1. Tujuan Praktikum
Tujuan praktikum ini sebagai berikut:
1. Melakukan pengolahan sinyal EMG yang direkam ketika subjek berjalan di atas treadmill
dengan pembebanan bersuspensi dan tanpa suspensi
2. Melakukan ekstraksi fitur time – frequency spectogram, mean power spectral, dan
median frequency dari sinyal EMG yang telah direkam terlebih dahulu
3. Melakukan analisis terhadap fitur EMG yang telah diekstraksi terkait kelelahan otot
3 Disposable Electrode 1
3. Hasil Percobaan
Pada pelaksanaan praktikum didapatkan hasil pengukuran EMG (Elektromiografi) subjek yang
berjalan menggunakan ransel suspensi dan ransel tanpa suspensi di atas treadmill dengan
kecepatan tetap. Pengambilan data diambil dari frekuensi sampling sebesar 2000Hz dengan titik
yg diukur pada otot trapezius dan otot erector spinae. Namun otot yang diamati pada praktikum
kali ini adalah otot trapezius. Hasil pengolahan data bisa diamati pada grafik dibawah.
Modul Instrumentasi Medik
Dengan menggunakan jenis filtering FIR tipe Hamming Window orde 4 didapat:
berarti otot pada subjek dengan ransel tanpa suspensi bekerja relatif lebih keras
sehingga memberikan tanda kelelahan.
5. Dari grafik mean diatas kita dapat melihat daya rata-rata yang diberikan. Jika
diperhatikan, data pada ransel tanpa suspensi memberikan daya yang lebih besar sejak
awal dibandingkan ransel bersuspensi namun secara bertahap menurun setelah detik
ke-25 yang menunjukkan kelelahan otot. Di sisi lain ransel bersuspensi memberikan
data daya yang cukup stabil.
6. Grafik frekuensi median diatas menunjukkan informasi data mana yang menunjukkan
frekuensi tinggi. Seperti spectogram waktu-frekuensi, kita dapat mengetahui kinerja
otot berdasarkan tinggi frekuensi yang diberikan. Terlihat bahwa data ransel tanpa
suspensi memiliki frekuensi yang lebih tinggi dibandingkan data ransel bersuspensi.
5. Kesimpulan
1. Untuk mendapatkan data yang diinginkan maka dilakukan pemotongan data pada satu
detik pertama serta satu detik terakhir lalu dilakukan filtering tipe IRR serta FIR
sehingga sinyal EMG dapat dianalisa dengan baik.
2. Untuk membedakan data yang diberikan dengan cukup mudah, digunakan metode
spektogram waktu-frekuensi, grafik mean power, serta frekuensi median sehingga
perbedaan dapat terlihat lebih jelas.
3. Dari hasil pengukuran EMG diketahui penggunaan ransel bersuspensi mengurangi
kelelahan yang dirasakan subject dibandingkan menggunakan ransel tanpa suspensi.
6. Daftar Pustaka
Mitchell, D. P., & Netravali, A. N. (1988). Reconstruction filters in computer-graphics. ACM
Siggraph Computer Graphics, 22(4), 221-228.
Reaz, M. B. I., Hussain, M. S., & Mohd-Yasin, F. (2006). Techniques of EMG signal analysis:
detection, processing, classification and applications. Biological procedures online, 8(1), 11-
35.
Modul Instrumentasi Medik
7. Lampiran
Source Code yang digunakan:
load jalan_s_10kg_5km.txt;
data=jalan_s_10kg_5km ;
%% plotting data
[xs,ys]=size(rawr);
Fs=2000;
EMG=rawr(1:xs,1);
raw(1,:)=EMG;
domain_waktu = 0:1/2000:52.543;
figure, plot(domain_waktu,raw)
axis([0 53 -0.4 0.6])
title('Data Mentah EMG di Otot Trapezius dengan Suspensi')
xlabel('waktu')
ylabel('amplitudo')
grid
%% pemfilteran
% IIR butterworth
[b,a] = butter(4, 10/500); %buat filter IIR butterworth orde 4 dengan frekuensi
potong 10/500 atau 0.02 radian
figure, freqz(b,a,500); %perlihatkan respon frekuensinya
hasil_butter = filtfilt(b,a,raw); %filter sinyal_masukan dengan filter IIR yang
telah dibuat
figure, plot(domain_waktu,hasil_butter)
axis([0 53 -0.3 0.4])
title('Hasil filtering data mentah (bersuspensi) dengan IIR Butterworth')
xlabel('waktu')
ylabel('amplitudo')
grid
figure, plot(domain_waktu,hasil_hamm)
axis([0 53 -8*10^-11 12*10^-11])
title('Hasil filtering data mentah (bersuspensi) dengan FIR Hamming Window')
xlabel('waktu')
ylabel('amplitudo')
grid
Modul Instrumentasi Medik
%% Spectogram
%Menentukan matriks dari spectogram
nfft=512;
nL=128;
noverlap=nL/2;
%Membentuk spectogram
[s,f,t]=spectrogram(raw(1,:),hamming(nL),noverlap,nfft,Fs,'yaxis');
%Menampilkan spectogram
figure
a_s= imgaussfilt(abs(s),7);
surf(t, f(1:100) , a_s(1:100,:) , 'EdgeColor', 'none');
grid on
axis xy;
axis tight;
colormap(jet); view(0,90);
colorbar;
cmin=0.01; %min rentang dari colormap untuk power EMG
cmax=1.5; %min rentang dari colormap untuk power EMG
caxis([cmin cmax])
xlabel('Waktu (detik)','FontWeight','bold');
ylabel('Frekuensi (Hz)','FontWeight','bold');
title('Spektogram EMG di Otot Trapezius dengan Suspensi');
for i=1:20
a1=a_s(ii,:);
a2=a2+a1;
ii=ii+1;
end
a2=a2/40;
figure
plot(t,a2);
xlabel('Waktu (detik)','FontWeight','bold');
ylabel('Power EMG','FontWeight','bold');
title('Mean Power Spectral EMG di Otot Trapezius dengan Suspensi');
%% Median Frequency
ii=500;
[xas,yas]=size(a_s(:,1));
fa2=zeros(1,yas);
for i=1:20
fa1=a_s(:,ii);
fa2=fa2+fa1;
ii=ii+1;
end
fa2=fa2/40;
figure
plot(f,fa2);
xlabel('Frekuensi','FontWeight','bold');
ylabel('Power EMG','FontWeight','bold');
title('Median Frequency EMG di Otot Trapezius dengan Suspensi');