Sinyal Electromyograph adalah salah satu sinyal penting yang
menunjukan aktifitas otot manusia, sedangkan untuk merekam data
sinyal EMG yang mempunyai karakteristik amplitude cukup kecil (0 –
10 mV) dan frekuensi pada range 20 – 500 Hz Diperlukan rangkaian
pendukung seperti penguat differential, filter low pass, high pass dan
notch filter. Sinyal EMG yang dihasilkan oleh sebuah instrumentasi
EMG memerlukan beberapa analisa yang membuktikan bahwa yang
diperoleh adalah sinyal EMG bukan noise. Untuk menganalisa sinyal
EMG dalam kawasan frekuensi digunakan (Discrete Fourier Transform)
DFT dan (Mean Power Frequency) MPF. Dari penelitian ini diperoleh
nilai MPF pada otot Triceps brachii untuk gerakan Elbow Flexion
sebesar 75,156 Hz sedangkan gerakan Elbow Extension sebesar 65,069
Hz, gerakan Elbow Supination sebesar 27,627 Hz, gerakan Elbow
Pronation sebesar 47,659 Hz. Dari keempat data MPF diatas
membuktikan bahwa Instrumentasi EMG telah berfungsi merekam data
sinyal EMG yang berada pada frekuensi 20 – 500 Hz. Hasil dari MPF
dan MDF ini akan menjadi input pada proses pengenalan pola dengan
menggunakan Neural Network multiperceptron dengan metode
Backpropagation. Dari penelitian ini didapatkan tingkat akurasi
mencapai 66,66% yang dicoba secara offline dengan data yang sama
dipakai untuk proses learning.
Kata Kunci : Sinyal Electromyograph, Elbow Joint, Penguat Instrumentasi,
Rangkaian Filter, Discrete Fourier Transform (DFT), Mean Power Frequency
(MPF), NN, Neural Network, Backpropagation.

wpChatIcon
EnglishIndonesian