Claim Missing Document
Check
Articles

Found 2 Documents
Search
Journal : Jurnal Teknologi dan Sistem Komputer

Navigasi robot bergerak berdasarkan landmark garis menggunakan kontroler Braitenberg dan pengolahan citra Ali Rizal Chaidir; Gamma Aditya Rahardi; Khairul Anam
Jurnal Teknologi dan Sistem Komputer Volume 8, Issue 3, Year 2020 (July 2020)
Publisher : Department of Computer Engineering, Engineering Faculty, Universitas Diponegoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.14710/jtsiskom.2020.13643

Abstract

Line following and lane tracking are robotic navigation techniques that use lines as a guide. The techniques can be applied to mobile robots in the industry. This research applied the Braitenberg controller and image processing to control and obtain line information around the mobile robot. The robot was implemented using Arduino Uno as a controller. A webcam was connected to a computer that performs image processing using canny edge detection and sends the data to the robot controller via serial communication. The robot can navigate on the side of the line, and the success rate of the system is 100 % at a turn of 135 ° and 80 % at a turn of 90 °.
Peramalan kekuatan gerak tangan menggunakan Extreme Learning Machine untuk terapi pasca-stroke Khairul Anam; Ali Rizal Chaidir; Fahrul Isman
Jurnal Teknologi dan Sistem Komputer Volume 9, Issue 2, Year 2021 (April 2021)
Publisher : Department of Computer Engineering, Engineering Faculty, Universitas Diponegoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.14710/jtsiskom.2021.13844

Abstract

Stroke atau Cerebrovascular Accident (CVA) dapat menyebabkan kelemahan pada salah satu bagian sisi tubuh termasuk anggota gerak atas, seperti tangan, sehingga diperlukan rehabilitasi untuk mengembalikan fungsi dari tangan. Rehabilitasi yang dilakukan sebaiknya juga dapat mengukur kekuatan dari gerakan yang dilakukan. Artikel ini bertujuan untuk melakukan peramalan kekuatan gerakan berdasarkan sinyal Electromyography (EMG) menggunakan metode Extreme Learning Machine (ELM). Tahapan yang dilakukan meliputi pengumpulan data sinyal EMG dan kekuatan gerakan, pre-processing data dan ekstraksi fitur data menggunakan berbagai fitur ekstraksi, penerapan ELM untuk peramalan kekuatan berdasarkan sinyal EMG, dan penerapan model yang dibuat pada robot terapi stroke. Evaluasi model peramalan dilakukan dengan mengukur Mean Squared Error (MSE). Nilai rata-rata MSE terbaik pada pengujian offline adalah 1,77, sedangkan pada pengujian real-time sebesar 0,79. Nilai MSE yang kecil menunjukkan bahwa model yang dibuat sudah cukup baik. Pergerakan robot berdasarkan nilai kekuatan yang dilakukan sudah dapat bergerak dengan baik.