Publisher

Tel-UTel-U

Journal Journal of Computer, Electronic, and TelecommunicationJournal of Computer, Electronic, and Telecommunication Abstract

Kecepatan sudut sendi anggota tubuh bawah merupakan parameter kinematik penting yang merepresentasikan dinamika jalan dan luas digunakan sebagai referensi dalam sistem rehabilitasi jalan serta kontrol robot asisten. Studi ini bertujuan untuk mengoptimalkan arsitektur jaringan saraf untuk memperkirakan kecepatan sudut sendi pinggul, lutut, dan pergelangan kaki dengan mempertimbangkan Indeks Massa Tubuh (IMT) dan kecepatan berjalan. Studi dilakukan menggunakan data jalan sekunder yang dikelompokkan berdasarkan kategori IMT, jenis sendi, dan fase jalan. Model estimasi dikembangkan menggunakan jaringan saraf feedforward dengan satu lapisan tersembunyi, di mana jumlah neuron bervariasi dari 5 hingga 30. Hasil menunjukkan bahwa meningkatkan jumlah neuron di lapisan tersembunyi meningkatkan akurasi estimasi hingga mencapai kondisi optimal dalam rentang 15–20 neuron, setelah itu kinerja cenderung jenuh. Sendi pinggul menunjukkan estimasi paling stabil dan akurat, diikuti oleh lutut dan pergelangan kaki, sementara fase jalan akhir menghasilkan akurasi lebih tinggi dibandingkan fase awal jalan. Temuan ini menekankan pentingnya mengoptimalkan arsitektur jaringan saraf untuk menghasilkan estimasi parameter jalan yang akurat dan efisien untuk aplikasi rehabilitasi jalan.

Conclusion

Studi ini berhasil menunjukkan bahwa mengoptimalkan arsitektur jaringan saraf, khususnya jumlah neuron di lapisan tersembunyi, secara signifikan memengaruhi akurasi estimasi kecepatan sudut sendi anggota tubuh bawah berdasarkan Indeks Massa Tubuh (IMT) dan kecepatan berjalan.Hasil pemodelan menunjukkan bahwa meningkatkan jumlah neuron di lapisan tersembunyi dapat meningkatkan koefisien korelasi (R) hingga mencapai kondisi optimal, sebelum kinerja jenuh pada jumlah neuron yang lebih tinggi.Konfigurasi jaringan saraf dengan jumlah neuron di lapisan tersembunyi dalam rentang 15–20 neuron ditentukan sebagai arsitektur optimal karena dapat menghasilkan akurasi estimasi tinggi dan tetap stabil dengan model yang efisien.Selain itu, hasil penelitian menunjukkan perbedaan karakteristik estimasi antara sendi dan fase jalan.Sendi pinggul secara konsisten menghasilkan kinerja estimasi terbaik dan paling stabil, diikuti oleh sendi lutut dan pergelangan kaki yang menunjukkan nilai korelasi lebih rendah dan lebih fluktuatif.Fase jalan akhir cenderung memberikan akurasi estimasi lebih tinggi dibandingkan fase awal jalan, menunjukkan bahwa pola kecepatan sudut pada fase akhir jalan lebih stabil dan memiliki hubungan yang lebih kuat dengan parameter masukan, yaitu IMT dan kecepatan berjalan.Secara keseluruhan, studi ini mengonfirmasi bahwa memilih konfigurasi jaringan saraf yang tepat, dengan mempertimbangkan karakteristik sendi dan fase jalan, merupakan faktor kunci dalam pengembangan sistem estimasi dan kontrol jalan berbasis jaringan saraf adaptif dan aplikatif, khususnya untuk mendukung rehabilitasi jalan dan sistem asisten berbasis robot.

Future Research

Berdasarkan temuan penelitian ini, ada tiga saran penelitian lanjutan yang dapat dikembangkan. Pertama, penelitian dapat mengeksplorasi pengaruh faktor-faktor lain seperti usia, jenis kelamin, atau penyakit kronis terhadap akurasi estimasi kecepatan sudut sendi, khususnya pada populasi dengan IMT ekstrem. Kedua, penggunaan data real-time dari sensor wearable untuk memvalidasi model estimasi dalam situasi nyata, seperti selama proses rehabilitasi jalan, dapat meningkatkan relevansi aplikasi praktis. Ketiga, integrasi teknologi AI dengan sistem exoskeleton yang lebih responsif terhadap variasi individu, seperti dengan algoritma adaptif berbasis feedback langsung, dapat memperbaiki stabilitas dan efisiensi kontrol gerak jalan pasca-stroke. Semua saran ini bertujuan untuk memperluas penerapan model jaringan saraf dalam konteks rehabilitasi yang lebih personal dan dinamis.

References

1. Robot Ankle Foot Orthosis with Auto Flexion Mode for Foot Drop Training on Post-Stroke Patient in Indonesia... doi.org/10.22219/kinetik.v7i4.1533Robot Ankle Foot Orthosis with Auto Flexion Mode for Foot Drop Training on Post Stroke Patient in Indonesia doi 10 22219 kinetik v7i4 1533
2. Neural Network Optimization for Estimating Lower Limb Angular Velocity Based on Body Mass Index and Walking... journals.telkomuniversity.ac.id/complete/article/view/10806Neural Network Optimization for Estimating Lower Limb Angular Velocity Based on Body Mass Index and Walking journals telkomuniversity ac complete article view 10806
3. Effects of ankle–foot orthoses on gait parameters in post-stroke patients with different Brunnstrom... doi.org/10.1186/s40001-024-01835-2Effects of ankleAefoot orthoses on gait parameters in post stroke patients with different Brunnstrom doi 10 1186 s40001 024 01835 2

Metadata

File size	478.91 KB
Pages	10
DMCA	Report