....:"
*F=T
::::::..::::!:::!:::.:i.i::::j::::::::.::::::i:::::::i+
;::;:,;;i;t:;;i;;:i:t:i;1;i.
trI,ffc
143' Semintrr nn lnrulligffint Tmrhnr:lngg And lts Appli*eitinnr ISEN , e33H-8fie3
PuerrsHED BY Electrical Engineerin g Department Faculty of Industrial Technology
Institut Teknologi Sepuluh Nopernber (lTS) ITS Carnpus, Keputih, Sukolilo Surabaya 601 I I
rssN 2338-2423
The 14'h Seminar on Intelligent Technology and Its Applications Copyright O 2013 by Electrical Engineering Department, Institut Teknologi Sepuluh Nopernber
All rights reserved. No part of this book, rnay
be reproduced, stored, or transmitted, in any
fonns or by any means without the prior permission in writing {rom the publisher.
MaH,
IS*eBl3 &t .,\-I's
Ct*i*lt*al.
[:]r-.{:il. {rf [],R:]trs:i:* I,l L]{ ffii{irrt [ii*r4r.x lrciartJ Jt l'#kr*;*:fi1 $r3x.f*i-r N:rt:,.ai1l}Ir
5{}id}**1. hl.!n{.hrr
And lrs ApplitratirE
FnOCTEDINGS oF THE 14rH SEnaWaR oN
INrrUIGmt
TscnNoLoGY AI{D Irs ApPLICATIoNS E,DITOR-IN-CHIEF Dr. Dedet C- Riawan, ST', M'Eng' E-mail : tledet.riawan@ee'its'ac'id
SECRETARY Dr. Ir. YoYon K' SuPraPto, M'Sc' E-mail : yoyonsuprapto@,ee'its'ac'id
EDITORIAL COORDINATORS Computer Engineering and Telematics I l{etut Eddy Purnama, ST", Ml", Ph't) E-mail : ketut@ee'its'ac'id Muhtadin, ST., MT' E-mail : muhtadin-s@elect-eng'its'ac'id
Telecommunication Dr. Achmad Mauludilantct E-mail : maulud@ee-its-ac-id Devy Kuswidiastuti, ST-. II.SG' E-mail :
[email protected]'ac'id
Control SYstem
Electronics
Dr. lr. M. Rameli E-mai I :
[email protected]:c'ful Dr. TrihastutiAgustinah' ST* It[I E-mail : trihastuti@ee-its-acjdl
Dr. Ir. Djoko Furwanto, M'Eng' E-mail : djoko@ee'its'ac'id Ir. Totok Mujiono, MI'Kom E-mail : totok-rn@ee'its'ac'id
Power SYstem Dr. Eng. I Made Yulistya Negara, ST', M'Sc' E-mail : YulistYa@ee'its'ac'id Dr. Dimas Anton Asfani, ST', MT' E-mail :
[email protected]'id
EDITOzuAL ADVISORY BOARD Dr. TriArief Sardjono, ST', MT' Head otl Department of Electrical Enginering Institut Teknologi Sepuluh Nopember (ITS)' Surabaya g-mail : t.a. sardjono@ee'its'ac' id
year SITIA's Proceeding is published once every
i#fWWffiW"I.W,:Me.W.Wffi
*ffi:1!-ffi,l{i
t"' *"
ll
: q 1
MaU,
lE*e$3Ehdrd
Ar. AJ'.i Ell.xl[}{tl-
uest. Gr
'h-
.,il.iZ='
'nr l!i:- Sslr"rinnr fin
lntfil'lir"fi?rlr.
l-lirhrl;,1ffill; Ani:J lts AJ:plit":r:tinn:= t55N , e3lE-efia3
CoH,rnarrrEE oF
* -;.lr.r
:
SITIA 2013
Chainnan:
n* lr ,: Tril,ogi Yurvono, DEA 4 r-- . : institut Teknologi Sepuluh Nopember (ITS) .;:".:al Chainlan: - - ;iil ('.
