BAB IPENDAHULUANI. 1.LATAR BELAKANGPerkembangan ilmu pengetahuan dan teknologi saat ini berjalan cepat dan berdampak pada perkembangan teknologi khususnya di bidang elektronika, utamanyabiomedical engineering.Penelitian tentang EMG (Electromyography) yangmerupakan salah satu dari ilmu biomedical engineeringitusendiritelahberkembangcepat.Penelitian tentang EMGuntuk aplikasi biosignal dalamkontrol buatan pada manusia maupun untuk mendeteksi kelainan aktifitas otot. Hal ini diakibatkan karena adanya potensial dan motor unit yang dapat dibangkitkan oleh kontraksi otot. Beberapa penelitian mengenai elektromiografiuntuk aplikasi control buatan telah banyak dikembangkan, antara lain:1. Exoskeleton Prototype 2 (EXO UL3)2. RealTimeClassificationof ElectromyographicSignals for Robotic Control3. The Use of Surface Electromyography in BioMechanics Pada tugas akhir kali ini, mencoba meneliti dan memanfaatkan sinyal elektrik yang ada di dalam tubuh manusia agar dapat digunakan sebagai input untuk menggerakkan lengan robot.Munculnyasinyal elektrik inidibangkitkan oleh aktifitasneuromuscular.Pemanfaatan pergerakansederhana padalengan sehingga otot berkontraksi menimbulkansinyal elektrikyangkemudiandijadikansebagai input pada lengan robot.Dalamhal iniperekamansinyal dilakukanmelalui rangkaian instrumentasi dan mengacu pada perekaman sinyal oleh BIOPAC MP 30 yang merupakan alat standart perekaman sinyal yang memiliki tingkat keakuratanyangbaik. Hasil perekamansinyal olehrangkaian instrumentasi ini akan diolah menggunakan beberapa metode pengolahan sinyal sehingga dapat diidentifikasi karakteristik tiap tiap sinyal yang kemudian diharapkan dapat digunakan sebagai input untuk menggerakkan robot lengan.I. 2.TUJUAN1Tujuan dari proyek akhir ini adalah:1. Mengetahui titik titik pada lengan manusia untuk mendeteksi sinyal elektromiografi danmerancangsistem pendeteksi sinyal elektromiografi.2. Mengolah sinyalelectromyographyuntuk mengetahui ciri sinyalelectromyographydari pergerakan otot manusia yang diambila pada gerak flexion dan extension pada shoulder jointdanelbow joint serta gerak abduction dan adduction pada shoulder joint.3. Mengidentifikasi sinyal elektromiografi untuk gerak flexion dan extensionpada shoulder joint dan elbow jointsertagerakabduction danadductionpadashoulderjoint sehingga dapat dijadikan input untuk menggerakkan lengan robot.I. 3.PERUMUSAN MASALAHPada tugas akhir kali ini pengukuransinyal elektromiografi menggunakan rangkaian instrumentasi elektronika. Dengan menggunakanBIOPACMP-30sebagai acuansinyal elektromiografi, sinyal yang didapat dari rangkaian instrumentasi akandiolah menggunakan metodeenvelopeuntuk mengetahui ciri sinyal hasil pengolahan, serta menggunakan sinyal tersebut sebagai input biosignal untukmenggerakkanlenganrobot. Darisistemtersebutakan dihadapi beberapa permasalahan antara lain:1. Bagaimana letakelektrode elektrodepada lengan sehingga sinyal elektromiografi dapat dideteksi.2. Bagaimana mengolah sinyal sinyal elektromiografi dari 3 (tiga) gerakan lengan manusiasehingga dapatdikenali karakteristik sinyal sinyal tersebut sesuai dengan gerakan lengan manusia.I. 4.BATASAN MASALAHDalamproses pengolahan sinyal elektromiografi yang akan diaplikasikan kepada robot lengan, maka kami membatasi masalah