Perancangan Sistem Restorasi Gerak Pergelangan Tangan Lumpuh Menggunakan Functional Electrical Stimulation dengan Metode Kontrol Fuzzy Neural Network

Kumalasari, Rotania (2023) Perancangan Sistem Restorasi Gerak Pergelangan Tangan Lumpuh Menggunakan Functional Electrical Stimulation dengan Metode Kontrol Fuzzy Neural Network. Other thesis, Institut Teknologi Sepuluh Nopember.

Text 07311840000042-Undergraduate_Thesis.pdf - Accepted Version Restricted to Repository staff only until 1 April 2025. Download (3MB) | Request a copy

Abstract

Stroke merupakan penyebab kematian terbesar kedua dan disabilitas terbesar ketiga di dunia. Berdasarkan data WHO secara global ada 70% stroke dan 87% stroke yang mengakibatkan kematian dan disabilitas terjadi pada negara berkembang dan negara sedang berkembang. Sedangkan, berdasarkan data riset kesehatan dasar tahun 2018, prevalansi stroke tertinggi ini terdapat di wilayah Kalimantan Timur (14,7%). Akibat dari stroke salah satunya yaitu terganggunya fungsi motorik yang berdampak pada pergerakan persendian yang menjadi lebih kaku, sehingga akan mengalami pelemahan pergerakan tangan khususnya pada pergelangan tangan. Functional Electrical Stimulation (FES) merupakan salah satu cara rehabilitasi pergerakan persendian tersebut. Pada penelitian ini menggunakan mikrokontroler STM32F103C8T6, 4 buah sensor accelerometer dan gyroscope untuk mengukur sudut dari pergerakan radial/ulnar dan dorsi/palmar. Pada penelitian ini diusulkan metode kontrol yang digunakan pada FES adalah Fuzzy Neural Network. Hasil yang diharapkan dari penelitian ini adalah persendian pergelangan tangan menghasilkan gerakan dari stimulus yang diberikan dengan sudut mendekati target trajektori yang telah ditentukan. Tegangan optimal yang digunakan untuk melakukan gerakan pada pengujian ini sebesar 48V. Tegangan ini dihasilkan dari input frekuensi 15kHz dan duty cycle 10% pada pengujian open loop. Hasil dari penelitian ini dibandingkan dengan penelitian sebelumnya yang memiliki perbedaan pada bagian kontroler. Nilai rata-rata RMSE yang didapatkan untuk radial/ulnar flexion kecepatan cepat sebesar 3,61, radial/ulnar flexion kecepatan lambat sebesar 2,91, dorsi/palmar flexion kecepatan cepat sebesar 5,22, dan dorsi/palmar flexion kecepatan lambat sebesar 4,36. Sehingga, kontroler yang digunakan dapat bekerja lebih maksimal jika dibandingkan dengan kontroler pada penelitian sebelumnya yang menggunakan Fuzzy-PID.
==================================================================================================================================
Stroke is the second biggest cause of death and the third biggest disability in the world. Based on WHO data globally there are 70% of strokes and 87% of strokes that result in death and disability occur in second and third world countries. Meanwhile, based on basic health research data in 2018, the highest prevalence of stroke is in the East Kalimantan region (14.7%). As a result of a stroke, one of them is the disruption of motor function which has an impact on joint movements that become more rigid. There will be a weakening of hand movements, especially in the wrist. Functional Electrical Stimulation (FES) is one way to rehabilitate the joint movement. In this study using the STM32F103C8T6 microcontroller, 4 accelerometer and gyroscope sensors to measure the angle of radial/ulnar and dorsi/palm movements. Then, it is proposed that the control method used in FES is Fuzzy Neural Network. The expected result of this study is that the wrist joint produces movements from the given stimulus at an angle approaching the trajectory target that has been determined. The optimal voltage used to carry out the movement in this test is 48V. This voltage is generated from the 15kHz input frequency and 10% duty cycle in the open loop test. The results of this study were compared with previous studies which had differences in the controller section. The average RMSE value obtained for radial/ulnar flexion at fast speed is 3.61, radial/ulnar flexion at slow speed is 2.91, dorsi/palmar flexion at fast speed is 5.22, and dorsi/palmar flexion at slow speed is 4.36. Thus, the controller used can work more optimally when compared to the controller in previous studies using Fuzzy-PID.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Stroke, Functional Electrical Stimulation (FES), Gyroscope, Accelerometer, Pergelangan Tangan, Fuzzy Neural Network. Stroke, Functional Electrical Stimulation (FES), Gyroscope, Accelerometer, Wrist, Fuzzy Neural Network.
Subjects:	R Medicine > RM Therapeutics. Pharmacology > RM871 Electric stimulation. R Medicine > RM Therapeutics. Pharmacology > RM950 Rehabilitation technology. T Technology > TK Electrical engineering. Electronics Nuclear engineering > TK7878 Electronic instruments
Divisions:	Faculty of Intelligent Electrical and Informatics Technology (ELECTICS) > Biomedical Engineering > 11410-(S1) Undergraduate Thesis
Depositing User:	Rotania Kumalasari
Date Deposited:	14 Feb 2023 09:26
Last Modified:	14 Feb 2023 09:26
URI:	http://repository.its.ac.id/id/eprint/97093

Actions (login required)

View Item