STUDI KLASIFIKASI TUJUH GERAKAN TANGAN SINYAL ELECTROMYOGRAPHY (EMG) MENGGUNAKAN METODE PATTERN RECOGNITION

Mohamad Irfan (Mahasiswa Jurusan Teknik Mesin, Fakultas Teknik, Universitas Diponegoro)
Wahyu Caesarendra (Dosen Jurusan Teknik Mesin, Fakultas Teknik, Universitas Diponegoro)
Mochammad Ariyanto (Dosen Jurusan Teknik Mesin, Fakultas Teknik, Universitas Diponegoro)

JURNAL TEKNIK MESIN
Vol 4, No 3 (2016): VOLUME 4, NOMOR 3, JULI 2016

Pada studi ini, sinyal EMG diproses menggunakan 16 features extraction domain – waktu untuk mengklasifikasikan gerakan tangan seperti tripod, power, precision closed, finger point, mouse, hand open, dan hand close. 16 fitur dari masing – masing sinyal EMG dari gerakan tangan tersebut direduksi menggunkan principal component analysis (PCA) untuk mendapatkan satu set fitur baru yang memberikan informasi yang lebih kompek. Pattern recognition dari fitur baru tersebut diklasifikasikan menggunkan support vector machine (SVM). Pattern recognition digunakan pada masing – masing subjek dan menghasilkan persentase training  dan testing. Berdasarkan SVM training dan testing yang dihasilkan, sinyal EMG dari gerakan tangan sukses diklasifikasikan dan akurasi dari klasifikasi mencapai 80% - 86%.