pada proyek akhir ini, yaitu:1. Pengukuran sinyal elektromiografi dilakukan pada sample orang sehat (tidak memiliki kelainan otot).2. Jenis gerak yang akan dideteksi sinyal elektromiografinya adalah gerak flexion dan extension padashoulder 2joint dan elbow joint serta gerak abduction dan adduction pada shoulder joint.3. Input untuk menggerakkan lengan robot adalah sinyal elektromiografi dari pengukuranmenggunakanrangkaian instrumentasi dan mengacu pada hasil pengukuran menggunakan BIOPAC MP-30.I. 5.METODOLOGIMetodologi yang digunakan untuk menyelesaikan proyek akhir ini adalah sebagai berikut:1. Studi LiteraturPada tahapini dilakukan studi tentangperangkat keras (rangkaian instrumentasi, minimum sistem, rangkaian AnalogtoDigital Converter)danperangkat lunak(filter digital,Root Mean Square, Envelope, Turns Count, tampilansinyal diVisual Basic)yangdigunakanuntuk mendeteksi sinyal EMG, serta teori yang mendukung untuk melakukan analisa pada sistem, karakteristik sinyal EMG, pemrosesan sinyal dan sampling sinyal di PC (Personal Computer) serta proses identifikasi sinyal EMG sehingga dapat digunakan sebagai input untuk menggerakkan lengan robot.2. Perancangan Perangkat KerasPada tahapini dilakukan perancanganperangkata keras meliputi rangkaian instrumentasi yangdigunakan untuk mendeteksi sinyal EMG, rangkaian sistem minimum, dan rangkaian Analog to Digital Converter. 3. Perancangan Perangkat LunakPadatahapini dilakukanperancanganperangkata lunak yang meliputifilter digital,metode ekstraksi sinyal (RootMeans Square, Envlope, Turns Count), dan tampilan sinyal di Visual Basic.4. Pembuatan dan Pengujian Perangkat KerasPada tahap ini pembuatan perangkat keras berdasarkan perencanaan yang sudah dibuat. Pengujian perangkat keras ini dilakukanpadageraklenganmanusiadandilakukan secara bertahap menggunakan rangkaian instrumentasi yang telah dibuat.5. Pembuatan dan Pengujian Perangkat Lunak3Pada tahapini pembuatan perangkat lunak berdasarkan perencanaan yang sudah dibuat. Pengujian perangkat lunak ini dilakukan dengan menguji coba data sample yang telah diambil dari rangkaianinstrumentasi danditampilkandi Visual Basic. Uji cobadataini meliputi penyamplingan sinyal, pemifilteran sinyal dan proses identifikasi sinyal.6. Penyusunan LaporanSetelahdilakukannya pembuatan, pengujiandan analisa sistem, maka akan disusun laporan secara keseluruhan dari proyek akhir iniDokumentasilaporan dilakukan dalampenyusanan laporan yang telah dilaksanakan secara bertahap.I. 6.SISTEMATIKA PEMBAHASANSistematika penyusan laporan proyek akhir ini adalah:BAB I PENDAHULUANBabini menguraikan secara singkat tentang latar belakang, tujuan, perumusan masalah, batasan masalah, metodologi yang digunakan serta sistematika pembahasan proyek akhir.BAB II TEORI PENUNJANGBab iniberisi tentang teoripenunjang yangdigunakan dalam pembuatan proyek akhir ini yang meliputi sinyal otot, gerak pada otot lengan.Electromyography,filter digital, sampling, windowing, serta Root Means Square, Envelope, Turns Count.BAB III PERENCANAAN DAN PEMBUATAN SISTEMBab ini menjelaskan tentang tahapan tahapan dalam perencanaan dan perancangan dalam pendeteksian sinyal elektromiografi dan pengolahan sinyal dengan penggunaan filter digital sertatigametodeekstraksi yaituRoot Means