Hasil Pencarian  ::  Simpan CSV :: Kembali

"ABSTRAKSkripsi ini akan membahas mengenai analisis daya sinyal electroencephalogram (EEG) pada manusia sebagai subjek yang sedang mengerakkan langan kanan bawah kearah atas dan saat subjek dalam kondisi istirahat (resting) dengan sistem brain computer interface (BCI). Proses perekaman sinyal EEG menggunakan alat yang komersil, EMOTIV EPOC+ dengan 16 channel (2 channel sebagai ground). Data hasil perekaman akan diproses untuk mengekstraksi fitur/ciri khas dari sinyal EEG yang dihasilkan sesuai dengan perlakuan subjek, dengan menggunakan wavelet relative power (WRP), dimana sinyal EEG subjek akan ditransformasikan menggunakan discrete wavelet transform (DWT) dengan tipe motherwavelet daubechies4 (db4), untuk menghitung nilai relative power pada semua rentang frekuensi sinyal EEG (alpha, beta, delta, dan theta). Nilai WRP pada setiap rentang frekuensi tersebut akan unik dan spesifik sesuai dengan gerakan subjek, sehingga akan mencirikan apakah subjek menggerakkan lengan kanan bawah kearah atas atau kondisi resting. Pemrosesan sinyal electroencephalogram (EEG) dilanjutkan dengan menjadikan data WRP tersebut sebagai masukan kesistem klasifikasi. Sistem pengklasifikasian akan menggunakan algoritma support vector machine (SVM), yang akan memberikan kesimpulan pada data sinyal EEG random yang dihasilkan subjek tersebut, apakah termasuk dalam kondisi menggerakkan lengan kanan bawah kearah atas atau dalam keadaan istirahat (resting

---

ABSTRAKThis thesis will discuss about analysis power spectral of electroencephalogram signal (EEG) in humans as subjects that are moving right arms and when the subject is in state of rest using a brain computer interface (BCI) system. EMOTIV EPOC+ as a commercial device will be used to record EEG signal from the subject with 16 channels (2 channel as ground). Data recording results will be processed to extract its features/characteristics of EEG signals that are generated in accordance with the change of movement from the subject, by using wavelet relative power (WRP). These WRP data calculation can be done by transforming data using the discrete wavelet transform (DWT) with motherwavelet daubechies4 (db4), and calculated the value of its relative power on all frequency range (alpha, beta, delta, and theta). WRP values at each frequency range will be unique and spesific in accordance with the movement of the subject, so that WRP will characterize whether the subject move the right arm towards the top or in resting conditions. Using these WRP data information and the impelementation of support vector machine (SVM) algorithm, the system will provide a conclusion on random EEG signals wheater the subject move its arm or in resting condition. The level of accuracy of the system will be tested by looking at the results of the classification of EEG data by as much as 100 trial."

"Robot penyimpan sampah adalah sebuah robot yang bergerak secara otomatis yang dikendalikan oleh sistem pengatur yang berbasis mikrokontroler AT89S52, yang bekerja dengan cara menerima signal berupa suara melalui sensor suara yang terhubung dengan mikrokontroller. Pengaktifan sistem robot dilakukan dengan cara memberikan suara ke robot tersebut, sehingga robot dapat mengetahui darimana suara itu berasal. Robot ini dilengkapi dengan empat buah motor DC, yaitu dua buah untuk menjalankan lengan robot dan dua buah untuk berjalan. Lengan robot itu sendiri dilengkapi dengan limit switch yang berfungsi untuk mengontrol gerak dari sebuah lengan dan sensor ultrasonik sebagai detektor halangan dalam pengukuran jarak yang juga berfungsi untuk menurunkan lengan robot. Hasil pengamatan menunjukkan bahwa sensor ultrasonik dapat mendeteksi halangan yang berbentuk benda padat dengan jarak 30 cm. sedangkan dua buah sensor suara dapat mendeteksi adanya suara pada sudut maksimum 180 derajat dari sensor tersebut. Dan jika suara diberikan pada sudut lebih dari 180 derajat, maka hasil pembacaan sensor sudah tidak akurat."

