KURSI RODA LISTRIK DENGAN PERINTAH KENDALI GABUNGAN EEG DAN BIO-IMPEDANCE

LUMENTA, EDWARD (2016) KURSI RODA LISTRIK DENGAN PERINTAH KENDALI GABUNGAN EEG DAN BIO-IMPEDANCE. Undergraduate thesis, Institut Teknologi Sepuluh Nopember.

[img]
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 > (S1) Undergraduate Theses
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 View Item