Square, Envelope,dan Turns Count.BAB IVPENGUJIAN DAN ANALISA SISTEMBab ini berisi tentang hasil pengujian dan analisa sistem baik perangkat keras maupun perangkat lunak, serta hasil secara keseluruhan yang meliputi tentang proyek akhir ini.BAB V PENUTUPBab ini berisi kesimpulan dan saran yang didapat dari pembuatan proyek akhir ini.4DAFTAR PUSTAKABagian ini berisi berbagai referensi yang didapat dalam membantu pembuatan proyek akhir ini.LAMPIRANHalaman lampiran berisikan gambar, table, dan daftar program yang menunjang pembuatan proyek akhir ini.5*******Halaman ini sengaja dikosongkan*******Love you all.BAB IIDASAR TEORI2.1 PENELITIAN TENTANG SINYAL ELECTROMYOGRAPH6Beberapa sumber literatureyangdigunakansebagai tinjauan pustaka pada proyek akhir kali ini adalah sebagai berikut:1. Biosignal Based Human Machine Interface for Robotic Arm.Paper iniditulis oleh Saravanan N. dan Prof.G. Muralidharan dari Institute Teknologi Madras serta Mr. Mehboob Kazi M.S. dari LembagaTeknikElektronikadibahasmengenaihuman machine interface menggunakan sinyal electromyiogram (EMG) untukkontrol buatanpadapergerakanlengantubuh. Hal ini didasari olehsifat beberapaserat otot yangmemiliki potensial dan satuanaksi potensial motor yang dihasilkan dari kontraksi ototyang dipelajaridan berhubungandengan gerak yangdihasilkanuntuklenganrobot. Setelahdiperolehsinyal maka dilakukan analisa sinyalkemudian sinyal analog dikonversikan menjadi sinyal digital menggunakan ADC/komparator yang kemudian dihubungkan pada mikrokontroller yang akan menggerakkan enam buah servomotor para robot lengan.[6]2. Real TimeClassificationofElectromyographicSignalafor Robotic Control.Dalam paper ini yang ditulis oleh para peneliti dari Departmentof Computer Science, Universityof Washington, yaituBeau Crawford, Kai Miller, Pradeep Shenoy, dan Rajesh Rao menjelaskantentangperekamansinyal elektromiografi untuk control roboticarm4degrees of freedom(DOF) secara real time yang menggunakan metode perekaman non-invasive.Dalam makalah ini membahas apakah sinyal dariintactmusclesini dapat digunakan untuk mengontrol sebuah perangkat robot denganmultiple degree of freedom. Dan penulisdapat menunjukkanbahwapolaaktifasi direkamdari otot otot dandapat diklasifikasikansecarareal timeuntuk mengontrol empat degree of freedom dan gripper robot. Serta menunjukkan empat faktor keberhasilan sistemini dalam menjalan tiga tugas robot, yaitu, menghindari rintangan, mengambil objek, dan penempatan objek yang tepat. Faktor faktroyangmempengaruhi keberhasilannyaadalah, pertama, pemilihan yang tepat untuk klasifikasi, hal ini dilakukan untuk memudahkan klasifikasi dan intuitif tugas control. Kedua, seleksi padaotot yangrelevandalamgeraklengan. Ketiga, penggunaan representasi yang sederhana dalammenghitung proses real time. Keempat, metode state-of-the-art classication berdasarkan Lineer Support Vector Machines (SVMs).