Riarvatt
-:;irnical Committee: r* , Dr. \lohammad Nuh (lTS), :*
:
Dr. Soebagio (tI'S
Dr. I KetLrt Eddy Purnama (ITS), Dr. M. Rameli (l't'S), Dr. Wirawan (lTS), Dr. Ari Santoso (lTS), Dr. Djoko PLrrwanto (lTS), Dr. Achmad Atfandi (lTS),
),
:-- " Dr. Ontoseno Penangsang (lTS), r* ,-. Dr. N{auridhi Hery Purnomo (lTS). :-.
:
Dr. Abdullah Alkaff(lTS), Dr. Achmad Jazidie (lTS), ::.'i. Dr. Moh. Ashari (lTS), r*:.:-. Dr. Imarn Robandi (lTS), l:.,r, Dr. Adi Soeprijanto (lTS), .-':..i-. Dr. Gamantyo Hendrantoro (lTS). ?:rl. ida A,vu Giriantari (I-NUD" Bali). ll:. Hanny H. TLunbelaka (UK Petra, Surabaya), lrr..{, M. Shiddiq Yunus (PNUP, Makassar), )r. "\gus Ulinuha (UMS. Surakarta), lr. Parachai J. (Sripatum Univcrsity, Thailand), Dr. Pei Yi Lim (UTS-Malaysia), Dr. Ahrnad A. Setiawan (UGM, Yogyakarta). Dr. Margo Pujiantara (lTS), Dr. Heri Suryoatmojo (lTS), Dr. Surya Sr-nnpeno (lTS),
::
- :-.
Organizing Comrnittee
S.
\icolausRadianputra RendliiMaulana \ezr,a Nabilla
Raclrma Prilian
Hamada
Fanniesha Cindera Gana
M. Imam Rahmat
\loch Nurul Huda
Habib Ibnu Ni Wayan Yr"rliastuti Annisa Endarwati
Gede Bayu
Aldhimas Satria
Rahman Cahyadi
Widhayaka Adi C. Gary Almas Ilham Laenur Hikmat Agung Adi Pratama Ilham Budiono Surya Putra Prawira Arief Budi Ksatria
Chatld Prahadi
AnifatulFaricha
Arief Rahman Sondang Sentosa
S.
Nancy Ardelina
Hikmah Miladiyah Wahyr Drvi S.
MaH,
Dr. Tri Arief Sarjono (lTS), Dr. Yoyon K. Suprapto (lTS), Dr. Achmad Mauludiyanto (lTS), Dr. Dedet Candra Riawan (lTS), Dr. Ardl'orro P. (lTS). Dr. Suwadi (lTS), Dr. Trihastuti Agustinah (ITS), Dr. Rony Seto (tTS), Dr. Eko Setiiadi (lTS). Dr. Dimas Anton Asfani (lTS), Dr. Ronny Mardi,vanto (tTS)
:
Annisa Riani
Shandv Baskoro
Dr. Achmad Ariiln (tTS), Dr. M. Rivai(lTS), Dr. Moch. Hariadi (lTS),
IS*enl3
.\r \J* ilt ![lu],1. lft,lrl rr! I i,,l,tr,,l I th-:,r.trilul l,!!rl{tlrHf lti.rt lii!$ll:j,[1] SE]r.t,.*1 \{1I]r3l'f]rir
Randi Sibuea Denny Novian
Radi Susetyo
Arie Aritin Aufar Gusviandi Luvy Arfendi
P
Bagas Prasetyii Annisaa Taradini
Fauzul Akbar Dwi Haryanto
Amin Danar N.
Revan Arwisi M. Fasih Muban'ok
Alif
Ridwan Maulana Ahmad Ginanjar W. Akhmad Sudaryono Yosua Pandapotan P.
Syaiful Arif Nungki Dian S. D.
Lucky Andika Nor Ain Firdaus Vigor Aryaditya Charisma Vian
Idrus Fathul Moch. Ade Arta
Roy Fachri lrawan Edward Lumenta
Arif
Rahartomo
Adi Prasetiyawan
,::::::::i::::.=l$!fiktil.,ill@.
lll
lljj
;'j,
:.:
l)ltitltNWttttt
::::
qFrnitlflr *rr lnr.nltrig;ffnt ,.Trl"hnnlmr;q And ltr Applirmt"inr:= IEqN , e33Er-ALle',X :...
