Klasifikasi Sinyal EMG Menggunakan Random Forest

Abstract

Kemajuan teknologi dalam bidang kesehatan telah mendorong pengembangan alat bantu yang inovatif, seperti sistem yang memanfaatkan Electromyography (EMG) untuk mendeteksi sinyal listrik dari aktivitas otot. Penelitian ini fokus pada klasifikasi pola gerakan jari tangan menggunakan algoritma Random Forest. Sinyal EMG dikumpulkan melalui sensor Myo Armband yang dipasang pada lengan bawah tangan kanan subjek. Data sinyal yang diperoleh diproses dengan mengubahnya ke dalam domain frekuensi menggunakan Fast Fourier Transform (FFT). Dari keseluruhan data, 70 persen digunakan untuk pelatihan model dan 30 persen untuk pengujian. Hasil penelitian menunjukkan bahwa algoritma Random Forest dapat mengklasifikasikan sinyal EMG dengan akurasi yang baik, memberikan kontribusi signifikan dalam pengembangan sistem pengenalan gerakan berbasis sinyal EMG.