[7]73. The Use of Surface Electromyographic in BioMechanics.Paper ini ditulisolehCarloD. JeLucadari NeuroMuscular Research Center, Boston university yang secara umum menjelaskan tentang penggunaan permukaan kulit untuk dideteksi sinyal elektromiografi untuk biomechanics. Ada beberapa isu yang dibahas dalam paper ini. Pertama, konsentrasi pada konfigurasi electrode pada lengan untuk mendeteksi sinyal EMG. Kedua, dua permukaan yang digunakansaat pendeteksiandan2signal yangterdeteksi di substract sebelum masuk ke penguat (amplifier). Dalam konfigurasi differensial, bentuk dan luas permukaan dari pendeteksiandanjarakantarapermukaandeteksi merupakan faktropenting karena mempengaruhi amplitudedanfrekuensi dari sinyal. Distribusi frekuensi dalam spectrum serta bandwidthdipengaruhi olehjarakantarapermukaandeteksi. Hal ini seringdilupakanolehparapeneliti. Jugabentukdan bidang serta jarak antara permukaan deteksi menentukan jumlah serat otot yang akan dideteksi oleh electrode, sehingga mempengaruhi amplitudo sinyal, semakin besar/banyak jumlah serat yangtertupi olehpermukaan deteksi (electrode) maka semakin besar pula amplitude sinyal.[4]2.2 OTOT MANUSIATubuh manusia terdiri dari jaringan otot dengan masing masing bentuk yang spesifiksecara homeostatis yaitu otot jantung, jaringanotot,dansyaraf otot.Jaringanotot manusia berisiseratus sel yang bentuknya silinder dan bersama digabungkan dengan jaringan syaraf. Gambar 2.1 menunjukkan struktur otot manusia.8Gambar 2.1 Struktur otot.Pada tubuhmanusia otot merangsanguntukkontraksi yang dibangkitkan oleh sinyal otot. Berdasarkan gambar 2.1 axon atau fiber yang panjang dan berbentuk silinder. Axon berkembang melalui spinal nerves dan otak kemudian disebarkan ke cabang cabang yang dimana cabang cabang tersebut merupakan gabungan dari fiber.Gambar 2.2 Contoh dari motor unit pada otot [11]9Unit motor adalah motoneuron bersama dengan axon dan seluruh serabut otot yang diinervasinya.Pada saat sebuah motoneuron beraksi, seluruhserabut otot yang diinervansinya berkontraksi. Satu serabut saraf dapat menginervasi banyak serabut otot karena axon mempunyai banyak cabang. Serabut serabut otot yang berasal dari satu unit motor tersebar merata di otot. Ujung cabang - cabang motoneron bersama dengan membrane otot yang diinervasinya membentuk motor-end plate(junction neuromuscularis). Motor end plate terdiri atas dua bagian, yaitusaraf danotot yangsalingdipisahkanolehcelah. Satu impuls saraf menghasilkan suatu potensialend plate, dan apabila potensial ini mencapai ambang maka terjadilah potensial aksi yang disebarkan ke sepanjang serabut otot dan menimbulkan kontraksi.Sehingga dapat disimpulkanbahwa psikologi kontraksi otot dikontrol oleh:a. Aktifitas dari motor unit dengan otot.b. Mengontrol frekuensi dari rangsanganmotorneuron dari masing masing motor unit.Hampir semua rangsangan listrik yang dibangkitkan dan konduksi oleh masing masing fiber kurang dari 100 V, konduksi dari beberapafiber tegangannyaberbedadancukuplebar untukdideteksi oleh electrode, perubahan tegangan didapatkan pada saat kontraksi.Potensial potensial listrik yang dihasilkan oleh otot saat berkontraksi dan relaksasi ini berupa sinyal elektromiografi. Selain dapat melakukan perubahan tegangan, otot manusia memiliki kemampuan untuk melakukan berbagai macam gerak. Pada gambar 2.2 berikut ditunjukkanbeberapa gerakyangberhubungandengantugas akhirini. Gerakgeraktersebut melibatkanotot otot yangadadi lengan. Otot otot yang digunakan dapat dilihat di table 1.Tabel 1. Otot otot yang berperan dalam gerak lengan [11]Gerakan OtotAbduksi DeltoidSupraspinatusAdduksi CoracobrachialisEkstensi Teres MajorLatissimus