RANCANG BANGUN FINGER HAND ROBOT

SEBAGAI REHABILITASI PASCA STROKE

BERBASIS BCI (BRAIN COMPUTER INTERFACE)
SKRIPSI
Diajukan untuk memenuhi persyaratan dalam menyelesaikan Pendidikan
Tingkat Sarjana (S1)

Oleh:

Rudi Setiawan
G1D011028

PROGRAM STUDI TEKNIK ELEKTRO

FAKULTAS TEKNIK
UNIVERSITAS BENGKULU
2015
i

LEMBAR PENGESAHAN
SKRIPSI

RANCANG BANGUN FINGER HAND ROBOT

SEBAGAI REHABILITASI PASCA STROKE
BERBASIS BCI (BRAIN COMPUTER INTERFACE)
Oleh:

RUDI SETIAWAN
G1D011028
telah diseminarkan dan dipertahankan di hadapan tim penguji pada
hari Rabu, Tanggal 8 Juli 2015, di Ruang Aula Kanan Fakultas Teknik
Universitas Bengkulu

MENYETUJUI,
Pembimbing Utama

Pembimbing Pendamping

Faisal Hadi, S.T.,M.T.

NIP. 197707132002121005

M. Khairul Amri Rosa S.T.,M.T.

NIP. 198011212005011001

Ketua Penguji

Anggota Penguji

Reza Satria Rinaldi, S.T.,M.Eng.

NIP. 198006242005011001

Anizar Indriani, S.T.,M.T.

NIP. 197102202006042001

MENGETAHUI,
Dekan Fakultas Teknik

Khairul Amri, S.T., M.T.

NIP 197202121998021002
ii

PERNYATAAN KEASLIAN SKRIPSI

Dengan ini saya menyatakan dengan sesungguhnya bahwa skripsi dengan
judul :

RANCANG BANGUN FINGER HAND ROBOT SEBAGAI

REHABILITASI PASCA STROKE BERBASIS BCI (BRAIN COMPUTER
INTERFACE)
Sejauh yang saya ketahui bukan merupakan hasil duplikasi dari skripsi
dan/atau karya ilmiah lainnya yang pernah dipublikasikan dan/atau pernah
dipergunakan untuk mendapatkan gelar kesarjanaan di Perguruan Tinggi atau
Instansi manapun, kecuali bagian yang sumber informasinya dicantumkan
sebagaimana mestinya.

Bengkulu, 8 Juli 2015

Rudi Setiawan
G1D011028

iii

Motto Dan Persembahan

Motto :
Allah akan meninggikan orang-orang yang beriman di
antara
kamu
dan
orang-orang
yang
diberi
ilmu
pengetahuan beberapa derajat (Terjemahan Surat AlMujadalah Ayat 11).
Orang yang beruntung ialah orang yang hari ini lebih baik
dari hari kemarin (H.R, Bukhari Muslim).
Hidup hanya sekali, maka manfaatkanlah sebaik-baiknya.
Habiskanlah kegagalan di masa mudamu.
Be your self even you are no body.
Persembahan :
Skripsi ini ku persembahkan Kepada :
Allah SWT yang telah memberiku segala kemudahan dan
petunjukNya. Amin.
Ayahku Ruslan dan Ibuku Tuti Rostika yang telah
mencurahkan kasih sayang, materi dan doa yang tiada
henti-hentinya untuk keberhasilanku.
Saudaraku Rio Rusbandi, Rian Zuhrian dan Renaldi Afrizal
yang selalu membantu menberikan motivasi dan doa dalam
setiap langkahku.
Mastiana, Hendi Setiawan dan Addinan Hakiman yang
menjadi sahabatku dan selalu menerima kekuranganku,
serta tetap menjadi sahabat terbaik.
Fairus Zabadi yang telah menghibur saat pembuatan
penelitian ini.
Zulhayadi Chan dan Ardiansyah yang telah setia membantu
pelaksanan pembuatan penelitian ini saat berawal dari nol.
Merah Mirza yang selalu setia direpotkan saat program
menjadi kendala dalam penelitian ini.
Ade Saputra dan Ahmad Sobirin yang dengan sukarelanya
mencarikan responden stroke walau dalam keadaan sibuk.
Rekan-rekan Laboratorium Instrumentasi dan Kendali yang
selalu menjadi pelengkap diri ini dalam belajar.
Sahabat-sahabat elektro 011 yang telah menceriakan hari
hari,
memberikan
ide
dan
bekerjasama
dalam
menyemangati satu sama lainnya selama kurang lebih 4
tahun ini.
Dan semua pihak yang telah berperan dalam sukses ini.

