Implementasi Kendali Adaptif Kursi Roda Berbasis Gerakan Tubuh dengan Kalibrasi Personal Menggunakan SVM dan K-NN

Ad'ha, Zahid Dwi Putra (2026) Implementasi Kendali Adaptif Kursi Roda Berbasis Gerakan Tubuh dengan Kalibrasi Personal Menggunakan SVM dan K-NN. S1 thesis, Universitas Andalas.

	Text (01. Cover & Abstrak) 01. Cover & Abstrak.pdf - Published Version Download (229kB)
	Text (02. BAB I) 02. BAB I.pdf - Published Version Download (207kB)
	Text (03. BAB V) 03. BAB V.pdf - Published Version Download (163kB)
	Text (04. Daftar Pustaka) 04. Daftar Pustaka.pdf - Published Version Download (203kB)
	Text (05. Skripsi Fulltext) 05. Skripsi Fulltext.pdf - Published Version Restricted to Repository staff only Download (3MB) | Request a copy

Abstract

Mobilitas merupakan aspek penting dalam menunjang kemandirian penyandang disabilitas. Namun, sistem kendali kursi roda elektrik berbasis joystick masih sulit digunakan oleh pengguna yang memiliki keterbatasan fungsi motorik pada tangan. Penelitian ini bertujuan mengimplementasikan sistem kendali adaptif kursi roda berbasis gerakan tubuh menggunakan sensor inersia dengan mekanisme kalibrasi personal, menganalisis performa metode Support Vector Machine (SVM) dan K-Nearest Neighbor (K-NN) dalam mengklasifikasikan gerakan tubuh sebagai perintah kendali, mengevaluasi performa kedua metode pada implementasi kursi roda tanpa kalibrasi personal, serta menganalisis pengaruh penerapan kendali adaptif melalui kalibrasi personal. Sistem menggunakan tiga sensor MPU6050 untuk memperoleh data orientasi berupa pitch, roll, dan yaw. Sebelum proses klasifikasi, dilakukan kalibrasi personal dengan merekam lima gerakan, yaitu diam, maju, mundur, belok kiri, dan belok kanan sebagai acuan normalisasi menggunakan Min-Max Scaling, sehingga sistem dapat menyesuaikan karakteristik gerakan setiap pengguna. Data yang telah dinormalisasi kemudian diklasifikasikan menggunakan metode SVM dan K-NN serta diimplementasikan pada kursi roda elektrik. Hasil penelitian menunjukkan bahwa metode SVM memperoleh akurasi klasifikasi sebesar 98,79%, lebih tinggi dibandingkan metode K-NN sebesar 97,58%. Pada implementasi tanpa kalibrasi personal, metode SVM memperoleh tingkat keberhasilan sebesar 94,66%, sedangkan metode K-NN sebesar 92,66%. Setelah diterapkan kendali adaptif berupa kalibrasi personal, tingkat keberhasilan meningkat menjadi 96,66% untuk SVM dan 94,00% untuk K-NN. Hasil tersebut menunjukkan bahwa kalibrasi personal mampu meningkatkan performa sistem dengan menyesuaikan karakteristik gerakan setiap pengguna, sementara metode SVM memberikan performa yang lebih baik dibandingkan dengan K-NN baik pada tahap klasifikasi maupun implementasi kursi roda.

Actions (login required)

View Item