"Penggunaan lengan robot dapat menggantikan ataupun meringankan kerja manusia secara langsung. Namun terdapat kendala yaitu sistem user interface lengan robot yang rumit. Oleh karena itu dibutuhkan user interface lengan robot yang intuitif untuk dipelajari dan mudah untuk dioperasikan. Pada penelitian ini dirancang dan diimplementasikan sebuah sistem kendali lengan robot yang memiliki user interface berbasis Natural User Interface yang mudah untuk dikendalikan. Lengan robot yang dapat dikendalikan mengikuti gestur gerakkan telapak tangan dan jari manusia dengan metode Motion Control secara realtime menggunakan sensor Leap Motion. Selain itu juga dirancang sistem penyimpanan dan ekstraksi database motion sehingga lengan robot memiliki kecerdasan untuk mampu melakukan gerakkan yang telah diajarkan oleh manusia. Lengan robot menggunakan 5 buah servo yang dikendalikan oleh mikrokontroler Arduino dengan sinyal PWM. Mikrokontroler Arduino dan Leap Motion dihubungkan dengan komputer melalui port USB. Frame-frame data yang diterima dari Leap Motion diproses oleh program berbasis Java pada komputer. Output dari program tersebut adalah besar sudut-sudut putaran setiap servo yang dikirim melalui komunikasi serial ke mikrokontroler Arduino. Program Penggunaan lengan robot dapat menggantikan ataupun meringankan kerja manusia secara langsung. Namun terdapat kendala yaitu sistem user interface lengan robot yang rumit. Oleh karena itu dibutuhkan user interface lengan robot yang intuitif untuk dipelajari dan mudah untuk dioperasikan. Program tersebut menggunakan algoritma inverse kinematic untuk mengkalkulasi besar sudut putaran servo. Sensor Leap Motion memiliki tingkat keakurasian yang tinggi dengan standar deviasi sumbu koordinat x, y dan z secara berturut sebesar 0.022431 mm, 0.084935 mm, dan 0.056216 mm.

---

Robotic arm can replace or relieve human labor directly. But there is major obstacle, the system user interface of robot arm is complicated. Therefore, it needs a robot arm user interface system that is intuitive to learn and easier to operate. This study, has designed and implemented an intuitive robot arm control system. The system uses Natural User Interface and easy to control. The robotic arm can be controlled by following the movement of a human hand and fingers gestures in realtime. Leap Motion device is used as a sensor-based hand motion control interface. This system also implemented motion database storage and extraction systems, so the robot arm has the intelligence to be able to perform movements that have been taught by humans. The robotic arm using 5 pieces of servos which are controlled by an Arduino microcontroller over PWM signal. The Arduino microcontroller and Leap Motion is connected to a computer via a USB port. Input frames of data received from Leap Motion is processed by a Java-based program. The output of the program is rotation angles of each servo that is sent through a serial communication to the Arduino microcontroller. The program uses an inverse kinematic algorithm to calculate the large of each servos angle rotation. Leap Motion sensor has a high level of accuracy with the standard deviation of 0.022431 mm, 0.084935 mm and 0.056216 mm correspond to the x,y, and z respectively."

"ABSTRAKTelah didesain Rancang Bangun Selektor Ketinggian Barang denganmenggunakan Sensor Ultrasonic sebagai alat deteksi perbedaan tinggi suatubarang. Alat ini dilengkapi dengan 4 buah motor DC ditambah 1 buah MotorGearboks sebagai penggerak beserta rangkaian pengendalinya. Terdapat barangyang mempunyai tinggi yang berbeda-beda dan diletakkan pada suatu conveyorberjalan dimana barang tersebut akan dipindahkan pada masing-masing wadahyang sesuai dengan tinggi barang tersebut oleh lengan Robot.Lengan Robot pengambil barang dengan menggunakan sensor Ultrasonicadalah suatu alat selektor barang, dimana dikendalikan secara otomatis. Alat ini dibuatdalam bentuk miniatur dan dirancang sesuai dengan bentuk aslinya. Pengendalian alatini digunakan komputer dimana terdapat banyak perintah didalamnya.Dari perintah tersebut dikenal sebagai bentuk Program. Program yangdigunakan adalah Bascom 8051 berbasis Microcontroller AT89S51. Programtersebut nantinya akan di-Upload menggunakan Downloader ISP, dimana chipyang digunakan adalah AT89S51. Agar alat ini berkerja dengan baik dibutuhkansuatu rangkaian elektronik, rangkaian ini diaplikasikan dalam bentuk sensor danpenggerak Motor DC. Dengan adanya elemen mekanik elektronik, dan softwaremaka alat ini dapat bekerja secara kontinyu dan otomatis.Pengambilan barang dan pemisah dilakukan secara bertahap, setiap barangyang akan dipisah akan berjalan pada suatu conveyor, kemudian dideteksi oleh sensorultrasonic untuk mengetahui perbedaan tinggi pada setiap barang, kemudian lenganrobot yang dilengkapi 4 penggerak motor DC akan mengambil barang yang telahterdeteksi sebelumnya untuk kemudian dipindahkan pada wadah yang sesuai dengantinggi tiap-tiap barang yang telah terdeteksi tersebut."

