IMPLEMENTASI MACHINE LEARNING PADA 3D PRINTED TANGAN PROSTHETIC

ARIEF LUQMAN NUR HAKIM

Informasi Umum

Kode

19.04.5103

Klasifikasi

610.28 - Biomedical Engineering

Jenis

Karya Ilmiah - Skripsi (S1) - Reference

Subjek

Biomedical Engineering

Dilihat

70 kali

Informasi Lainnya

Abstraksi

Algoritma Machine Learning (ML) dengan metode Extream Learning Machine (ELM) didesain sebagai metode klasifikasi untuk menentukan pola sinyal Electromyograph (EMG). Algoritma ini menggunakan sinyal masing-masing jari sebagai input utama untuk menggerakkan jari tangan secara independent sehingga didapatkan gerak tangan prosthetic yang sesuai dengan gerakan input-nya. Sinyal yang digunakan merupakan surface EMG(sEMG) 2-channel yang diakusisi dari otot lengan pada bagian extensor dan flexor digitorum, 3 buah elektroda diletakan dekat dengan pergelangan tangan (flexor digitorum) dan 3 elektroda lain (channel ke-2) pada bagian belakang lengan (extensor digitorum). Hasil sinyal diproses dengan feature set (ekstrasi ciri) seperti Hjorth Time-Domain Parameter, Simple Skewness, Slope Sign Change untuk mengetahui ciri khas masing-masing gerak tangan dan jari. Motor servo digunakan pada setiap jari, yaitu berjumlah lima motor. Implementasi penelitian ini menghasilkan 3D printed prosthetic hand menggunakan desain open source¬ project inmoov. Inferensi ELM dilakukan pada raspberry-pi dengan menggunakan pemograman Python. Rerata akurasi kelas pergerakan tangan yang dihasilkan menggunakan Extreme Learning Machine adalah sebesar 86% untuk klasifikasi 6 kelas.

Kata Kunci : machine learning, prosthetic, raspberry-pi, sEMG, ELM