Electronic Theses and Dissertation

ABSTRAK

Waktu siklus langkah kaki merupakan salah satu parameter penting dalam analisis gaya berjalan (gait analysis) yang digunakan untuk mengevaluasi karakteristik dan kestabilan berjalan seseorang. Penelitian ini bertujuan untuk menentukan waktu siklus langkah kaki menggunakan modul IMAGy berbasis sensor akselerometer. Metode eksperimen dengan melibatkan sepuluh subjek yang berjalan pada permukaan datar dengan kecepatan normal. Data percepatan direkam menggunakan modul IMAGy yang dipasang pada pergelangan kaki kanan, kemudian data percepatan sumbu x diolah menggunakan bahasa pemrograman Python melalui proses penyaringan sinyal menggunakan Butterworth band-pass filter dengan rentang frekuensi 0,5–4,0 Hz, analisis Fast Fourier Transform (FFT), serta metode peak detection berbasis threshold untuk mendeteksi kejadian heel strike. Waktu siklus langkah kaki ditentukan berdasarkan selisih waktu antara dua kejadian heel strike berturut-turut pada kaki yang sama. Hasil penelitian menunjukkan bahwa rata-rata waktu siklus langkah kaki hasil pengukuran manual menggunakan stopwatch sebesar 0,98 ± 0,02 detik, sedangkan hasil pengukuran menggunakan sistem berbasis IMAGy sebesar 0,93 ± 0,26 detik, dengan selisih rata-rata sebesar 0,05 detik. Perbandingan kedua metode menghasilkan nilai error rata-rata sebesar 6,05% dan tingkat akurasi sebesar 93,95%. Berdasarkan hasil tersebut, sistem IMAGy berbasis sensor akselerometer mampu menentukan waktu siklus langkah kaki dengan tingkat ketelitian dan konsistensi yang baik, sehingga berpotensi digunakan sebagai alternatif pengukuran parameter gait secara otomatis dan real-time.

Kata kunci: gaya berjalan, akselerometer, Butterworth band-pass filter, Fast Fourier Transform (FFT), modul IMAGy, waktu siklus langkah kaki.

ABSTRACT Gait cycle time is one of the most important parameters in gait analysis used to evaluate an individual's walking characteristics and stability. This study aims to determine gait cycle time using an accelerometer-based IMAGy module. An experimental method was employed involving ten subjects walking on a flat surface at a normal walking speed. Acceleration data were acquired using an IMAGy module attached to the right ankle, and the x-axis acceleration data were processed using Python. The signal processing consisted of Butterworth band-pass filtering with a frequency range of 0.5–4.0 Hz, Fast Fourier Transform (FFT) analysis, and a threshold-based peak detection method to identify heel strike events. Gait cycle time was determined from the time interval between two consecutive heel strike events of the same foot. The results showed that the average gait cycle time obtained from manual measurement using a stopwatch was 0.98 ± 0.02 s, whereas the IMAGy-based system produced an average gait cycle time of 0.93 ± 0.26 s, with an average difference of 0.05 s. The comparison between the two methods resulted in an average error of 6.05% and an accuracy of 93.95%. These findings indicate that the accelerometer-based IMAGy system is capable of determining gait cycle time with good accuracy and consistency, making it a potential alternative for automatic and real-time gait parameter measurement. Keywords: gait analysis, accelerometer, Butterworth band-pass filter, Fast Fourier Transform (FFT), IMAGy module, gait cycle time.