DorsiFleksi Pectoralis Major10Externa R InfrapinatusTeres MinorInternal R Subcapularis (a) (b)(c)Gambar 2.2 (a) Gerak extensi dan flexi pada shoulder joint, (b) Gerak extensi dan flexi pada elbow joint, (c) Gerak abduction dan adduction pada shoulder joint.2.3 SINYAL ELECTROMYOGRAPHICElectromyogram adalah teknik untuk mengevaluasi dan merekam aktifitas sinyal otot aktifitas electromyogram ditunjukkan oleh 11electromyography. Electromyograph berfungsi untuk mendeteksi adanya potensial listrik yang dihasilkan oleh otot saat kontraksi dan relaksasi.Dalam electromyography, terdapat beberapa teknik pengukuran yang meliputi:1. Surface Electromyography (SEMG)Adalah teknik non - invasive untuk mengukur hasil aktifitas elektrik dari proses kontraksi dan relaksasi.2. Fire Wire Electromyography (Intramuscular EMG)Adalah teknik invasive untuk mengukur hasil aktifitas elektrik otot dari proses kontraksi dan relaksasi.3. Neuromuscular Electrical Simulation (NMES)Burstpulsaelektrikdarirangsangankontraksiototyang ditargetkan melalui elektrode.Parameter dari NMES adalah:a. Pulse width: durasi dari pulsa individual.b. Pulse rate: tingkat dimana sejumlah pulsa dikirimkan.c. Intensity: intensitas saat ini disampaikan setiap denyut nadi. Penggunaan electrode NMESsangat baik untuk aplikasi ini sebagai daya kerapatan elektroda, serta faktor keselamatan.d. Ramp: waktu yang diperlukan intensitas pulsa berturut turut untuk mencapai nilai preset maksimum atau menurunkan kembali ke nol.Gambar 2.3 Typical pulsa pada NMES [3]2.3.1 Persiapan dan Pertimbangan KulitLetak kulit dan posisi electktroda adalah unsur penting dalammemperoleh kualitas EMGdalampengukuran. Dua 12kunci penting dalam persiapan elektroda adalah sebagai berikut:1. Kontak elektroda harus stabil2. Impedansi kulit harus kecilWalaupuntidakterdapat aturanmengenai persiapan kulit, tipe aplikasi dan kualitas sinyal biasanya ditentukan oleh persiapan kulit. Persiapan kulit untuksurface electrodes biasanya melibatkan pengurangan bulu rambut objek. Beberapa metode untuk membersihkan kulit adalah:1. Menggunakan pasta abrasive dan konductive untuk menghilangkan kulit yang mati dan menurunkan impedansi kulit.2. Penggunaansandpaper untukabradekulit, dicampur dengan alcohol untuk membersihkan kulit mati, minyak dan menurunkan impedansi kulit.3. Penggunaanalcohol pembersihuntukmembersihkan permukaan kulit dalam pengukuran EMG statis.2.3.2 Tipe ElektrodeUntuk pemukaan elektroda sederhana biasanya berbentuk cakram platinum atau perak.Berbahan pre-gel Ag-AgCl dangel lunak. Cakramelektroda ini dapat digunakan beberapa kali namun gel elektroda hanya sekali penggunaannya. Setiapkali adarangsanganlistrik, elektroda digunakan harus dirancang secara tepat untuk memberikan rangsangan listrik yang lain.Gambar 2.4 Metallic disc electrode: UniGel (B), and Strip (C) [3]13Gambar 2.5 Noraxons gel electrode: pre-gelled AgCl (1,2), dan wet-gels (3,4) [3]Pada sinyal EMGdapat ditunjukkan beberapa sinyal dan kegunaannya sebagai berikut:1. Raw EMG signal adalah sinyal EMG alami (unprocessed) yang dicirikan dengan puncak positif dan negative. Nilai amplitude danfrekuensi dari sinyal ini memberikaninformasi tentang kontraksi dan relaksasi otot. Hal ini berguna ketika mempelajari waktu pengaktifan otot atau