Saat ini di Indonesia teknologi di bidang robotik dan AI semakin maju dan pesat.
Dikutip dari laman KEMENKES, teknologi bedah robotika sudah mulai berjalan
dari Pusat Bedah Robotik Indonesia sejak tahun 2021. Perkembangan teknologi
pada bidang rehabilitasi seperti deteksi kekuatan otot pada pasien stroke dengan
menggunakan EMG. EMG merupakan teknik pengukuran yang digunakan untuk
merekam aktivitas listrik yang dihasilkan oleh otot-otot tubuh manusia.
Penggunaan EMG pun sudah banyak diteleti pada bidang medis. Salah satu
penelitian menggunakan EMG yaitu deteksi gerakan jari tangan menggunakan
MyoArmband. MyoArmband merupakan sebuah modul EMG yang akan
mendeteksi kontraksi otot pada pengguna. MyoArmband berbentuk seperti gelang
dan memiliki delapan buah kanal EMG. Namun penelitian menggunakan
MyoArmband menjadi sebuah kendala, karena harganya yang cukup mahal dan
membutuhkan sistem yang cukup kompleks.
Oleh sebab itu dalam penelitian ini akan mengusulkan pemakaian Myoware
sebanyak tiga kanal yang berguna untuk membaca aktivitas otot tangan. Tiga kanal
Myoware akan di letakan pada area lengan bawah untuk mendeteksi gerakan jari
tangan. Nilai yang didapat akan disimpan dalam bentuk data CSV. Data yang
tersimpan akan melalui tahap ekstraksi fitur untuk mendapatkan fitur-fiturnya.
Ekstraksi Fitur yang dilakukan seperti RMS, MAV, VAR, dan IEMG pada domain
waktu. Pengambilan fitur ini nantinya akan dikombinasikan agar performa
klasifikasi bisa semakin baik. Selain itu penelitian ini juga membandingkan
penggunaan transformasi data berupa StandardScaler yang akan diolah
menggunakan beberapa metode klasifikasi machine learning di antaranya k-
Nearest Neighbour (KNN), Decision Tree (DT), dan Random Forest (RF).
Hasil dari penelitian ini adalah dengan melakukan kombinasi fitur untuk klasifikasi
gerakan jari tangan dapat menambah nilai akurasi dari klasifikasi yang dilakukan.
Kombinasi fitur yang mendapatkan nilai akurasi paling tinggi yaitu pada kombinasi
RMS+MAV+VAR dengan menggunakan StandardScaler. Nilai akurasi yang
didapat mencapai 95,19% dengan nilai presisi 95.15%, sensitivitas 95,2% dan
spesifisitas 98,8%.