Pemrosesan Dan Klasifikasi Sinyal Navigasi Berbasis Electromyography (Emg) Pada Otot Lengan Bawah

Abstract

Telah banyak penelitian menunjukkan bahwa seseorang yang mengalami disabilitas membutuhkan kemudahan dalam mobilitasnya. Umumnya alat yang digunakan untuk membantu seseorang yang mengalami disabilitas adalah dengan kursi roda tradisional atau kursi roda elektrik (joystick). Tentu kursi roda elektrik dengan menggunakan joystick sangat membantu seseorang yang mengalami disabilitas untuk bergerak tanpa bantuan orang lain, namun penggunaan joystick akan efektif apabila pengguna masih memiliki tangan yang utuh. Salah satu cara untuk membantu mobilitas seseorang yang diamputasi organ gerak atas adalah dengan electromyography (EMG) sebagai sinyal navigasinya. Pada penelitian ini akan dilakukan klasifikasi 4 gerakan tangan kiri menggunakan EMG menggunakan Artificial neural network (ANN). Selain itu, penelitian ini juga menganalisa karakteristik fitur dasar EMG berupa Root Mean Square (RMS) dan Mean Frequency (MNF). Data 4 gerakan tangan akan melalui tahap pre-processing serta ekstraksi fitur berupa RMS dan MNF. Setelah fitur didapatkan maka akan digunakan sebagai input ANN. Pada penelitian ini kami menemukan bahwa tiap gerakan memberikan nilai RMS dan MNF yang berbeda-beda. Dari fitur dasar EMG berupa RMS dan MNF masih belum dapat untuk mengklasifikasikan 4 gerakan tangan kiri. Hasil klasifikasi menunjukkan hasil bahwa ANN dapat digunakan untuk mengklasifikasikan gerakan tangan pada lengan bawah kiri dengan akurasi sebesar 77,5%, presisi sebesar 77,9% dan sensitivitas sebesar 77,5% menggunakan model arsitektur ANN dengan 4 hidden layer dan jumlah neuron sebanyak 320. Pelatihan dan pengujian ANN akan lebih baik apabila input data yang digunakan semakin banyak serta jumlah neuron pada ANN diperbanyak.