Jusuf, Julianto (2025) Implementasi machine learning pada exoskeleton untuk menggerakkan motor berdasarkan klasifikasi sinyal EMG dan pembacaan sudut siku. Skripsi thesis, Politeknik Kesehatan Kemenkes Surabaya.
![[thumbnail of 1. Cover.pdf]](http://repo.poltekkes-surabaya.ac.id/style/images/fileicons/text.png) |
Text
1. Cover.pdf Download (604kB) |
|
Text
2. Halaman Persetujuan Pembimbing.pdf Restricted to Repository staff only Download (194kB) |
|
Text
3. Halaman Pengesahan Penguji.pdf Restricted to Repository staff only Download (238kB) |
|
Text
4. Surat Pernyataan Orisinalitas.pdf Restricted to Repository staff only Download (205kB) |
|
Text
5. Abstrak.pdf Download (284kB) |
|
Text
6. Kata Pengantar.pdf Restricted to Repository staff only Download (198kB) |
|
Text
7. Daftar Isi.pdf Download (306kB) |
|
Text
8. Daftar Gambar.pdf Download (243kB) |
|
Text
9. Daftar Tabel.pdf Download (238kB) |
|
Text
10. Daftar Bagan.pdf Download (176kB) |
|
Text
11. Daftar Singkatan.pdf Download (175kB) |
|
Text
12. Daftar Lampiran.pdf Download (235kB) |
|
Text
13. Bab 1.pdf Restricted to Repository staff only Download (313kB) |
|
Text
14. Bab 2.pdf Restricted to Repository staff only Download (733kB) |
|
Text
15. Bab 3.pdf Restricted to Repository staff only Download (1MB) |
|
Text
16. Bab 4.pdf Restricted to Repository staff only Download (1MB) |
|
Text
17. Bab 5.pdf Restricted to Repository staff only Download (485kB) |
|
Text
18. Bab 6.pdf Restricted to Repository staff only Download (278kB) |
|
Text
19. Daftar Pustaka.pdf Download (273kB) |
|
Text
20. Lampiran.pdf Restricted to Repository staff only Download (1MB) |
|
Text
21. Artikel.pdf Restricted to Repository staff only Download (764kB) |
Abstract
Stroke merupakan salah satu penyebab utama kecacatan di dunia yang sering menimbulkan gangguan pada fungsi motorik lengan. Penelitian ini bertujuan untuk merancang dan mengimplementasikan sebuah exoskeleton rehabilitasi yang mampu digerakkan berdasarkan klasifikasi sinyal EMG menggunakan machine learning dan pembacaan sudut siku untuk membantu proses terapi pasien stroke. Exoskeleton ini dibuat menggunakan bahan hasil pencetakan 3D (3D printing) yang ringan dan ergonomis. Kontribusi utama dari penelitian ini meliputi pengembangan sistem rehabilitasi exoskeleton yang mengintegrasikan klasifikasi sinyal EMG secara real- time menggunakan mikrokontroler ESP32, serta pengendalian motor pada exoskeleton dalam dua mode, yaitu unilateral dan bilateral. Sistem ini mengandalkan sensor EMG untuk sinyal otot, sensor IMU (MPU6050) untuk sudut siku, dan load cell untuk mendeteksi gaya. Data sinyal EMG kemudian melalui proses ekstraksi ciri statistik (VAR, WL, IEMG, RMS), dilanjutkan dengan pelatihan model klasifikasi menggunakan metode Random Forest, Decision Tree, SVM, dan XGBoost. Model dikonversi ke format micromlgen agar dapat dijalankan langsung di ESP32. Penelitian ini diuji pada tiga puluh responden laki-laki berusia 20–25 tahun dengan berat badan 50–85 kg. Hasil pengujian menunjukkan bahwa seluruh model mampu mencapai akurasi klasifikasi 100% untuk membedakan kondisi rileks dan genggam. Korelasi sudut antar ESP32 unilateral dan bilateral sebesar 0,9469 menunjukkan akurasi pembacaan gerakan yang konsisten. Model Decision Tree dipilih untuk implementasi karena efisiensi penggunaan memorinya. Penelitian ini membuktikan bahwa sistem yang dikembangkan dapat digunakan sebagai solusi awal untuk alat bantu rehabilitasi berbasis wearable yang praktis dan terintegrasi.
| Item Type: | Thesis (Skripsi) |
|---|---|
| Contributors: | Contribution Contributor NIDN/NIDK UNSPECIFIED Triwiyanto, Triwiyanto nidn4002057301 UNSPECIFIED Bedjo, Utomo nidn4013106501 |
| Additional Information: | 11SKR20250029 |
| Uncontrolled Keywords: | Exoskeleton, Machine Learning, EMG, ESP32, Rehabilitasi Stroke |
| Subjects: | R Medicine > Medical Electronics > Biomedical Engineering |
| Divisions: | Poltekkes Kemenkes Surabaya > Jurusan Teknologi Elektromedik > Program Studi Sarjana Terapan Teknologi Rekayasa Elektro-medis |
| Depositing User: | Shirly Qurrota Ainy |
| Date Deposited: | 16 Apr 2026 03:29 |
| Last Modified: | 16 Apr 2026 03:29 |
| URI: | http://repo.poltekkes-surabaya.ac.id/id/eprint/11743 |
Actions (login required)
 |
View Item |