LUMENTA, EDWARD (2016) KURSI RODA LISTRIK DENGAN PERINTAH KENDALI GABUNGAN EEG DAN BIO-IMPEDANCE. Undergraduate thesis, Institut Teknologi Sepuluh Nopember.
Preview |
Text
2211100200-undergraduate thesis.pdf - Published Version Download (2MB) | Preview |
Abstract
Banyak penyakit menyerang sistem saraf motorik. Akibatnya
penderita akan mengalami kelumpuhan. Untuk membantu mobilisasi,
penderita memerlukan alat bantu seperti kursi roda. Pada penderita
yang mengalami disfungsi alat gerak bagian atas dan bawah (upper
limb dan lower limb), kursi roda konvensional tidak lagi bisa membantu
karena penderita tidak mampu menggunakan lengannya untuk
menggerakkan kursi roda tersebut. Banyak metode yang dikembangkan
untuk mengatasi permasalahan ini, yaitu dengan memanfaatkan suara,
gerak otot mata, dan lain-lain untuk menggantikan peran tangan
manusia. Salah satunya dengan memanfaatkan bio-impedance dan
EEG.
Tugas akhir ini membahas tentang pemanfaatan 2 buah biomedical
signal yaitu sinyal EEG dan Bio-impedance untuk mengendalikan kursi
roda listrik. Kedua sinyal tersebut digabungkan dengan bantuan
Arduino Uno. Hasil perekaman tersebut kemudian dibatasi dengan
metode thresholding untuk mengklasifikasikan dan memberikan
perintah kepada kursi roda listrik. Dengan penggabungan 2 instrumen
tersebut dapat dilihat instrumen manakah yang paling handal dan
mudah digunakan oleh subjek.
Pengukuran bio-impedance dilakukan dengan menginjeksikan
sumber arus sinusoidal sebesar 0,5 m Arms dengan frekuensi 50 kHz ke
jaringan otot tubuh (punggung). Perubahan tegangan pada bagian tubuh
tersebut kemudian diidentifikasikan dan dikondisikan sehingga
didapatkan tegangan keluaran yang berkisar antara 0 – 5 V DC.
Dengan metode thresholding, tegangan ini diklasifikasikan menjadi
beberapa sinyal kontrol gerakan pada kursi roda. Tingkat keberhasilan
pada sistem ini bervariasi dipengaruhi oleh berbagai variabel seperti
otot pasien, jenis pakaian yang digunakan, dan kelelahan otot serta
kondisi lingkungan. Keberhasilan berkisar dari 20% hingga 100%.
Hasil penelitian menunjukkan bahwa sinyal EEG yang teridentifikasi di channel C3 dan C4 dapat digunakan untuk
memberikan perintah kendali kursi roda listrik. Dengan memberikan
threshold pada arduino, sistem sudah dapat mendeteksi adanya gerakan
dari subyek. Tingkat keberhasilan sistem dalam pengklasifikasian
beragam tergantung dari panjang rambutnya. Pada subjek yang
berambut gundul tingkat keberhasilan dalam pengidentifikasian
mencapai 100%, sementara untuk subjek dengan rambut pendek dan
tipis tingkat keberhasilan menurun menjadi sekitar 60-90%. Untuk
subjek dengan rambut agak panjang dan tebal tingkat keberhasilan
sangat rendah hanya berkisar dari 0 – 30% saja. Hasil ini diharapkan
dapat diteliti lebih lanjut dengan metoda eksplorasi pengolahan sinyal
EEG yang lebih baik untuk meningkatkan derajat keberhasilan
pendeteksian.
"============================================================================================="
systems. As a result, the patient will experience paralysis. To help
mobilization, patients need a tool like wheelchair. In patients who
undergo upper and lower locomotor dysfunctions (upper limb and
lower limb), a conventional wheelchair can no longer be helpful
because the patient is unable to use his arms to propel the wheelchair.
Many methods were developed to overcome this problem, the use of
voice, eye muscle movement, detection of the cornea, and others to
replace the role of the human hands. One of them is by using bioimpedance
and EEG.
This final project discussed the usage of two kinds of
biomedical signals which are EEG signal and Bio-impedance to control
the electric wheelchair. Both signal are combined with the help of
Arduino Uno. Recording results are then constrained by thresholding
method to classify and give orders to electric wheelchairs. By merging
the two instruments we can determine which instruments the most
reliable and the most practical for the subject.
Bio-impedance measurement was done by injecting a
sinusoidal current source of 0.5 mARMS with frequency of 50 kHz to the
muscle tissue of the body (back). The voltage changes on the body were
later identified and conditioned to obtain an output voltage ranged
from 0 to 5 V DC. By thresholding method, this voltage is classified into
several movements control signals to a wheelchair. The success rate of
this system varies depending on environmental variables such as the
patient muscle tone, kind of clothes the patient used and muscle fatigue
also environmental conditions. The success ranged from 20% to 100%.
Research results showed that the EEG signal identified at the
channel C3 and C4 can be used to provide control command for
electric wheelchair. By using thresholding method, the system was able
to detect the movement of the subject. The success rate of the classification system varies depending on the length of hair. On the
subject of the hair shaved (nearly bald) the identification success rate
reached 100%, while for subjects with short and thin hair the success
rate dropped to about 60-90%. For subjects with thick and long hair
have a very low success rate only ranges from 0-30%. The results in
this research would be followed up by exploring other methods of EEG
processing to improve the detection.
| Item Type: | Thesis (Undergraduate) |
|---|---|
| Additional Information: | RSE 629.895 51 Lum k |
| Uncontrolled Keywords: | EEG, kursi roda listrik, bio-impedance |
| Subjects: | T Technology > TL Motor vehicles. Aeronautics. Astronautics > TL521.3 Automatic Control |
| Divisions: | Faculty of Industrial Technology > Electrical Engineering > 20201-(S1) Undergraduate Thesis |
| Depositing User: | Users 13 not found. |
| Date Deposited: | 17 Jan 2017 08:34 |
| Last Modified: | 27 Dec 2018 02:19 |
| URI: | http://repository.its.ac.id/id/eprint/1670 |
Actions (login required)
 |
View Item |