bentuk verifikasi kualitas sinyal dan mendeteksi artifact sinyal. Raw EMG signal ditunjukkan pada gambar 2.6Gambar 2.6 Raw EMG Signal [3]142. RMSEMGadalahRootMeanSquareddariRawSignaldan mempresentasikan mean power dari sinyal. Hal ini berguna saat mempelajari waktu pengaktifan otot dan untuk mengukur level aktifasi otot seperti level istirahat ataumenghitungkekuatan yang dibangkitkan otot. RMS Signalditunjukkan pada gambar 2.7, berikut:Gambar 2.7 RMS EMG Signal [3]3. FrequencySpectrumofEMGadalahsinyal RawEMGyang dikonversi dalam domain frekuensi dengan melakukan perhitunganFast Fourier Transformmenggunakandatapoin yang ada. Spectrum frekuensi menyatakan nilai firing frekuensi dalam otot. Frekuensi ini umumnya menerima SEMG frekuensi yang relevan dengan range antara 20 500 Hz. Dengan memperhatikan spectrumfrekuensi dapat juga memberikan informasi kelelahan otot.Gambar 2.8 Frequency Spectrum of EMG [3]2.4 NOISE ARTIFACTNoiseAtifactadalah sinyal atau kumpulan sinyal yang dihasilkan secara teknis maupun pengganggu lain yang tidak disebabkan oleh aktifitas otak. Pada paper berjudul Tinjauan Aplikasi Elektromiografi Dalam Ergonomi karangan Muhamad Khoiri dari STT Nuklir Batam menyatakan bahwa permasalahan keakuratan pengukuran aktifitas otot dalam bentuk potensial aksi unit motor oleh EMG masih menjadi perhatian serius karena adanya noise dan artifact. Permasalahan 15ini antara lain disebabkan konfigurasi elektroda dan dimensinya, penempatan elektroda danorientasinya, serta pemroses sinyal EMG untuk analisis spectrum dan amplitude. Berikut gambaran artifact yang muncul dari perekaman potensial aksi.Gambar 2.9 Perekaman Potensial Aksi dari Nerve Axon Invertebrate [8]Beberapa artifact yang muncul, yaitu:1) 50 60 Hz power line interferenceArtifact ini adalah paling umum. Hal ini terjadi karena adanya transmisi dari peralatan listrik (misalnya penggunaan computer untukperekamanEMG). Denganmenggunakanfilter jenis notch filter dalamperangkat lunak, dapat digunakan untuk menghilangkan noise ini.Gambar 2.10 50 60 Hz power line interference [3]2) EKG artifactSinyal yangdihasilkanolehjantungdandapat terekampada saat pengukuran sinyal EMG. Artifact ini sangat sulit dihapus, tetapi dapat dihindari dengan penempatan elektroda dari sumbu aktifitas jantung. Sebagai usaha terakhir high pass filter denganfrekuensi 100Hzdiimplementasikanpada hardware atau software sehingga diharapkan dapat digunakan untuk 16melemahkan atau menghilangkan semua frekuensi dibawah frekuensi cut off.Gambar 2.11 EKG Artifact [3]3) Movement artifactArtifact ini terjadi ketika objek bergerak dan elektroda terganggu atau terjadi penarikan pada kabel. Elektroda harus ditempatkan secara langsung dengan kulit dan kabel harus dikencangkan untuk menghindari artifact. Filter (hardware atau software) dapat diaplikasikan untuk menghilangkan artifact.Gambar 2.12 Movement Artifact [3]4) DC offsetHasil dari perbedaan potensial aksi antara kulit dan elektroda elektroda. Pembacaan RMS EMG akan memberikan informasi yang salah mengenai level istirahat dan level aktifasi jik offset ini tidakdiperhatikan. RawEMGsignal biasanyadigunakan untukmendeteksi DCoffset. Dengan penempatanelektroda pada kulit yang tepat, semua masalah dapat diatasi. Dan ketika semua gagal gel konduktifitas