"h
P,".
;l1:;:; ,i:.1
In
:::::: .. : :::::.i!..tLr"/!i!n:l;.N//l1i
|
|
it,\f:.;/..,.4i.
t+q l- rnder \ oltages Load Shedding Based on Catastrophe Theory Vlethod for >rn r-ebir1 a Electrical Distribution Systems - -:. Fajar Uman P., Fitriana Suhartati, A. Budinran, Ontoseno Penangsang, Adi
i
ER.
'
144
.::::jento
P+pEn
Io
toq \liran Optimal lvlempertimtrangkan El'ek Katub Bahan Bakar di Sistem l*ra Bali 500 kV Menggunakan metode PSO 3--.nr Seto Wibolvo, lbrahim Anwar, Adi Soeprijanto, Ontoseno Penangsang
' Daya
P.rprR In, tzz \ oltage-Based Control of Grid-Connected Buck-Boost Inverter for SEIG Variable
151
Speed WECS Dedet Ci. Riarvan, Teguh Yuwono, Sjamsjul Anam
t51
Cnapru,R III. ErrgcrnoNICS
165
Papnn Io ot:
' Perhitungan Denyut Jantung Berdasarkan Sinyal EKG Berbasis FPGA Rita Purnamasari, SugondoHadiyoso, YuyunSitiRohmah, Ahmad Zaki Ramdani
Papnn
lo,
ozs
Analisis Ekstraksi Ciri Pada Suara Jantung Diastolik Dengan Menggunakan Wavelet Transform Dan Wigner Ville Distribution Ira Puspasari, Achmad Arifin, Rimuljo Hendradi
Paprn lo
t61
172
oz+
' Sistem Pengaturan dan Pemantauan Kecepatan Putar Motor DC Berbasis FPGA dan VHDL Agfianto Eko Putra, Rahadian Mu'alif
178
Pepsn In,
osz Perancangan dan Pembuatan Prototvpe Instrumen Kekuatan Napas untuk Diagnosis Penderita Asma Dini Putri Anggraini, Sumardi, Azrni Saleh
r84
Papsnlo, ttr Deteksi Isyarat Wicara Huruf Vokal Pada Penderita Tuna Wicara Bertrasis Sinyal Electromyograph Himawan Wicaksono, Rika R., Fatchul Arif.in, Tri Arief S., Mauridhi IIery Purnomo
MsH,
lS''eEl3 -nl
;\J*
f:lmtrJr':r:1.
llr$1,,d r. r! irh;ilFbr{fr-J I.nrxrl* llcl lrsri! rrt iirt{Htkl{tlt 4lfr{..rl ih \ir,irr:rTt3[$
:.:.::;:::j?1"!
LllL!.&!.&;:t:t:
tx
I90
-$-ii:i::!t;:=i::::::ria
tr.
ffi i$ -4*inar
tj;.
i:::.{a::::.Yi=
nn lntelligent Terlmalagq Ard ltg '.:i:
l5gl{ : Z33E|-8833
lll
Paoer ID :
Deteksi Isyarat wicara Huruf Yokal pada Penderita
TunaWicaraberbasisSinyalElectromyograph Tri Arief Sardjonoa)' Mau flimawan Wicaksono'), Rika Rokhana2), Fatchul Arifin3)' HerY Purnomo5) . ?)Jurusan{eknik r '\- 6 ,---:r- Ele ,,u,r)Jurusan Teknik Elektro, FTI, lnstitttt t"hofogi S"prluh NoPember Surabaya' t\elierr Yogyakartl ulrrvsr>rtG Negeri tsleK[ro, Universitas ''Jurusan Teknik l eknlK Elekffo, n^r:l^r,-rL ElaLtrnnilra Negeri Ne'eri Surabaya, Srrrabava.',Juiusan Politeknik Elektronika r'farchui@uny'ac'id' 3)fatchu
[email protected]" 2)rika@""pit-itt't4",
-
email :
[email protected]'id, 5)hery@ee'its'ac'id
Ahstrak*Penelitian ini direalisasikan utrhtk membantu seseorar'tg dengan keterbatasan kememtpnan berbicara (tuna wicat'a), agor dapat
Menentukan Posisi Peletakkan elektroda pengambilan data samPel sinYal EMG pada wajah.
