Alat ini dibuat untuk memudahkan para pengemudi mobil untuk mencari tempat parkir gedung dan rubanah yang kosong. Alat ini menggunakan System-On-Chip NodeMCU ESP32 Wi-Fi yang diintegrasikan dengan sensor ultrasonic HC-SR04 dan aplikasi android yang dirancang dengan bahasa pemrograman Flutter. Alat utama pada proyek ini adalah sensor ultrasonic HC-SR04 yang bekerja untuk menentukan jarak ke objek mobil dalam ambang batas yang telah ditetapkan dan menjelaskan keberadaan mobil pada parkir mobil yang tersedia. Informasi yang dibaca oleh sensor ditransfer ke NodeMCU ESP32 Wi-Fi, lalu informasi tersebut kemudian ditransfer ke aplikasi android. Aplikasi android diprogram dengan bahasa pemrograman Flutter. Aplikasi akan menampilkan informasi kepada pengguna apakah tempat parkir tersedia atau tidak. Dalam hasil pengujian, perangkat lunak dan perangkat keras pada proyek ini dapat bekerja dengan baik dan dapat membaca keberadaan berbagai jenis mobil dan bukan jenis mobil.
This tool is made to make it easier for car drivers to find an empty parking space and basement. This tool uses the System-On-Chip NodeMCU ESP32 Wi-Fi which is integrated with the HC-SR04 ultrasonic sensor and an android application designed with the Flutter programming language. The main tool in this project is the HC-SR04 ultrasonic sensor to determine the distance to a car within a predetermined threshold and explain the presence of the car in the car park. Information read by the sensor is transferred to NodeMCU ESP32 Wi-Fi, and then it transferred to the android application. The android application is programmed with the Flutter programming language. The application will display information to users whether a parking space is available or not. In the testing result, This project successfully work either in software and hardware, and can read the existence of various types of cars and not cars.
Parkinson menyerang 1% dari populasi orang berusia di atas 65 tahun di dunia, dengan salah satu gejala utama kondisi resting tremor pada bagian tangan pasien. Akuisisi informasi mengenai status kesehatan dari pasien parkinson hingga saat ini masih hanya dapat dilakukan ketika pasien menemui dokter dengan menghampiri klinik atau rumah sakit, saat aspek-aspek dari penyakit dapat menunjukkan fluktuasi pada periode di antara kunjungan tersebut. Pada penelitian ini, dirancang sistem monitoring alat EMG nirkabel yang dapat digunakan sebagai alat home monitoring, sehingga pasien dapat diperiksa setiap saat dan dengan frekuensi lebih sering agar perkembangan terhadap kesehatan pasien dapat selalu diperbarui. Sistem monitoring berikut memanfaatkan web server dan NodeMCU yang dilengkapi dengan ESP8266. Data yang berhasil terakuisisi tersebut kemudian diproses dengan transformasi wavelet diskrit (DWT) dan ekstraksi fitur RMS, logRMS, MAV, dan RES Index pada enam jenis gerakan yang berbeda untuk dibandingkan satu dengan lainnya. Melalui analisa yang telah dilakukan, didapatkan bahwa fitur yang memiliki pola penyebaran terbaik adalah standar deviasi dengan nilai RES Index sebesar 2,4. Selain itu, didapatkan pula bahwa setiap gerakan baik normal maupun dalam kondisi bergetar memiliki pola gelombang serta nilai fitur ekstraksi yang berbeda-beda. Dengan demikian, pola gerakan pasien Parkinson dapat dibedakan satu dengan lainnya melalui pembacaan sinyal EMG.
Â
Parkinson's disease attacking 1% of the elder population in this world, with one of the main symptoms of this disease being resting tremor. Until now, Parkinsons disease information acquisition can only be done through patients' visits to clinics or hospitals, whereas the aspects of the disease are also shown during in-between those visits. Therefore, an EMG device that could be used as a remote-monitoring device is designed in this research. This is so that patients can be checked more frequently and hopefully results in an always-renewed information of the patients' developments. This monitoring system utilizes NodeMCU with ESP8266 and web server. The data acquired are then processed through discrete wavelet transform (DWT) method. To compare six kind of gestures, features like RMS, logRMS, MAV, standard deviation, and RES Index are extracted from the reconstructed EMG signal. The results show that standard deviations plot has the best pattern separation with an RES Index score of 2.4 and every movement or gesture, whether its in normal or vibrating condition, have its own pattern of signal and different values of extracted features. Conclusively, the movement pattern of Parkinsons disease patients can be interpreted from one another using EMG signal reading.
