Pengembangan Sistem Pengenalan Pergerakan Prostetik Tangan Bionik Menggunakan Metode K-Nearest Neighbor dengan Fitur Power Spectral Density

WIjaya, Aldy Putra and Edita Rosana Widasari, S.T., M.T., M.Eng., Ph.D. (2024) Pengembangan Sistem Pengenalan Pergerakan Prostetik Tangan Bionik Menggunakan Metode K-Nearest Neighbor dengan Fitur Power Spectral Density. Sarjana thesis, Universitas Brawijaya.

Abstract

Skripsi ini berfokus pada pengembangan sistem pengenalan pergerakan untuk tangan prostetik bionik menggunakan sensor EMG MyoWare v2. Pengembangan ini penting karena penelitian sebelumnya menunjukkan bahwa akurasi pengenalan gerakan yang dapat dihasilkan oleh tangan prostetik bionik masih menjadi tantangan. Oleh karena itu, penelitian ini bertujuan untuk meningkatkan keterbatasan tersebut dengan menambahkan tahap pre-processing fitur ekstraksi Power Spectral Density (PSD) yang dapat meningkatkan akurasi pengenalan gerakan. Tujuan utama dari penelitian ini adalah untuk menciptakan sistem yang dapat menginterpretasikan pergerakan manusia secara akurat dan efisien, sehingga dapat meningkatkan kualitas hidup bagi individu yang membutuhkan prostetik. Metode K-Nearest Neighbor (KNN) digunakan dalam sistem ini untuk klasifikasi gerakan, dengan Power Spectral Density (PSD) sebagai fitur dalam proses pengenalan. Hasil penelitian menunjukkan bahwa meskipun sistem dapat membaca klasifikasi gerakan dengan baik, fitur ini sangat sensitif terhadap perubahan frekuensi data dan memerlukan komputasi yang cukup besar dibandingkan dengan fitur ekstraksi lainnya. Waktu komputasi yang didapat pada pergerakan tangan rata-rata adalah 0,29 detik, yang menunjukkan peningkatan dibandingkan penelitian sebelumnya dengan waktu komputasi 0,41 detik antar gerakan yang mana terjadi peningkatan sebesar 29,27%. Sensor EMG Myoware menunjukkan tingkat akurasi yang sangat baik dalam pembacaan sinyal EMG. Nilai sinyal yang diperoleh untuk semua variasi gerakan sesuai dengan nilai rentang acuan, dengan nilai tertinggi 2.72 V pada gerakan genggam dan nilai terendah 0.18 V pada gerakan buka. Ini menunjukkan bahwa sensor dapat membaca sinyal dengan akurasi yang tinggi. Rata-rata penggunaan memori adalah 640 Bytes (SRAM) dan 8894 Bytes (FLASH).

English Abstract

This thesis focuses on the development of a gesture recognition system for bionic prosthetic hands using the MyoWare v2 EMG sensor. This development is important because previous studies have shown that the accuracy of gesture recognition that can be produced by a bionic prosthetic hand is still a challenge. Therefore, this research aims to improve such limitations by adding a preprocessing stage of Power Spectral Density (PSD) extraction features that can improve the accuracy of gesture recognition. The main goal of this research is to create a system that can interpret human movement accurately and efficiently, thereby improving the quality of life for individuals who need prosthetics. The KNearest Neighbor (KNN) method is used in this system for gesture classification, with Power Spectral Density (PSD) as a feature in the recognition process. The results show that although the system can read the gesture classification well, this feature is very sensitive to changes in data frequency and requires considerable computation compared to other extracted features. The computation time obtained for the average hand movement is 0.29 seconds, which shows an improvement compared to the previous study with a computation time of 0.41 seconds between movements, which is an improvement of 29.27%. The Myoware EMG sensor shows a very good level of accuracy in reading EMG signals. The signal values obtained for all movement variations are in accordance with the reference range values, with the highest value of 2.72 V in the grasp movement and the lowest value of 0.18 V in the open movement. This shows that the sensor can read signals with high accuracy. The average memory usage is 640 Bytes (SRAM) and 8894 Bytes (FLASH).

Item Type:	Thesis (Sarjana)
Identification Number:	052415
Uncontrolled Keywords:	Pengembangan Sistem, Pengenalan Pergerakan, Tangan Prostetik Bionik, K-Nearest Neighbor (KNN), Power Spectral Density (PSD)-System Development, Movement Recognition, Bionic Prosthetic Hand, K-Nearest Neighbor (KNN), Power Spectral Density (PSD)
Divisions:	Fakultas Ilmu Komputer > Teknik Komputer
Depositing User:	Sugeng Moelyono
Date Deposited:	19 Jul 2024 02:16
Last Modified:	19 Jul 2024 02:16
URI:	http://repository.ub.ac.id/id/eprint/223962

Text (DALAM MASA EMBARGO) Aldy Putra Wijaya.pdf Restricted to Registered users only Download (4MB)

Actions (login required)

View Item