m"tokukqn kegiatan kornunikasi' Llntuk mendeteksi
sinyal Eleciomyograph (EMG)
menggwnakan
instrutnertta,si BIOPAC l/tP30' Ketika peialatan 'seseordng berbicara akan terjadi akliJilas - otot' terutami pada daerah mulut dan pipi' Proses * klentifikasi isyaral "tpicara dilakukan menggunakan Jarfig Syarqi Tiruan (JST) dengan algorltma ladial
Basii Function Network untuk mendeteksi isyarat wicara huruf vokal (A, I, U, E, O)' Ketika dilqhtkan pengujian sinyal sarupel dari pasien tuna wicato
'aipZriten
nilit qkurisi 65% sirryal teridenn'fikasi' ,idungkon dari sampel pasien grar'7 normal ctiperileh 64% sinyal teridentifikasi' Tingkat kiberhasilan secara keseluruhan sistem ini sebesar 64.44% dari 45 data sampel yang diaiicobakan'
Kata kunci
:
Berbicara, Twwwicara, HuruJ' vokal' S inY
al
E I e c tr omYo graP
h
(E
MG)'
1. PENDAHULUAN
Penelitian dibidang EMC tengah berkembang
termasuk diantaranya Pendeteksian' pesat, 'Pemrosesan, Aplikasi dan Pengklasifikasian Sinyal dari penelitian ini adalah Tujuan EMG. *"*p"tUuriingkan beberapa metodologi
pembelajaran din algoritma untuk analisa sinyat EMG agar mendapatkan cata yang efrsien dan efektif dalam memahami sinYal dan sifatnYa [l]' Bradley et.al dalam paper yang berjudul SmollVocabllary Speech Recognition using Sudace Electromyography mendeskripsikan bahwa p"og"nuiuo-**tu berbasis sinyal EMG- efektif untuk *"n-g*ung, efbk kebisingan pada- kejelasan sistem komunikasi' ;;;6r""6 isyarat wicara dalammenggunakan pasien nut ion oUlet< ienetitian masih
normal [2]. Penelitian ini terfokus pada permasalahan diantaranya:
Gambor l. Blok diagram sistem
Mengidentifikasi sinYal
EMG
agar
sebagai isYarat wicara'
lrna Penelitian ini merupakan solusi bagi penyandang wicars dalam hal keterbatasan komunikasi' Proscs identifikasi isyarat wicara huruf'vokal berdasar sinyd EMC yang dihasilkan oleh otot waiah (Depressor Angut i' Or {$ pada saat kontraks i dan relaksasi' 2. PERANCANGAN SISTEM 2.1. Posisi Elektroda dan Blok Diagram Pengolahan sinyat EMG, dimulai dari pengambilan
siiyal pada gerak artikulasi pengucapan hura{ iokal, meneitukan posisi peletakkan Elektroda pada titik sentral pada otot wajah' Pemfilleran sinyal digital, Eksi'aksi Firar, proses identifikasi sinyal blok be-rbaris JST t3l' Cambar t' menunjukkan
data
diagram sistem. "Posisi
penempatan elektroda pada otot-waj1! harus
tepat karena mempengaruhi kualitas sinfal -EMG;i.a1g aio.i.fri tll. eengambilan data sampel sinyal EMG
*"*urf*l*l* 3 buah elektroda' il"kttodu hiot sebagai ;ti;i"kd pada dahi bagian tengah berfungsi (positif) merah Elektroda atau referensi. iiira otot Depressor Angdi
iiletakkan pada pertengahan
lB*e*13 Ma* Ir}b tl:ilSrtr. At
Ihpt. tr Ektrd En$irG;rirq Cerrp'r'
nailr* fgr*tl$
$*ryIutt N$[rr"n**t'
;
i
::
lillriii
$/"i1 ;
i'1,. n$ItrE
;*
:1:::::,'iSSS:i]::;i.7/i
l
B. ll\\:i;$##?
l4t}l Spminar rn Intplliqant Terhnnlngg l\nd lts Applicati*ns N55ht : A33$-Atr23
iis sebelah kanan wajah. Kemudian elektroda putih :tatiD, diletakkan di ujung otot Depressor Anguli rir disebelah kiri wajah.
