TRIXIE, DEVINA (2021) RANCANG BANGUN KLASIFIKASI PENDETEKSIAN JENIS KLIK PADA POINTING DEVICE MENGGUNAKAN ELECTROMYOGRAPH. Tugas Akhir/Skripsi thesis, Universitas Ma Chung.
|
Text
01- 311510010 DEVINA TRIXIE.pdf Download (2MB) | Preview |
Abstract
Pengoperasian komputer mengharuskan manusia menggunakan beberapa
bagian tubuhnya. Namun, terdapat beberapa kondisi dimana manusia tidak dapat
mengoperasikan komputer dengan baik atau dengan posisi normal, contoh dari
kondisi tersebut adalah korban kecelakaan dan penyandang disabilitas. Maka dari
itu dibutuhkan sistem yang dapat membantu agar memudahkan orang-orang
tersebut dalam mengoperasikan komputer. Dalam penelitian ini akan dibuat sebuah
sistem yang dapat mengklasifikasikan jenis klik menggunakan sensor EMG,
metode K-NN, dan metode SVM. Sensor EMG berguna untuk mengambil data
berupa sinyal dari kontraksi otot manusia yang nantinya akan diklasifikasikan
menjadi klik kiri dan klik kanan, sedangkan untuk metode K-NN dan SVM berguna
untuk mengklasifikasikan jenis-jenis klik tersebut. Data dari sensor EMG akan
dilatih menggunakan metode K-NN dan SVM menggunakan 54 data set pada
masing-masing kelasnya yaitu kelas klik kiri dan klik kanan. Pada metode K-NN
akan dilatih menggunakan k = 3, 5, 7, 9, dan 11 dan metode SVM menggunakan
kernel linear, Radial Basis Function (RBF), polinomial, dan sigmoid. Setelah itu
nilai akurasi dari kedua metode itu akan dibandingkan satu sama lainnya. Sistem
telah berhasil mengembangkan metode klasifikasi yang dapat mengklasifikasikan
jenis-jenis klik berdasarkan masukkan dari sensor EMG menggunakan metode KNN dengan hasil akurasi tertinggi adalah menggunakan k = 3 yaitu sebesar 81,81%
dan metode SVM adalah menggunakan kernel polynomial yaitu sebesar 84,84%.
Dengan membandingkan kedua metode didapatkan nilai akurasi tertinggi yaitu
menggunakan metode SVM kernel polinomial. Penambahan dataset dan melakukan
percobaan menggunakan metode lain sebagai perbandingan lebih lanjut dapat
digunakan untuk meningkatkan akurasi sistem.
Kata kunci : Eletromyography (EMG), K-Nearest Neighbor (KNN), Support
Vector Machine (SVM), Klasifikasi Jenis Klik pada Perangkat Penunjuk
| Item Type: | Thesis (Tugas Akhir/Skripsi) |
|---|---|
| Subjects: | T Technology > T Technology (General) |
| Divisions: | Fakultas Teknologi dan Desain > S1 Teknik Informatika |
| Depositing User: | umclibs1 |
| Date Deposited: | 04 Feb 2026 07:25 |
| Last Modified: | 04 Feb 2026 07:25 |
| URI: | http://repository.machung.ac.id/id/eprint/1174 |
Actions (login required)
 |
View Item |