Sistem Deteksi Kelelahan Otot Bisep Berbasis Sinyal Elektromiografi Dengan Klasifikasi Support Vector Machine

Alivian Syah, Sulung (2026) Sistem Deteksi Kelelahan Otot Bisep Berbasis Sinyal Elektromiografi Dengan Klasifikasi Support Vector Machine. Skripsi thesis, ITN MALANG.

	Text Bagian Awal.pdf Available under License Creative Commons Attribution Non-commercial Share Alike. Download (485kB)
	Text BAB I.pdf Available under License Creative Commons Attribution Non-commercial Share Alike. Download (185kB)
	Text BAB II.pdf Restricted to Registered users only Available under License Creative Commons Attribution Non-commercial Share Alike. Download (628kB) | Request a copy
	Text BAB III.pdf Restricted to Registered users only Available under License Creative Commons Attribution Non-commercial Share Alike. Download (650kB) | Request a copy
	Text BAB IV.pdf Restricted to Registered users only Available under License Creative Commons Attribution Non-commercial Share Alike. Download (328kB) | Request a copy
	Text BAB V.pdf Restricted to Registered users only Available under License Creative Commons Attribution Non-commercial Share Alike. Download (185kB) | Request a copy
	Text Daftar Pustaka.pdf Available under License Creative Commons Attribution Non-commercial Share Alike. Download (174kB)
	Text Lampiran.pdf Restricted to Registered users only Available under License Creative Commons Attribution Non-commercial Share Alike. Download (1MB) | Request a copy
	Text Jurnal.pdf Available under License Creative Commons Attribution Non-commercial Share Alike. Download (801kB)

Abstract

Kelelahan otot bisep akibat aktivitas fisik yang berlebihan dapat meningkatkan risiko cedera, sehingga diperlukan suatu sistem pemantauan yang objektif dan responsif. Penelitian ini bertujuan merancang bangun sistem akuisisi data Surface Electromyography (sEMG) secara real-time menggunakan sensor AD8221 dan mikrokontroler ESP32, serta mengimplementasikan algoritma Support Vector Machine (SVM) untuk mengklasifikasikan kondisi otot pada fase "Segar" dan "Lelah". Sinyal sEMG diamankan melalui rangkaian pembagi tegangan dengan galat 3,12% dan dicuplik pada frekuensi 993,4 Hz guna mencegah fenomena aliasing. Tahap pemrosesan sinyal menerapkan segmentasi window 200 ms, normalisasi Maximum Voluntary Contraction (%MVC), dan ekstraksi lima fitur domain waktu (RMS, MAV, VAR, WL, Slope). Evaluasi SVM ber-kernel RBF mencapai akurasi pengujian 69,39% dengan Cross-Validation 68,89%. Implementasi real-time yang dioptimasi dengan metode majority voting terbukti efektif meredam noise. Sistem menunjukkan tingkat responsivitas tinggi, dibuktikan dari rata-rata galat waktu deteksi kelelahan yang hanya 8,36% terhadap kondisi aktual subjek uji. Sistem ini dinilai andal sebagai instrumen pemantauan otot.

Item Type:	Thesis (Skripsi)
Additional Information:	Sulung Alivian Syah (2212045)
Uncontrolled Keywords:	Surface Electromyography, ESP32, Kelelahan Otot, Fitur Domain Waktu, Support Vector Machine.
Subjects:	Engineering > Electrical Engineering
Divisions:	Fakultas Teknologi Industri > Teknik Elektro S1 > Teknik Elektro S1(Skripsi)
Depositing User:	Sulung Alivian Syah
Date Deposited:	03 Sep 2026 05:44
Last Modified:	03 Sep 2026 05:44
URI:	http://eprints.itn.ac.id/id/eprint/16574

Actions (login required)

View Item