Deteksi Gestur Tangan Menggunakan Metode Support Vector Machine (SVM) Berbasis Sensor OYMotion Untuk Lengan Prostetik Bionik

Niswa, Khoirun and Edita Rosana Widasari, S.T., M.T., M.Eng., Ph.D. (2024) Deteksi Gestur Tangan Menggunakan Metode Support Vector Machine (SVM) Berbasis Sensor OYMotion Untuk Lengan Prostetik Bionik. Sarjana thesis, Universitas Brawijaya.

Abstract

Disabilitas khususnya amputasi tangan adalah gangguan atau penurunan fungsi yang dapat diobservasi secara objektif. Ini disebabkan oleh hilang atau tidak normalnya bagian tubuh seperti tidak adanya lengan (amputasi) dan kelumpuhan pada beberapa bagian tubuh. Lengan Prostetik Bionik menjadi solusi yang tepat untuk membantu penderita dalam menjalani aktifitas sehari-hari mereka. Pada penelitian sebelumnya, sistem prostetik masih menggunakan wire-based sensor, yang dapat memberikan rasa kurang nyaman bagi pengguna karena akan membatasi mobilitas dari aktivitas sehari-hari. Oleh karena itu, penelitian ini dilakukan dengan tujuan untuk mengembangkan Lengan Prostetik Bionik dengan menggunakan metode Support Vector Machine (SVM) berbasis sensor OYMotion. Sistem ini menggunakan Sensor OYMotion g200 untuk merekam sinyal EMG secara real-time. Sensor ini merekam kekuatan kontraksi otot untuk setiap gerakan. Dengan beralih ke sensor OYMotion yang lebih modern, penelitian ini berhasil mengatasi permasalahan penggunaan wire-base sensor yang digunakan pada penelitian sebelumnya, sehingga dapat menghasilkan sistem yang lebih andal dan nyaman bagi pengguna. Hasil deteksi gestur ditunjukkan dengan output pada servo yang membuat gerakan jari tangan prostetik bionik dapat bergerak sesuai dengan perintah. Hasil penelitian menunjukkan bahwa metode SVM dengan menggunakan kernel Radial Basis Function (RBF) dan fitur Waveform Length (WL) berhasil mencapai akurasi yang cukup tinggi yakni 82% dengan waktu komputasi rata-rata 101 ms. Ini menunjukkan peforma yang cepat dan efisien. Secara keseluruhan, sistem ini mampu bekerja sesuai dengan kondisi yang diharapkan menjadikannya layak dan andal untuk sistem lengan prostetik bionik yang efektif.

English Abstract

Disability particularly hand amputation, is a disturbance or impairment of function that can be objectively observed. It is caused by the loss or abnormality of body parts, such as the absence of an arm (amputation) or paralysis in certain body parts. A Bionic Prosthetic Arm serves as an appropriate solution to assist individuals in performing their daily activities. In previous research, prosthetic systems relied on wire-based sensors, which could cause discomfort for users as they limit mobility during daily activities. Therefore, this study aims to develop a Bionic Prosthetic Arm using the Support Vector Machine (SVM) method based on OYMotion sensors. This system uses the OYMotion g200 sensor to record EMG signals in real-time. This sensor captures the muscle contraction strength for each gesture. By transitioning to the more modern OYMotion sensor, this research successfully addresses the issues related to wire sensors used in previous studies, resulting in a more reliable and user-friendly system. Gesture detection results are displayed as output on a servo, enabling the bionic prosthetic hand's fingers to move according to commands. The research findings indicate that the SVM method, utilizing the Radial Basis Function (RBF) kernel and Waveform Length (WL) features, achieved a fairly high accuracy of 82%, with an average computation time of 101 ms. This demonstrates fast and efficient performance. Overall, the system is capable of operating as expected, making it feasible and reliable for an effective bionic prosthetic arm system.

Item Type:	Thesis (Sarjana)
Identification Number:	052415
Uncontrolled Keywords:	Disabilitas, amputasi tangan, lengan prostetik bionik, Support Vector Machine(SVM), OYMotion g200, sinyal EMG, kernel Radial Basis Function (RBF), Waveform Length (WL).
Divisions:	Fakultas Ilmu Komputer > Teknik Komputer
Depositing User:	S Sucipto
Date Deposited:	18 Feb 2025 02:02
Last Modified:	18 Feb 2025 02:02
URI:	http://repository.ub.ac.id/id/eprint/236945

Text (DALAM MASA EMBARGO) Khoirun Niswa.pdf Restricted to Registered users only Download (8MB)

Actions (login required)

View Item