"Pajanan getaran tangan dan lengan dalam kurun waktu tertentu dapat menyebabkan gangguan kesehatan yaitu Sindrom Getaran Tangan dan Lengan atau Hand-Arm Vibration Syndrome. Gejala yang dirasakan berupa kesemutan, baal/mati rasa, pemutihan pada jari blanching dan nyeri pada tangan dan lengan. Getaran tangan dan lengan dihasilkan dari alat-alat tangan hand-held tools yang digunakan saat bekerja. Penelitian ini menggunakan desain studi potong lintang dan bersifat deskriptif untuk melihat distribusi frekuensi keluhan subjektif berupa kesemutan, baal/mati rasa, dan pemutihan jari pada pekerja yang terpajan getaran tangan dan lengan di PT XYZ Stamping Plant Jakarta. Data keluhan subjektif didapat dari hasil pengisian kuisioner oleh 35 orang operator alat bergetar di area door assy welding dan dies maintenance PT XYZ Stamping Plant Jakarta. Sedangkan data pengukuran getaran tangan dan lengan sendiri merupakan data milik perusahaan terkait. Hasil penelitian menunjukan bahwa sebesar 65.7 responden mengalami keluhan kesemutan, 28.6 mengalami keluhan pemutihan jari, dan 14.3 mengalami keluhan baal/mati rasa. Hasil pengukuran getaran tangan dan lengan untuk alat bergetar yang digunakan buffing dan gerinda masih dibawah Nilai Ambang Batas NAB 5 m/s2. Hasil analisis bivariat menunjukan tidak ada hubungan yang signifikan antara usia, masa kerja, lama pajanan per hari, kebiasaan merokok, dan training dengan keluhan subjektif yang diteliti.

---

Long term exposure to hand arm vibration can cause a health problem known as Hand Arm Vibration Syndrome HAVS . The symptoms include tingling and numbness in the fingers, blanching on the tips of the fingers, aches and pains in the lower arm and hands. The exposure of hand arm vibration comes from the vibrating machine tools which were used by the workers at work. The aim of this study is to obtain the frequency distribution of subjective health complaints tingling, numbness, and finger blanching of the workers who have been exposed to hand arm vibration in PT XYZ Stamping Plant Jakarta. This study used cross sectional design and a questionnaire was given to 35 workers who is using hand held vibrating tools everyday at work in Sub Assy Welding and Dies Maintenance area of PT XYZ Stamping Plant Jakarta. The result of this study showed that 65.7 workers complaint of tingling, 28.6 workers complaint of finger blanching, and 14.3 workers complaint of numbness. However, the result of magnitude measurement of vibration tools grinder and buffing which exposed the workers is still under the exposure limit value. The result of chi square analysis showed that there were no significant differences between independent variables ages, years of working, daily exposure to vibration, smoking, and training and dependent variables tingling, numbness, and finger blanching. "

"Berat badan merupakan ukuran antropometri yang penting digunakan untuk beberapa prosedur medis dan gizi, tetapi dalam beberapa kondisi seperti remaja dengan disabilitas atau pasien tirah baring menyebabkan pengukuran berat badan yang akurat sulit untuk dilakukan. Penelitian ini bertujuan untuk mengembangkan rumus yang sederhana dalam memprediksi berat badan pada remaja di Bogor. Pengukuran berat badan (BB), lingkar lengan atas (LiLA) dan tinggi lutut (TL) dilakukan pada 130 siswa di SMA Budi Mulia Kota Bogor (14-18 tahun) pada bulan April 2016. Analisis korelasi dilakukan antara prediktor dengan berat badan aktual, serta dilakukan analisis regresi linier ganda untuk mendapatkan hasil rumus prediksi. Hasil penelitian menunjukkan terdapat korelasi yang sangat kuat antara BB dengan LiLA (r = 0,881) serta terdapat korelasi sedang antara BB dengan TL (r = 0,506). Model prediksi yang didapatkan pada remaja laki-laki adalah: berat badan estimasi (kg) = (LiLA (cm) x 2,6) + (TL (cm) x 1,2) ? 70,1 dan pada remaja perempuan: berat badan estimasi (kg) = (LiLA (cm) x 2,6) + (TL (cm) x 1,2) ? 72 (R-square 0,906, p < 0,001). Rumus yang didapatkan dalam penelitian berhasil memprediksi berat badan remaja secara akurat dan rumus ini direkomendasikan untuk digunakan dalam mengestimasi berat badan remaja.

