Penggunaan Kernel SVM untuk Klasifikasi Pergerakan Jari Mengunakan Sinyal EMG
DOI:
https://doi.org/10.35143/elementer.v7i2.5146Abstrak
Biomekanik merupakan sebuah bidang ilmu yang mempelajari pergerakkan makhluk hidup, khususnya manusia. Pada ilmu tersebut dikenal adanya suatu sinyal yang dinamakan electromyography (EMG). EMG adalah suatu sinyal listrik yang berasal dari otot manusia. Sinyal ini banyak digunakan sebagai media pengendali, salah satunya adalah robot tangan. Penelitian ini bertujuan untuk mengklasifikaikan pola pergerakkan jari manusia. Sebuah sensor Myo Armband digunakan untuk mendeteksi sinyal EMG. Sensor ini diletakkan pada lengan bawah tangan kanan subjek untuk mendapatkan sinyal EMG. Sebagian data digunakan untuk pelatihan sedangkan sisanya digunakan untuk klasifikasi. Data kemudian melalui proses PCA kemudian dicoba dengan kernel-kernel SVM. Hasil yang didapat bahwa kernel SVM Polinomial mampu mengklasifikasi lebih baik dari kedua kernel yg lain. Dimana Polinomial mampu mengenali pola sebesar 92%, sedangkan Gausian 80% dan linear hanya 53%.Unduhan
Diterbitkan
Terbitan
Bagian
Lisensi
Hak Cipta (c) 2021 Daniel S Pamungkas
Artikel ini berlisensiCreative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
Authors who publish with this journal agree to the following terms:
a. Authors retain copyright and grant the journal right of first publication with the work simultaneously licensed under a Creative Commons Attribution License that allows others to share the work with an acknowledgement of the work's authorship and initial publication in this journal.
b. Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal's published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgement of its initial publication in this journal.
c. Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work.
This work is licensed under a Creative Commons Attribution 4.0 International License.
