KENDALI EKSOSKELETON LENGAN

Keywords

Exoskeleton
Stroke
Machine Learning
Ekstraksi Fitur
Mel-Frequency Cepstral Coefficient
Zero-Crossing Rate

How to Cite

Bahtiar, I., Yulianto, E., & Rahmawati, T. (2021). KENDALI EKSOSKELETON LENGAN. Prosiding Seminar Nasional Kesehatan Poltekkes Kemenkes Surabaya 2020, 2(1). Retrieved from http://semnas.poltekkesdepkes-sby.ac.id/index.php/2020/article/view/255

Abstract

Dalam bidang medis exoskeleton dapat membantu proses rehabilitasi dari stroke ataupun cedera tulang belakang, sehingga diperlukan sistem kendali yang lebih baik. Tujuan penelitian ini yaitu mengembangkan kendali eksoskeleton lengan menggunakan pengenalan pola suara melalui Machine Learning dengan perintah “Naik” dan “Turun”. Keuntungan dari metode yang diusulkan adalah sistem kendali yang sederhana dengan menggunakan perintah suara. Hal ini dicapai dengan membandingkan hasil dari dua ekstraksi fitur Mel-Frequency Ceptral Coefficient (MFFC) dan Zero-Crossing Rate (ZCR) untuk mendapatkan akurasi terbaik. Pengembangan eksoskeleton lengan ini terdiri dari desain lengan 3D, microphone, Raspberry pi 4 B+, USB soundcard 7.1, driver motor L298N, dan linier actuator. Microphone digunakan untuk merekam sinyal suara dan disimpan dalam format wav. Selanjutnya data di ekstraksi fitur menggunakan program Phyton baik untuk MFCC maupun ZCR dan disimpan dalam format csv. Kemudian data dilakukan training menggunakan lagoritma machine learning untuk mendapatkan model machine learning yang akan ditanamkan pada Raspberry pi. Raspberry pi akan melakukan klasifikasi perintah yang diberikan dan driver motor L298N akan memberikan logika High-Low untuk menggerakan linear aktuator sesuai dengan perintah yang diberikan. Dari penelitian ini, didapatkan hasil akurasi sukses pada perintah “Naik” sebesar 86% dan perintah “Turun” sebesar 74%. Penelitian ini menunjukkan desain kendali eksoskeleton lengan melalui perintah suara menggunakan machine learning. Untuk kedepannya pengembangan ini dapat diaplikasikan untuk membantu proses rehabilitasi pasien stroke secara langsung.