Falih, Adi Dwi Irwan (2017) Klasifikasi Sinyal EMG Dari Otot Lengan Bawah Sebagai Media Kontrol Menggunakan Naive Bayes. Masters thesis, Institut Teknologi Sepuluh Nopember.
Preview |
Text
2215206706-Master-Theses.pdf - Published Version Download (2MB) | Preview |
Abstract
Pengguna kursi roda dengan keterbatasan kemampuan dalam mengontrol gerak kursi roda yang digunakannya, akan sangat terbantu bila dibantu dengan tenaga mesin (listrik). Pada umumnya, kursi roda listrik menggunakan joystik dalam pengoperasiannya, sehingga pengguna yang tidak mampu menggunakan joystik perlu alternatif kontrol lain dalam pengoperasiannya. Pada penelitian ini, Sinyal EMG dari Otot lengan bawah diklasifikasi dengan motivasi agar dapat digunakan menjadi alternatif media kontrol. sinyal EMG yang diperoleh dari alat Myo Armband diklasifikasi dengan metode naive bayes. prosesnya dimulai dengan mengumpulkan fitur sinyal sebagai dataset berdasarkan sampling data pada pose gerakan tertentu. dengan melakukan ekstraksi fitur pada domain waktu, yaitu Mean Absolute Value (MAV), Willison Amplitude (WAMP), Root Mean Square (RMS) dan Jumlah Peak (JP). Dari percobaan ini diperoleh hasil evaluasi terhadap 275 raw data bahwa tingkat akurasi evaluasi secara cross-validation dengan 10 kali lipatan pada klasifikasi menggunakan Naive Bayes dengan melakukan eliminasi terhadap instance dataset lebih tinggi dibandingkan dengan hasil evaluasi terhadap dataset penuh yaitu dari tingkat akurasi 86,9% benar, meningkat lebih tinggi menjadi 92.35 % benar
============================================================================
Wheelchair users with limited ability to control wheelchair motion used, will be very helpful when assisted with the power of the engine (electricity). Generally, electric wheelchairs use joysticks in operation, so users who are not able to use joysticks need other alternatives in their operation. In this study, EMG signals from the forearm muscles were classified with motivation to be used as an alternative in automatic control. EMG signals obtained from the myo Arm tool are classified by the naive bayes method. The process begins by collecting the signal features on the dataset based on sampling data on a particular movement. By using the Mean Absolute Value (MAV), Willison Amplitude (WAMP), Root Mean Square (RMS) and number of Peak (JP), it is known from experimental results that the accuracy of classification with Naive Bayes using eliminate the datasetincreased more acurate compared to classification Naive Bayes with full datasetie from the accuracy of 86.9% correct rate, increased to 92.35% correct.
| Item Type: | Thesis (Masters) |
|---|---|
| Uncontrolled Keywords: | Elektromiograf(EMG), Naive Bayes, Myo Armband, Kursi Roda Listrik, Wheelchair |
| Subjects: | T Technology > TJ Mechanical engineering and machinery T Technology > TL Motor vehicles. Aeronautics. Astronautics > TL521.3 Automatic Control |
| Divisions: | Faculty of Industrial Technology > Electrical Engineering > 20101-(S2) Master Thesis |
| Depositing User: | Falih Adi Dwi Irwan |
| Date Deposited: | 21 Aug 2017 01:51 |
| Last Modified: | 21 Aug 2017 01:51 |
| URI: | http://repository.its.ac.id/id/eprint/42369 |
Actions (login required)
 |
View Item |