3. PENGUJIAI\ DAN ANALISA
Dimulai dari pengambilan data sinyal EMG pada
otot wajah, pemtilteran sinyal digital
menggunakan
Band Pars Filter (BPF), tahap
terakhir pengidentifikasian sinyal EMG menggunakan metode JST dengan algoritmaRadial Basis Function. 3.1. Pengujian Otot Depressor Anguli Oris Tatrel
Ernbar
2. Visualisasi posisi peletakan elektroda (kiri), posisi peletakkan elektroda pada pasien lun
L Sbtem Akuisisi Data BIOPAC MP30 digunakan sebagai sistem akuisisi Ir Namun perangkat ini tidak dilengkapi dengan Enpuan interfbcing dan pembacaan data secara Itime [a]. il. mengatasi hal ini kami mengembangkan sistem
No
dari
proses
Nama Sinyal
Karakteristik Sinyal
lsyarat wicara
2.
secara real tirne dengan mrfaatkan porl output sinyal analog, selanjutnya mversi menjadi sinyal digital menggunakan USB L
is,varat wicara
artikula"si huruf vocal
1g dapat bekerja
d
I. Karakteristik sinyal
Isyarat wicara
't'
card [5]. 3.
Dcsain Software
Isyamt wicara
'u'
Gambar 3 mendeskripsikan flowchart pemrosesan 6d- Sinyal EMG diambil dari pasien menggunakan
la
instrumentasi Biopac, Ilamming band pass dengan frekuensi cutoff 50-500 Hz digunakan * menghilangkan noise artitbct yang timbui akibat EEs€ran pergerakan raut wajah saat perekaman
F
]d Illtll, f.ksi fitur dan identifikasi sinyal n sebwrh file
berformat Bitmap. Agar dapat Ekan untuk mentraining classifier, file tersebut L?an dalam variabel dengan tipe data Bitmap.
;gur ukuran 256x170 pixel : 43520 bit data. Er*ao proses scanning dari index ke 0 sampai m- Hal yang sama dilakukan untuk masing.
lsyarat wicara
.E'
diproses
;ggunakan metode Fourier dan.trST. D qtraksi ftur sinya[ isyarat wicara disimpan
lLry isyarat wicara
4.
5.
Isyarat lvicara
'o'
Tabel 2. Ilasil pengukura* otot Depres"tor Angtli Oris Isyarat Wicara
P ercobaan
HurufVokal
ke-
(mY)
2 J
o.02317
4.
A A I
0.02r I I 0.02232
I
0.i4136
)
I
2
0.14825
6.
I
J
0.1 387?
7,
U
I
0.25313
No.
A 2
3.
8-
Li
2
0.24571
9.
U
3
0_26861
10.
li
I
0.35373
I
E
2
0.36'145
2.
E
3
3.
o o o
4.
Gambar 3, Flowchart pemrosesan sinyal
Mau, Ifi*'e.SI3
ll nJs fU#rq" F cf krriftd tjuirH{ilrJ f:raui. r. TFa{ftrrx} 5*w;furr \*gre"rtx;r. .itrrlfEqfl. fr.trE,s,r
Amplitudo
0.35612 o.1697',l
2
0.1 882 r
3
o.t 7348
The I4e Seminar nn lntelligent Technalagu A-d ltg I55N : E3IIEI:P8PI} Tabel 2 data diambil dari satu orang pasien tuna wicara dengan 3 kali percobaan untuk masingmasing isyarat wicara huruf vokal.
