Pengembangan Sistem Navigasi Gerakan pada Kursi Roda Eog Menggunakan Metode Random Forest untuk Mengurangi Kelelahan pada Mata dan Meningkatkan Pengalaman Pengguna

Rahman, Roma Imam (2026) Pengembangan Sistem Navigasi Gerakan pada Kursi Roda Eog Menggunakan Metode Random Forest untuk Mengurangi Kelelahan pada Mata dan Meningkatkan Pengalaman Pengguna. S1 thesis, Universitas Andalas.

	Text (01. cover abstrak) 01. cover abstrak.pdf - Published Version Download (259kB)
	Text (02. bab 1) 02. Bab 1.pdf - Published Version Download (239kB)
	Text (03. bab v (akhir)) 03. Bab v (akhir).pdf - Published Version Download (306kB)
	Text (04. Daftar Pustaka) 04. DAFTAR PUSTAKA.pdf - Published Version Download (353kB)
	Text (05. skripsi full) 05. skripsi full.pdf - Published Version Restricted to Repository staff only Download (1MB) | Request a copy

Abstract

Penyandang disabilitas adalah setiap orang yang mengalami keterbatasan fisik, intelektual, mental, atau sensorik dalam jangka waktu lama sehingga mengalami kesulitan dalam berinteraksi dengan lingkungan disekitar. Menurut World Health Organization (WHO) pada tahun 2023 diperkirakan 16% populasi dunia mengalami disabilitas berat termasuk disabilitas berjalan. Pentingnya alat bantu berjalan bagi penyandang disabilitas, membuat banyak peneliti mengembangkan alat bantu berupa kursi roda pintar. Salah satu pengembangannya, yaitu dengan memanfaatkan electrooculography (EOG) sebagai pengendali kursi roda, karena tidak terkendala dengan cacat tubuh. Namun penggunaan EOG pada kursi roda mengharuskan pengguna untuk terus-menerus melirik yang akan menyebabkan kelelahan pada mata. Sistem kursi roda ini memanfaatkan fitur puncak sinyal EOG dengan menggunakan metode Random Forest. Dalam penelitian ini menggunakan fitur polaritas sinyal EOG pada lirik kiri untuk berbelok ke kiri, lirik kanan untuk berbelok ke kanan, dan lirik bawah untuk mundur, serta fitur puncak sinyal untuk lirik atas, kedip sadar, dan kedip tidak sadar. Klasifikasi menggunakan metode random forest dengan akurasi sebesar 98,9% pada fitur puncak sinyal dan diujikan terhadap 10 responden. Hasil pengujian ketepatan pergerakan kursi roda menggunakan klasifikasi random forest diperoleh akurasi sebesar 98%.

Actions (login required)

View Item