Identifikasi Sinyal Electromyograph(EMG) pada gerak Ekstensi-Fleksi siku dengan Metode Konvolusi dan Jaringan Syaraf Tiruan Untuk input Robot Lengan

SUSIANTI,, MARIANA and Rokhana, Rika and Kemalasari, Kemalasari and W, Paulus Susetyo (2009) Identifikasi Sinyal Electromyograph(EMG) pada gerak Ekstensi-Fleksi siku dengan Metode Konvolusi dan Jaringan Syaraf Tiruan Untuk input Robot Lengan. Eepis final project.

PDF - Published Version Download (27b)

Abstract

ABSTRAK Otot adalah bagian tubuh manusia yang berfungsi dalam sistem gerak. Electromyograph pada otot berfungsi untuk mendeteksi adanya potensial listrik yang dihasilkan otot saat kontraksi dan relaksasi sehingga dapat digunakan untuk mengendalikan sistem. Tugas akhir ini memanfaatkan sinyal RMS EMG yang merupakan root mean squared dari raw signal dan merepresentasikan mean power dari sinyal dan berguna saat mempelajari waktu pengaktivan otot, mengukur level aktivasi otot, serta menghitung kekuatan yang dibangkitkan otot. Level tegangan pada sinyal Electromyograph berkisar antara 100µV hingga 90 mV. Pengolahan sinyal electromyography menggunakan bandpass filter FIR (Finite Impuls Response) dengan teknik windowing hamming. Penggunaan jenis filter ini dimaksudkan untuk melewatkan sinyal yang memiliki frekuensi antara fc1 dan fc2 sehingga noise artifact yang muncul dapat difilter dan diperoleh sinyal yang lebih stabil. Sinyal yang digunakan untuk identifikasi merupakan hasil konvolusi antara response impuls hasil perancangan filter FIR dengan sinyal dengan input sinyal EMG yang diambil pada pergerakan ekstensi-fleksi siku dengan sudut 45º, 90º dan 135º. Proses identifikasi gerak lengan dilakukan menggunakan jaringan syaraf tiruan algoritma backpropagation yang bekerja secara terlatih dengan 60 input, 4 neuron hidden dan 2 output. Ketika dilakukan pengujian, dilakukan pengujian terhadap sinyal learning dan diperoleh nilai akurasi sebesar 78,33% sinyal teridentifikasi sedangkan pada pengujian data baru non learning diperoleh akurasi 54,3% sinyal teridentifikasi. Nilai hasil identifikasi berupa 66 sinyal teridentifikasi akan digunakan untuk input robot lengan. Tingkat keberhasilan sistem identifikasi ini sebesar 69,47%. Kata kunci : Electromyograph, Artifact, Filter FIR, konvolusi, jaringan syaraf tiruan

Actions (login required)