akan mengurangi impedansi kulit.175) Muscle crosstalkHasil dari sinyal sinyal yang dihasilkan oleh otot otot lain selain otot yang bersangkutan. Cross talk dapat diminimalisasi dengan penempatan elektroda yang tepat, yang direkomendasikan jarak antara elektroda adalah 2 cm.2.5 FILTER DIGITALFilter digital menggunakan pengolahan digital untuk melakukan perhitungan numeric pada sinyal sinyal tersampel. Media pengolahnyadapat berupakomputerdengantujuanumumseperti PC atau chip pengolah sinyal digital khusus.Gambar 2.13 Diagram pada sinyal digitalAda dua jenis filter digital, yaitu FIR(Finite Impulse Response)danIIR(InfiniteImpuls Response). Namundalamproyek akhir ini digunakan FIR karena respon dari impulsnya memiliki durasi yang terbatas dan outputnya hanya bergantung pada input sekarang dan sebelumnya. Respon impuls FIR yaituyn=k=0Mbkxn-k=k=0Mhkxn-kDalam domain waktu: hn=hkn-kdalam domain frekuensi: Hs=k=0Mhke-jLkDimana: y[n] = output filter pada waktu diskrit (n) bk = titik sebanyak k untuk koefisien filter h[k] = respon impuls n[n-k] = input filter yang ditunda oleh k sampel18 M = jumlah titik titik pada filterRespon impuls filter FIR ditunjukkan pada gambar dibawah ini, dimana keluaran FIR hanya bergantung pada masukan M sebelumnya sehingga respon impulsnya terbatas.Gambar 2.14 Respon Impuls FIRKeuntungan dari penggunaan FIR adalah:a) Desain filter lebih sederhanab) FilterFIR dapatdijamin memiliki fase linier.Iniadalahsifat yang diinginkan untuk kebanyakan aplikasi seperti pengolahan music dan video.c) Filter FIRmempunyai sensitivitas yang rendahuntuk error kuantisasi (proses melakukan konversi sinyal digital yang diwakili oleh sebuah nilai dengan jumlah digit tertentu) koefisien filter. Inilah sifat penting yang harus dimiliki ketika mengimplementasikan suatu filter pada proses DSP atau pada suatu rangkaian integrasi.2.5.1 SamplingDalampengolahan sinyal keluaran ADC, sebelum mengalami penyaringan, sinyal terlebih dahulu mengalami proses penyamplingan yaitu proses pencuplikan secara sederhana dengan kecepatan tetap sebesar fs (frekuensi sampling), sehingga didiapat titik yang berjarak sama. Frekuensi sampling menentukan keakuratan sinyal digital terhadap sinyal analognya dan pengkonversian sinyal analog ini harus memenuhi criteria Nyquist, yaitu:Fs>2 Fin max19Dimana frekuensi sampling minimum (fs) adalah lebih dari 2 kali frekuensi maksimumsinyal analog. Bilapersyaratanini tidak terpenuhi maka akan timbul efek aliasing, frekuensi tertentu terlihat sebagai frekuensi yang lain.2.5.2 Windowing2.5.2.1 Windowing pada domain waktuWindow adalah fungsi yang didefinisikan melalui perekaman waktu yang periodik terhadap perekaman waktu. Window diawali dan diakhiri pada titiknol dan fungsi yang halus diantara keduanya. Ketika perekaman waktu di-window, maka titik-titiknya dikalikan dengan fungsi window, batas waktu per batas waktu, dan menghasilkan perekaman waktu yang periodik. Inilah mengapa hasil windowng tidakidentikdaritiap-tiapperekamantetapi periodik (nol ditiap akhir) dan sangat curam di sisi yang lain. 2.5.2.2 Windowing pada domain frekuensiPerlakuan windowpada domain frekuensi sama seperti filter. Amplitudo dari tiap-tiap batas frekuensi ditentukan dengan memusatkan filter ini pada tiap-tiap titik dan