<![CDATA[Asia Tenggara mencatat jumlah penyandang disabilitas yang signifikan, dengan Indonesia mencapai sekitar 28,5 juta individu. Tantangan aksesibilitas dan mobilitas masih sangat besar, khususnya dalam pengembangan lengan prostetik bionik yang dirancang untuk meniru gerakan tangan manusia. Salah satu solusi inovatif dalam teknologi ini adalah pemanfaatan wearable electromyography armband sensor, seperti Oymotion Force200 Gesture Armband, yang mampu merekam aktivitas otot secara real-time untuk mengendalikan lengan prostetik. Namun, kualitas sinyal EMG yang dihasilkan sering kali terpengaruh oleh noise, sehingga memerlukan proses penyaringan untuk meningkatkan akurasi dan efektivitas kontrol. Dalam konteks ini, penelitian ini bertujuan untuk mengevaluasi dan membandingkan tiga jenis filter sinyal EMG, yaitu Butterworth IIR, Gaussian Smoothing, dan Eksponensial, guna menentukan metode terbaik dalam mengoptimalkan kualitas sinyal untuk kontrol prostetik yang lebih responsif dan alami. Dengan memanfaatkan sensor Oymotion Force200 Gesture Armband, sinyal EMG berhasil diambil dan dilakukan penyaringan untuk mengurangi interferensi menggunakan filter. Setelah proses penyaringan, sinyal dievaluasi menggunakan Support Vector Machine (SVM) classifier pada sepuluh variasi gerakan tangan yang dilakukan oleh lima subjek berbeda. Analisis dimulai dengan menilai kualitas sinyal berdasarkan Signal-to-Noise Ratio (SNR), kemudian meluas ke aspek lain, seperti waktu pemrosesan dan penggunaan memori. Hasil penelitian menunjukkan bahwa Gaussian Smoothing unggul dalam mengurangi noise, menghasilkan SNR yang lebih tinggi dibandingkan metode penyaringan lainnya. Karakteristik utama sinyal tetap terjaga dengan baik, sebuah temuan penting. Waktu pemrosesan menggunakan filter Gaussian Smoothing tercatat sebagai yang tercepat, rata-rata 1867 mikrodetik, sementara penggunaan memori sebanding dengan filter lainnya. Dengan demikian, Gaussian Smoothing dapat dianggap sebagai pilihan terbaik dalam pengolahan sinyal EMG, sekaligus meningkatkan kualitas sinyal dan efisiensi kontrol pada lengan prostetik bionik. Hasil ini menjadi langkah penting dalam pengembangan teknologi prostetik yang lebih canggih dan responsif]]>