3.2. Pengujian Metoda Filter Sinyal Digital Tabel 3. Hasil pengujian metoda tilter sinyal digiral Nilai respon terhadap sinyal
Metoda
0.0007674737586801
l2
0.005i831 1r83628588 Hanrming
0.0096
Perincian hasil pengujian identifikasi sinyal
0.00518311183628588
pasien tuna wicara:
0.0007674737586801 l 2
-
0 0.0047991'1762619063
llanning
0.0096
0.0047991776261%63
Jurnlah data
salah
Sehingga diperoleh
0
:
7
data
nilai perhitungan error
dan
akurasi, yaitu [1][3]:
0
0.00479917762619063
Baftleil
Jumlah data total :20 data Jumlah data benar : 13 data
Yo
0.00s6
enor
= Jumlah data salah x
100% (l)
Jumlah data total
0.04479917762619063
:
0
Filter sinyal digital pada penelitian
rnr
menggunakan metoda hamming. Karena pada
kondisi steady state frekuensi respon metoda hamming lebih halus dan stabil, respon terdahap perubahan frekuensi cukup responsif dan tajam, meskipun pada steady state, sinyal yang dihasilkan tidak stabil bila dibandingkan dengan metoda hanning dan Bartlett.
7 xl00Y. -35% 20
o/o
accuracy
:
Jumlah data salah x Jumlah data total
I00%
Ql
= 13 x100% =65% 20 Tatrel 6. Hasil identifikasi sinyal pada pasien nornral
3.3. Pengujian identilikasi sinyal EMG Tabel 4. Hubungan jumlah data leaming, larna waktu betajar dan leaming rate yang digunakan Jumlah
Learning
Data
Learning
RaXe
Lama Waktu Belajar Learning Learning Rate Rate
0.25
033
50
7.93
6.79
7.89
75
t4.33
15.32
13.47
100
?4.99
28.28
24.80
0.67
Tabel 5. Hasil identi{ikasi sinyal pada pasien tuna wicara Wahlu No.
Nama Pasien
Target
Respons
Keterangan
(Secon)
I
,
Pasien I
A
2.01
Salah
Pasien 2
A
2.08
Benar
J.
Pasien 3
A
r.89
Benar
4.
Pasien 4
A
r.98
Benar
5.
Pasien I
I
2.20
Benar
6.
Pasien 2
I
2.14
Benar
7.
Pasien 3
I
2.17
Salah
8.
Pasien 4
I
2.23
Benar Benar
9.
Pasien I
U
1.98
t0.
Pasien 2
U
L86
Salah
n
Pasien 3
U
1.92
Belar
IH*e*13 ,$il4Ht -::At AJt hlfrr"t}.
:8ES- rrf EEEtr,(al &qt166firq Acrr'.6. .::.Fq{4rtt rdsrok1qi liffi,h*t *t{ffir*h
"gidEas. ffi}m;iif},
:
?ti
'1.
'' ::'::" " :':::':t':'iii 'i;ilL$-\$f::::i:ilflfr
lP l4rn Seminar nn Intelliqant
Tpc
Perincian hasil pengujian identifikasi sinyal
@a
5.
pasien orang normal:
-
Jumlah data total : 25 data Jumlah data benar : 16 data Jumlah data salah : 9 data
Berdasarkan persarnaan (l) dan (2) diperoleh nilai perhitungan error dan akurasi, yaitu :
?6error :!xt00%
Sinyal EMC dapat dimanfaatkan untuk m isyaral wicara huruJ'vokal dari proses artikulasi atau pembahan bentuk mulut. Pada uji coba sistem data sampel berasal dari pasien tuna wicara rnenghasilkan persetase keakuratannya sebesar 65%, sedangkan data sampel yang berasal dari pasien orarlg normal memiliki tingkat keakuratan
sebesar 64%. Sehingga tingkat keberhasilan sistem secara keseltruhan sebesar 64.44%.
:36%
25
%acatracv
DAFTAR REFERENSI
:16 x l0A% :64%
[1]. M. B. I.
