ABSTRAK Raymond Angsetya
PUBLIC Alice Diniarti COVER Raymond Angsetya
PUBLIC Alice Diniarti
BAB 1 Raymond Angsetya
Terbatas  Alice Diniarti
» Gedung UPT Perpustakaan
Terbatas  Alice Diniarti
» Gedung UPT Perpustakaan
BAB 2 Raymond Angsetya
Terbatas  Alice Diniarti
» Gedung UPT Perpustakaan
Terbatas  Alice Diniarti
» Gedung UPT Perpustakaan
BAB 3 Raymond Angsetya
Terbatas  Alice Diniarti
» Gedung UPT Perpustakaan
Terbatas  Alice Diniarti
» Gedung UPT Perpustakaan
BAB 4 Raymond Angsetya
Terbatas  Alice Diniarti
» Gedung UPT Perpustakaan
Terbatas  Alice Diniarti
» Gedung UPT Perpustakaan
PUSTAKA Raymond Angsetya
PUBLIC Alice Diniarti
LAMPIRAN Raymond Angsetya
Terbatas  Alice Diniarti
» Gedung UPT Perpustakaan
Terbatas  Alice Diniarti
» Gedung UPT Perpustakaan
Gangguan gerak berjalan manusia dapat menjadi indikator bagi dokter bahwa pada
seseorang terdapat penyakit tertentu. Penerapan machine learning sudah sering digunakan
untuk membantu klasifikasi penyakit dalam bidang kedokteran. Penelitian terdahulu cenderung
melakukan klasifikasi terhadap kondisi gerak berjalan sehat atau jenis penyakit tertentu.
Klasifikasi otomatis tersebut memiliki kelemahan yaitu ketika model diaplikasikan untuk
mengenali gangguan secara umum, model hanya dapat menentukan 2 atau beberapa jenis
keadaan anomali tersebut sesuai data latihan. Maka tujuan dari penelitian ini adalah untuk
mencari metode yang dapat mendeteksi gangguan gerak berjalan secara umum. Penelitian ini
akan menggunakan data yang bersumber dari Inertial Measurement Unit.
Data akselerasi dan kecepatan sudut yang bersumber dari sensor akan diproses dengan
standarisasi dan penjajaran dengan piecewise linear length normalization. Sinyal per-siklus
langkah kemudian dibandingkan nilainya terhadap garis batas untuk dihitung persentase anomali
setiap siklus gerak berjalan. Data nilai anomali pada setiap siklus gerak berjalan menjadi data
latihan dan pengujian pembelajaran mesin.
Hasil training data dengan algoritma Random Forest pada penelitian ini menunjukkan
performa deteksi gangguan gerak berjalan dengan pemanfaatan tiga IMU dengan penempatan
di paha, lutut, dan metatarsal menghasilkan accuracy yaitu 96,38% dan nilai recall 95,05%.
Hasil deteksi kemudian dilengkapi dengan Shapley Additive Explanation untuk mendapatkan
informasi tambahan bagi dokter untuk melakukan analisis lanjutan.