Arson, Giovani Wahyu Gusti (1322007) (2018) Integrasi Sistem Emg dan Eeg untuk Kendali Gerak pada Electric Wheelchair. Undergraduate thesis, Universitas Kristen Maranatha.
|
Text
1322007_Abstract_TOC.pdf - Accepted Version Download (432Kb) | Preview |
|
![[img]](http://repository.maranatha.edu/style/images/fileicons/text.png) |
Text
1322007_Appendices.pdf - Accepted Version Restricted to Repository staff only Download (1107Kb) |
|
|
Text
1322007_Chapter1.pdf - Accepted Version Download (349Kb) | Preview |
|
|
Text
1322007_Chapter2.pdf - Accepted Version Restricted to Repository staff only Download (780Kb) |
|
|
Text
1322007_Chapter3.pdf - Accepted Version Restricted to Repository staff only Download (832Kb) |
|
|
Text
1322007_Chapter4.pdf - Accepted Version Restricted to Repository staff only Download (1040Kb) |
|
|
Text
1322007_Conclusion.pdf - Accepted Version Download (211Kb) | Preview |
|
|
Text
1322007_Cover.pdf - Accepted Version Download (462Kb) | Preview |
|
|
Text
1322007_Reference.pdf - Accepted Version Download (328Kb) | Preview |
Abstract
Brain-controlled wheelchair merupakan assisting device untuk penderita disabilitas motorik yang dikendalikan dengan gelombang otak. Kenyamanan dan keamanan dari pengguna merupakan fokus pengembangan brain-controlled wheelchair. Pada tugas akhir ini dirancang sistem pengendali menggunakan EMG dan diintegrasikan dengan sistem pengendali EEG untuk meningkatkan akurasi pengendalian gerak Brain-controlled wheelchair. Penderita disabilitas yang masih mampu menggerakkan jari-jarinya dapat mengendalikan Brain-controlled wheelchair dengan jari jika tidak sesuai dengan perintah otak. Tugas akhir ini membahas perancangan dan implementasi pengolahan sinyal menggunakan Artificial Neural Network untuk klasifikasi perintah gerak Brain-controlled wheelchair. Pengolahan sinyal dibagi menjadi 3 bagian, yaitu pre-processing, ekstraksi ciri, dan klasifikasi. Tahap pre-processing menggunakan filter digital, FIR bandpass filter 10-500 Hz dan notch filter di 50 Hz untuk menghilangkan noise. Hasil preprocessing dilanjutkan pada tahap ekstraksi ciri berupa RMS, MAX, VAR, SD, dan MAV. Nilai ciri akan dikalkulasi dengan menggunakan Artificial Neural Network untuk menghasilkan perintah: maju, belok kanan, belok kiri dan berhenti. Sistem EMG berhasil diintegrasikan dengan sistem EEG brain-controlled wheelchair. Sistem EMG mampu mendeteksi gerak jari menjadi perintah gerak maju, belok kanan, belok kiri, dan berhenti. Pendeteksian memiliki akurasi rata-rata sebesar 72,5%.
| Item Type: | Thesis (Undergraduate) |
|---|---|
| Uncontrolled Keywords: | Brain-controlled wheelchair, Artificial Neural Network |
| Subjects: | T Technology > TK Electrical engineering. Electronics Nuclear engineering |
| Divisions: | Faculty of Engineering > 22 Electrical Engineering Department |
| Depositing User: | Perpustakaan Maranatha |
| Date Deposited: | 28 Mar 2018 04:55 |
| Last Modified: | 28 Mar 2018 04:55 |
| URI: | http://repository.maranatha.edu/id/eprint/24248 |
Actions (login required)
 |
View Item |
