Perpustakaan Digital ITB

Tergelincir saat berjalan sering terjadi akibat kurangnya friksi antara kaki dan permukaan tanah. Required coefficient of friction (RCOF), yang didefinisikan sebagai rasio puncak antara gaya reaksi tanah horizontal dan vertikal, biasanya diukur menggunakan force plate. Inertial measurement unit (IMU) menawarkan cara baru untuk memprediksi RCOF apabila terbukti ada korelasi antara percepatan center of mass (COM) dan gaya reaksi tanah (GRF) yang digunakan untuk menghitung RCOF. Studi ini memverifikasi korelasi antara GRF dan akselerasi pusat massa (center of mass/COM) menggunakan AIST Gait Database yang dirilis pada 2015. Berdasarkan korelasi tersebut, model pembelajaran mesin Long Short-Term Memory (LSTM) dikembangkan menggunakan MATLAB untuk memprediksi RCOF dari data akselerasi. Model ini dilatih dan diuji menggunakan data dari database, kemudian dievaluasi menggunakan data gait baru yang diukur dengan IMU dan diverifikasi menggunakan data dari force plate. Hasil dari analisis korelasi antara traction coefficient yang didapatkan dari GRF dan akselerasi COM menunjukkan bahwa terdapat korelasi yang sangat kuat. Model pembelajaran mesin yang dikembangkan dalam studi ini memiliki nilai Mean Absolute Percentage Error (MAPE) sekitar 9,5% ketika divalidasi menggunakan data dari AIST Gait Database, yang dianggap sebagai tingkat akurasi yang dapat diterima untuk digunakan dalam memprediksi RCOF berdasarkan percepatan COM manusia. Namun, ketika model dievaluasi menggunakan data IMU yang baru, diperoleh tingkat kesalahan sekitar 19% setelah dilakukan penyesuaian terhadap bias prediksi, yang menunjukkan bahwa model ini belum siap digunakan untuk memprediksi RCOF dalam situasi dunia nyata.