mengukur berapa banyak sinyal yang terfilter.Jika filter ini sempit, maka hanya frekuensi-frekuensi yang mendekati batas yang akan berada pada batasan frekuensi. Filter yang sempit disebut window pemilih, yaitu memilih jarak frekuensi terkecil disekitar batas. Karena filter ini sempit, windowjatuh dari pusat dengan cepat, maksudnya bahwa berapapun frekuensi yang mendekati nilai batas kemungkinan sedikit dilemahkan.Jika filter ini lebar, frekuensi yang jatuh dari batasakanberadapadabatasamplitudo, tetapi yang terdekat tidak akan dilemahkan secara signifikan.2.5.2.3 Perancangan Filter FIR dengan WindowingPemotongan window membutuhkan transformasi suatu filter non-causal ke suatu filter causal. Pemotongan window memiliki panjang (M+1) 20sampel kemudiandigeser sebesar M/2sampel pada arah waktu positif.Memotongresponimpuls sama denganmengalikan respon dengan fungsi window. Setelah operasi window ini respon impuls filter FIR dapat dinyatakan sebagai berikut:hnoncausalk=sincn-n- ;=N-12hk=wkhnoncausalk h[k] : response domain waktu setelah windowing hnoncausal: response domaian waktu sebelum windowing w[k] : response domain waktu windowPermasalahan dalam windowing adalah distorsi kebocoran spektrum. Hasil dari windowing adalah untuk mengurangi sejumlah gangguan pada spektrum sinyal yangtidaktepat periodikdenganperekaman waktu. Jenis jenis window yang berbeda ini tergantung pada kepandaian memilih, akurasi amplitudo, dan tingkat deraunya.Tabel 2.2 Jenis jenis window dan karakteristiknyaJenis WindowKarakteristiknyaRectanguler.otherwise, 01 0 , 1) (' N nn wBartlett., 01 1)/2 (N), 1 /( 2 22 / ) 1 ( n 0), 1 /( 2) (' < otherwiseN n N nN N nn w21Hanning.otherwise , 01 0 ,12cos 5 . 0 5 . 0) ('

,`

.|N nNnn wHamming.otherwise , 01 0 ,12cos 46 . 0 54 . 0) ('

,`

.|N nNnn wBlackman.otherwise, 01 0 ,14cos 08 . 012cos 5 . 0 42 . 0) ('

,`

.|+

,`

.|N nNnNnn w Kaiser.otherwise0,1 N n 0,) (1121) (020' ]]]]

,`

.|INnIn wTabel 2.3 Impuls Respon dari Fungsi FilterJenis FilterImpuls Respon h(nT)n0n=0Low Pass FiltercTsinncTncTHigh Pass Filter-cTsinncTncT 1-cBand Pass Filterc2Tsinnc2Tnc2T-c1Tsinnc1Tnc1Tc2-c1T22Band Stop Filterc1Tsinnc1Tnc1T-c2Tsinnc2Tnc2T1-c1-c2T2.6 RMS (ROOT MEANS SQUARED), TURNS COUNT, ENVELOPESetelah di filter sinyal tersebut tersebut di-ekstraksi guna mengetahui ciri ciri dari sinyal elektromiografi. Untuk ekstraksi sinyal elektromiografi menggunakan beberapa metode agar sinyal yang diperoleh lebih bagus dan halus. Metode metode tersebut meliputi metode the root mean-squared value, Turns count, Envelope. Metode The root mean-squared value adalah root mean squared dariraw signal (sinyal asli EMG) dan merepresentasi mean power dari sinyal. Hal ini berguna saat mempelajari waktu pengaktivan otot dan untuk mengukur level aktivasi otot seperti level istirahat atau menghitung kekuatan yang dibangkitkan otot. Nilai RMS dari suatu sinyal x(n) durasi total N sample adalahRMS= 1Nn=0N-1x2n12Tetapi untuk perhitungan tingkat sinyal (yang berhubungan dengan kekuatan), bagaimanapun tidak dapat digunakan dalam analisa sinyal nonstationary. Jalannya pehitungan nilai RMS dari sinyal yang terkomputasi melebihi M sampel, makaRMS= 1Mk=0M-1x2 (n-k)12durasi dari window M membutuhkan pemilihan yang sesuai dengan bandwith sinyal, dengan M