Rahayuningsih, Ifut (2018) Klasifikasi Bahasa Isyarat Indonesia Berbasis Sinyal EMG Menggunakan Fitur Time Domain (MAV, RMS, VAR, SSI). Undergraduate thesis, Institut Teknologi Sepuluh Nopember.
Preview |
Text
07211340000025-Undergraduate_Theses.pdf - Accepted Version Download (23MB) | Preview |
Abstract
Penggunaan kamera yang dipakai sebagai input media bantu untuk pengenalan bahasa isyarat masih bergantung pada kondisi lingkungan. Sinyal EMG merupakan sinyal yang
berasal dari pembacaan aktivitas otot tangan, sehingga sinyal EMG tidak bergantung pada kondisi lingkungan. Oleh karena itu sinyal EMG dapat dimanfaatkan untuk mengenali gerakan bahasa isyarat. Agar dapat digunakan untuk mengenali sebuah gerakan, komputer memerlukan sebuah mekanisme standar dan logis. Permasalah utama yang terjadi dalam pengenalan gerakan adalah bagaimana cara menghasilkan data yang representatif dan konsisten terhadap sampel gerakan. Sinyal EMG hasil perekaman akan dilakukan proses ekstraksi fitur berdasarkan time domain feature dengan metode MAV, RMS, VAR dan SSI. Hasil ekstraksi fitur tersebut akan digunakan sebagai input klasifikasi menggunakan metode naive bayes. Gerakan bahasa isyarat yang dikenali pada penelitian ini ada 20 gerakan. Hasil akurasi pengenalan gerakan antara data training diujikan terhadap data baru dengan perbandingan data 50:50 yaitu sebesar 79%. Jumlah perbandingan data training yang optimal digunakan untuk pengenalan 20 gerakan Bahasa isyarat Indonesia adalah ≥ 50% dari total data sampel dimana berada pada rata-rata 80%.
========================================================================================================
The use of camera as an media helper input for sign language recognition is still dependent on the environmental conditions. EMG signal is the signal that comes from hand muscle activity reading, so that the EMG does not depend on environmental conditions. EMG signal, therefore can be utilized to identify the movements of sign language. In order to be used to recognize a movement, the computer requires a standard mechanism and logical. The main problem that occurs in the recognition of the movement is how to generate data that is representative and consistent against the sample movement. EMG signals were the result of the recording will be performed the extraction process based on time domain features using MAV, RMS, VAR, and SSI. The result of the extraction of these features will be used as input classification using the naive bayes method. There will be 20 chosen movements of the sign language that can be recognized. Accuracy results between training data and the data to be tested using untrained data that is off 79%. The number of optimal training data comparison is used for the introduction of 20 movements of Indonesia sign language is ≥ 50% of the total sample data which are on average 80%.
| Item Type: | Thesis (Undergraduate) |
|---|---|
| Additional Information: | RSKom 616.740 754 7 Rah k-1 3100018074781 |
| Uncontrolled Keywords: | Bahasa isyarat, electromyography, time domain features |
| Subjects: | T Technology > TK Electrical engineering. Electronics Nuclear engineering > TK5105.546 Computer algorithms |
| Divisions: | Faculty of Electrical Technology > Computer Engineering > 90243-(S1) Undergraduate Thesis |
| Depositing User: | Ifut Rahayuningsih |
| Date Deposited: | 27 Mar 2018 03:15 |
| Last Modified: | 24 Jul 2020 06:42 |
| URI: | http://repository.its.ac.id/id/eprint/50099 |
Actions (login required)
 |
View Item |