Sejumlah 45 data sampel sinyal EMG untuk Fo6€s identifikasi, 29 data dapat dikenali, smentara 16 data tidak dapat dikenali. Hai ini ffkere1sl621 posisi atau bentuk mulut seliap orang berbeda sehingga diperlukan latihan khtrsus dan
uryesuaian bentuk mulut pada saat artikulasi
Selangor, Malaysia. pp. 5-19.
[2]. Bradley J. Betts, Kim Binsted, Jorgensen, 2046. Small-Vocabulary
tingkat keberhasilan
data lumlah data
B.
[3].
fiAo/o
-
l5l.
:
langat krusial karena bila terjadi pergeseran atau tepat berada pada otot yang ingin diukur,
lcrrungkinan timbulnya noise akan semakin bcsar, mengakibatkan pembacaan data sinyal nenjadi tidak valid. FeaEambilan sinyal sampel dilakukan pada otot Anguli Oris. Elektroda positif
@osisikan pada bagian kanan atas
dengan
hftang hidung sebelah kanan. Elektroda negatif
@misikan pada bagian kiri bawah dekat dengan
&gu. Kemudian elektroda referensi Fda rulang dahi bagian atas.
diposisikan
Keral,rteristik respon frekuensi filter sinyal digital rcrggunakan metoda hamming pada steady state mghasilkan sinyal yang lebih halus dan stabil,
Ula dibandingkan dengan metoda hanning dan Bartlett. Sernakin banyak jumlah data learning maka
hampuan pengenalan sistem JST terhadap mtu sinyal akan semakin baik, tetapi waktu yang fibr.m:hkan untuk sistem learning akan semakin lrma.
A{ Al'b EIntJrqJ-
for Biopac Student Lab PROt Sofbvare
and MP36/35/30 or MP45 llardware, 42 Aera
fiak
E- d Ek{trt{:*l t}:4}x,mlS.g C€ltlln-s, E.n T&,|(rxs,4$ sq.uh$ [&]$*rr*H. krotlrSufl. frfrrr*ra
Turkey,
Manual Professional Version 3.7.7 Reference Manual
knempatan posisi elektroda pada otot wajah
l$*efI3
Z.
[4]. Jocelyn Kremer, Alan Macy, William McMullen, 2010, Biop:c Student Lab PRO
4. KESIMPULAN
Msu,
B.
Vol.156,pp.2-7.
45
dari penelitian ini adalah
18, pp. 4-15.
Neuroscience Methods Elsevier
identifikasi
xx
iryulan
tr USA, Vol.
Abdulhamit Subasi, Mustafa Yilmaz, Hasan R. Ozcalik, 2006. Classification of EMG Sigrrals
using Wavelet Neural Network. Journal of
:
: 45 data dikenali : 29 data Tingkat keberhasilan 29 x
furlah
secara
Charles Speech
Recognition using Surface Electromyography. Journal aJ' Interacting vtith Computers .Elsevier
wicara. Agar ketegangan otot yang terjadi &pat sesuai dan dikenali oleh sistem identifikasi.
Persentase
M. S. llussain, F. Mohd-Yasin,
Applications. l'acul4t of Engineering, Multimedia University, filA0 Cyberjaya,
iiFrar
Eeseluruhan sistem identifier adalah
Reaz,
2006. Techniques of EMG Signal Analysis: Detection, Processing, Classification and
25
Camino, Goleta, CA 931 17, pp.89-237. C. Zeitnitz,20l l. The Sound Card Oscilloscope is a Digital Oscilloscope with a Frequency Analysis (FFT) and Wave File Recorder. Manualfor The Sound Card Oscilloscope VL.40. USA, pp. 2-14. .
[6]. Mauridhi Hery Pumomo, Agus Kurniawan, 20A6. Supervised Neural llehtorks, l"t ed., pp. 79-l
[7].
13. Yogyakarta 555
1
1.
Bruno Fierens, 201l, Extending the Delphi IDE I{andbook of Embarcadero, 100 California Street, 126 Floor San Francisco, Califomia 94111,pp.4-?7.