---

Body weight is an important anthropometric measurement for many medical and nutritional procedures, but in some conditions like people with disability or bedridden patients, it is difficult to be weighed accurately. The aim of this study is to create a simple body weight predicting equations for Bogor adolescents. body weight (BW), mid-upper arm circumference (MUAC), and knee height (KH) measurements were taken from 130 SMA Budi Mulia students (14-18 years) on April 2016. A correlation analysis was performed between predictors and actual body weight, and a multiple linear regression was performed for analysis of the results.

The result showed that there were a perfect correlation between BW and MUAC (r = 0,881), and a medium correlation between BW and KH (r = 0,506). The resulting equation for adolescent boys was: estimated weight (kg) = (MUAC (cm) x 2,6) + (KH (cm) x 1,2) ? 70,1 and for adolescent girls was: estimated weight (kg) = (MUAC (cm) x 2,6) + (KH (cm) x 1,2) ? 72 (R-square 0,906, p < 0,001). The developed equations predicted accurately Bogor adolescents body weight and recommended to be used for estimating body weight in Bogor Adolescents."

"Pengukuran panjang badan anak dilakukan untuk memantau status gizi dan juga pertumbuhan anak. Di Indonesia pemantauan panjang badan pada anak jarang dilakukan, karena tidak adanya alat pengukur panjang badan yang sesuai. Tujuan dari penelitian ini adalah mengembangkan model prediksi panjang badan berdasarkan panjang lengan dan panjang ulna. Penelitian ini dilakukan pada bulan mei pada anak usia 12-24 bulan di Kelurahan Ratu Jaya Kota Depok Tahun 2016 dengan jumlah responden 40 anak laki-laki dan 41 anak perempuan. Desain studi yang digunakan adalah cross-sectional dengan variabel terikat berupa panjang badan dan variabel bebas berupa panjang lengan, panjang ulna, usia, dan jenis kelamin. Hasil penelitian menunjukkan bahwa terdapat korelasi yang kuat antara umur anak dengan panjang badan (r= 0,662) dan panjang lengan dengan panjang badan (r= 0,617) serta terdapat korelasi yang sedang antara panjang ulna dengan panjang badan (r= 0,364). Model prediksi panjang badan yang didapatkan dalam penelitian ini adalah PB= 51,086+[0,571×PL(cm)]+[0,559×U (bulan)]-[0.940×JK (1=laki,laki, 2= perempuan)] dan PB= 62,338+[0,433×PU(cm)]+[0,697×U (bulan)]-[1,488×JK (1=laki,laki, 2= perempuan)]. Panjang lengan dan panjang ulna terbukti dapat digunakan sebagai prediktor pengukuran panajng badan, namun dalam penelitian ini model prediksi menggunakan panjang lengan memiliki tingkat akurasi yang lebih tinggi dibandingkan dengan panjang ulna.

---

Measuring recumbent length was used to monitor nuritional status and growth in children. In Indonesia, monitoring recumbent length rarely do, because there are no appropriate measuring instrument. The purpose of this study was to developed predictive model of recumbent length based arm length and ulna length. This study was held in May at Ratu Jaya Village, Depok City 2016 with total respondents 40 boys and 41 girls. The study design was cross-sectional by measuring recumbent length as the dependent variabel and independent variabels such as arm length, ulna length, age, and gender.

The results showed that there were a strong correlation between age with recumbent length (r=0,662) and arm length with recumbent length (r=0,617), there are also moderate correlation betwen ulna length with recumbent length (r= 0,364). The prediction model of recumbent length which obtained in this tudy was RL= 51,086+[0,571×AL (cm)]+[0,559×Age (month)]-[0940×Sex (1= male, 2= female)] and RL= 62,338+[0,433×UL (cm)]+[0,697xAge (month)]-[1,488×Sex (1= male, 2= female)]. Arm length and ulna length can be used as a preditor of recumbent length, but in this study prediction model using the arm length is more accurate than ulna length."