Tesis

Analisis lebar langkah pada latihan berjalan pasien stroke menggunakan inertial measurement unit sensor berbasis metode artificial neural network / Wahyu Primadi

Abstrak
Pada penderita stroke salah satu masalah yang perlu mendapatkan perhatian adalah menurunnya kemampuan mobilitas untuk dapat melakukan aktivitas. Masalah-masalah yang ditimbulkan oleh stroke bagi kehidupan manusia pun sangat kompleks. Adanya gangguan-gangguan fungsi vital otak seperti gangguan koordinasi gangguan keseimbangan gangguan kontrol postur gangguan sensasi dan gangguan refleks gerak akan menurunkan kemampuan aktivitas fungsional individu sehari-hari termasuk diantaranya adalah fungsi berjalan individu. Salah satu parameter yang perlu diukur pada latihan berjalan pasien stroke adalah lebar langkah pasien. Lebar langkah dapat diukur berdasarkan jarak tumit ke tumit dan dapat digunakan untuk menentukan seberapa jauh pasien berjalan di setiap langkah. Dalam penelitian ini dua sensor Inertial Measurement Unit (IMU) dipasang pada kaki pasien untuk mengukur posisi kaki. Data sensor IMU dibaca oleh mikrokontroler setiap 0 01 detik. Ada beberapa tahapan yang dilakukan pada penelitian ini meliputi preprocessing sinyal ekstraksi fitur dan pemodelan prediksi. Pembacaan sinyal sensor IMU diolah terlebih dahulu dengan memfilter sinyal menggunakan filter Butterworth orde dua. Berdasarkan sinyal yang difilter fitur sinyal tersebut selanjutnya diekstrak. Ekstraksi fitur digunakan sebagai input dalam penelitian ini adalah puncak positif sinyal accelerometer 1 (X1) puncak positif sinyal gyroscope 1 (X2) sinyal puncak negatif accelerometer 1 (X3) puncak negatif sinyal gyroscope 1 (X4) puncak positif sinyal accelerometer 2 (X5) puncak positif sinyal gyroscope 2 (X6) puncak negatif sinyal accelerometer 2 (X7) puncak negatif sinyal gyroscope 2 (X8). Artificial Neural Network (ANN) kemudian digunakan untuk mengembangkan model klasifikasi untuk lebar langkah yang dikategorikan sebagai pendek sedang atau panjang. ANN yang digunakan dalam penelitian ini memiliki 8 neuron input 4 neuron hidden layer dan 3 neuron output. Hasil pengujian menggunakan metode holdout validation dengan data latih sebesar 90% dan data uji 10% tersebut mendapatkan hasil akurasi mencapai nilai 98 57%. Hasil ini merupakan akurasi cukup tinggi dan layak untuk diterapkan pada klasifikasi lebar langkah.

Informasi Detail

DDC

Rt 681.2 PRI a

Prodi

Universitas Negeri Malang. Program Studi Teknik Elektro, 2021.

Deskripsi Fisik

ix, 60 lembar : il. ; 30 cm.

Bahasa

Indonesia

No Reg

00024/KI/22

Edisi

Tesis (Pascasarjana)--Universitas Negeri Malang. 2021

Subjek

1. SENSOR - PASIEN STROKE
2. SENSOR - ARTIFICIAL NEURALNETWORK
3. SENSOR - STROKE PATIENT

Pembimbing

1. Ilham Ari Elbaith Zaeni ; 2. Anik Nur Handayani

Lampiran Berkas