HUMAN MACHINE INTERFACE BERBASIS ELECTROOCULOGRAPHY UNTUK KONTROL ALTERNATIF KURSI RODA MENGGUNAKAN BACK PROPAGATION NEURAL NETWORK

Illa, Aryeni (2020) HUMAN MACHINE INTERFACE BERBASIS ELECTROOCULOGRAPHY UNTUK KONTROL ALTERNATIF KURSI RODA MENGGUNAKAN BACK PROPAGATION NEURAL NETWORK. Masters thesis, Universitas Andalas.

Preview	Text (Cover dan Abstrak) 01. Cover dan Abstrak.pdf - Published Version Download (99kB) | Preview
Preview	Text (Bab 1. Pendahuluan) 02. Bab I Pendahuluan.pdf - Published Version Download (205kB) | Preview
Preview	Text (Bab 5. Kesimpulan dan Saran) 03. Bab V Kesimpulan dan Saran.pdf - Published Version Download (42kB) | Preview
Preview	Text (Daftar Pustaka) 04. Daftar Kepustakaan.pdf - Published Version Download (216kB) | Preview
	Text (Tesis Full Text) 05. Tesis Full Text.pdf - Published Version Restricted to Repository staff only Download (10MB)

Abstract

Penyandang disabilitas dan orang lanjut usia yang memiliki keterbatasan fisik dalam melakukan aktifitas gerak dan berjalan sangat membutuhkan alat bantu rehabilitasi yaitu kursi roda. Namun kursi roda manual maupun kursi roda elektrik tidak dapat memenuhi kebutuhan pengguna yang menderita disfungsi motorik parah yang hanya bisa menggerakkan bagian tubuh di atas bahu, karena disebabkan oleh penyakit seperti diplegia, paraplegia, quadriplegia dan parkinson. Oleh karena itu, diperlukan perkembangan teknologi kursi roda yaitu kursi roda pintar (smart wheelchair) dengan menerapkan teknologi Human Machine Interface (HMI) dan teknik Electrooculography (EOG). Pada penelitian ini, HMI telah dipelajari secara intensif untuk mengontrol kursi roda menggunakan sinyal EOG yang dihasilkan oleh kontrakasi otot mata dari pergerakan mata ke kanan, ke kiri, ke bawah, ke atas dan berkedip. Sinyal EOG dapat dikenali dengan proses feature extraction, sehingga setiap pergerakan mata dapat dideteksi. Sinyal EOG diklasifikasikan menjadi 5 kelas gerakan dengan menggunakan metode Back Propagation Neural Network. Setiap pergerakan mata yang dilakukan oleh pengguna akan mempresentasikan arah dan jarak pergerakan kursi roda. Berdasarkan hasil pengujian, sistem telah mampu mendeteksi pergerakan mata. Dari total 1176 data uji, pengujian gerakan kanan diperoleh error sebesar 3,404 %, pengujian gerakan kiri diperoleh error sebesar 4,762 %, pengujian gerakan bawah diperoleh error sebesar 2,041 % dan pengujian gerakan atas diperoleh error sebesar 0,6803 %. Hasil penelitian telah mengotentifikasi kemampuan sistem yang diterapkan. Teknologi HMI menunjukkan harapan besar untuk menyediakan jalur komunikasi langsung antara tubuh manusia dan alat bantu rehabilitasi dengan menerjemahkan sinyal tubuh ke dalam perintah kontrol. Dengan demikian, teknologi HMI berbasis EOG ini dapat menjadi pilihan alternatif untuk teknik pengontrolan kursi roda dan alat bantu rehabilitasi lainnya.

Actions (login required)

View Item