Klasifikasi Sinyal Emg Pada Otot Tungkai Selama Berjalan Menggunakan Random Forest

Abstract

Sinyal electromyography (EMG) merupakan suatu sinyal elektrik yang terdapat dalam lapisan otot selama gerakan aktif. Cara orang berjalan ditentukan oleh struktur otot dan tulang sehingga cara berjalan ini adalah unik dan dapat digunakan sebagai data biometrik. Pada penelitian ini, kami mengklasifikasi data EMG dari delapan jenis otot tungkai selama percobaan berjalan normal: Rectus Femoris, Vastus Lateralis, Vastus Medialis, Bicep Femoris, Semitendinosus, Gastrocnemius Lateralis, Gastrocnemius Medialis, dan Tibialis Anterior. Enam orang subyek diminta untuk berjalan di laboratorium GaitLab dengan 8 buah elektroda EMG ditempel pada otot mereka. Subyek diminta untuk berjalan sebanyak 1 gait cycle dengan 3 kali pengambilan data. Total dataset EMG untuk klasifikasi adalah sebanyak 18 buah. Metode graph feature extraction dan principal component analysis digunakan untuk ekstraksi fitur data EMG. Metode Random Forest digunakan untuk mengklasifikasi data EMG berdasarkan subyek. Metode pelatihan dan pengujian data EMG menggunakan cross validation (CV). Akurasi klasifikasi yang dihasilkan dengan menggunakan metode graph feature extraction adalah sebesar 88.88% dan metode principal component analysis adalah sebesar 72.22%. Hasil ini menunjukkan bahwa data EMG ketika berjalan dari 8 jenis otot tungkai dapat digunakan untuk identitas biometrik gaya berjalan (gait).