi menjadi lebih aman dan efektif. Penggunaan robot eksoskeleton upper-limb yang membantu memberikan tenaga bantuan sesuai dengan intensi pergerakan dari penggunanya, sangat diperlukan untuk perkembangan rehabilitasi pasien pasca stroke. Penggunaan sinyal elektromiografi untuk membaca intensi pergerakan melalui sinyal saraf dapat membantu robot melakukan gerakan untuk terapi rehabilitasi pada penderita stroke. Penelitian ini bertujuan untuk mendapatkan model estimasi posisi sudut siku secara real time menggunakan sinyal otot dengan metode Kalman Filter agar dapat diimplementasikan pada robot rehabilitasi lengan. Desain model estimasi sudut Kalman Filter terdiri dari pengolahan sinyal menggunakan filter Bandpass, segmentasi Disjoint Window, fitur ekstraksi Zero Crossing, dan model Kalman Filter. Pada penelitian ini dilakukan estimasi dengan 2 window segmentasi yang berbeda yaitu 10 ms dan 100 ms untuk mendapatkan hasil estimasi real time. Hasil dari penelitian menunjukkan bahwa model estimasi Kalman Filter real time dapat dilakukan pada 10 ms dan 100 ms dengan Root Mean Square Error sebesar 9,5° dan 8,6°, Normalized Root Mean Square sebesar 72,6% dan 75,3%, dan koefisien korelasi R sebesar 0,9333 dan 0,9584.

Actions (login required)

View Item