iv

KATA PENGANTAR

Alhamdulillah, sebuah kata yang sudah sepatutnya penulis panjatkan

kepada Allah SWT karena atas karunia rahmat dan hidayah-Nya yang begitu besar
maka penulis dapat menyelesaikan skripsi yang berjudul Rancang Bangun
Finger Hand Robot sebagai Rehabilitasi Pasca Stroke Berbasis BCI (Brain
Computer Interface).
Skripsi ini dibuat untuk memenuhi syarat lulusnya mata kuliah skripsi
(TEK400) yang merupakan salah satu mata kuliah wajib dalam kurikulum
Program Studi Teknik Elektro Universitas Bengkulu dan merupakan salah satu
persyaratan untuk menyelesaikan pendidikan sarjana di Program Studi Teknik
Elektro Universitas Bengkulu.
Penyusunan skripsi ini penulis menyadari masih terlalu banyak kekurangan
dan ketidaksempurnaan, namun semua ini tidak menjadi suatu kendala bagi
penulis untuk dapat terus mencoba, karena dengan mencoba maka penulis dapat
mengetahui kekurangan dan kelebihan yang ada pada diri penulis. Penulis sangat
berterima kasih apabila ada saran dan kritik yang akan berguna bagi penulis untuk
melakukan perbaikan-perbaikan demi kesempurnaan skripsi ini.
Penulis mengucapkan banyak terima kasih kepada pihak-pihak yang telah
banyak membantu dan mengarahkan dalam penyusunan skripsi ini. Pada
kesempatan ini penulis mengucapkan terima kasih kepada :
1. Bapak Dr. Ridwan Nurazi, M.Sc selaku Rektor Universitas Bengkulu
2. Bapak Khairul Amri, ST, MT selaku Dekan Fakultas Teknik Universitas
Bengkulu
3. Bapak Irnanda Priyadi, S.T.,M.T. selaku Ketua Program Studi Teknik Elektro
Universitas Bengkulu
4. Ibu Yuli Rodiah, ST, MT sebagai Dosen Pembimbing Akademik yang selalu
senantiasa ramah dan baik dalam memberikan saran-saran untuk studiku
selama ini.
5. Bapak Faisal Hadi, S.T.,M.T. sebagai Dosen Pembimbing Utama yang
senantiasa meluangkan waktu dalam bimbingan dan tidak berhenti
memberikan segala masukan yang positif untuk kemajuan penelitian ini.

6. Bapak sebagai M. Khairul Amri Rosa, S.T.,M.T. sebagai Dosen Pembimbing

Pendamping yang selalu senantiasa memberika saran-saran positif yang
relevan terhadap kemajuan penelitian ini.
7. Bapak Reza Satria Rinaldi,S.T.,M.Eng. sebagai Ketua Penguji.
8. Anizar Indriani, ST, M.T. sebagai Anggota Penguji
9. Segenap dosen Program Studi Teknik Elektro Universitas Bengkulu.
10. Sahabat-sahabat elektro 2011 yang selalu menjadi penerang dalam kesulitan
dan selalu membangkitkan diri ini bila terjatuh.
11. Teman-teman Program Studi Teknik Elektro Universitas Bengkulu yang telah
membantu diri ini dalam menyelesaikan studi.
12. Segenap keluarga Electrical Research Community (ERCOM) yang akan
melanjutkan estafet kepenulisan.
13. Segenap keluarga Ikatan Duta HIV AIDS Provinsi Bengkulu yang mengajari
diri ini untuk peduli terhadap sosial.
14. Segenap keluarga KKN Desa Pal 30 Lais Periode 73 yang selalu mendukung
kesuksesan satu sama lain.
15. Dan semua pihak yang telah terlibat dalam kesuksesan diri ini yang tentunya
tidak dapat disebutkan satu persatu.
Akhir kata semoga skripsi ini dapat bermanfaat bagi kita semua dan bisa
memberikan nilai tambah bagi Program Studi Teknik Elektro Universitas
Bengkulu.

Bengkulu,

Juli 2015

Penulis

vi

ABSTRAK
Sistem rehabilitasi yang dirancang untuk penderita pasca stroke ini
menggunakan finger hand robot berbasis BCI (Brain Computer Interface).
Rehabilitasi robotik memfasilitasi terciptanya rehabilitasi yang interaktif,
berintensitas tinggi, dan repetitif dari anggota gerak atas yang sakit dan perlu
dilatih. Penelitian ini fokus menganalisa rekaman EEG sebelum dan setelah
rehabilitasi dengan menggunakan analisis FFT pada parameter konsentrasi dan
ketenangan setelah 5 kali rehabilitasi. Berdasarkan datasheet Mindwave mobile
headset apabila parameter nilai rata-rata magnitudo konsentrasi yang terukur 4060 menunjukkan kondisi responden normal. Sementara nilai 60-80 menunjukkan
kondisi responden yang sangat baik. Namun, bila nilai rata-rata magnitudo yang
terukur berada di bawah 40 menunjukkan kondisi responden yang mengalami
gangguan pada bagian otak atau abnormal seperti penyakit stroke. Dari data
responden pengidap stroke yang telah diberikan 5 kali rehabilitasi diperoleh
bahwa magnitudo dari konsentrasi pada responden 1 meningkat sebesar 12,17%
dari 37,72 menjadi 42,95. Sementara untuk ketenangan meningkat sebesar
16,71% dari 49,13 menjadi 58,98. Sedangkan untuk responden 2 nilai rata-rata
magnitudo dari konsentrasi meningkat sebesar 14,21% dari 34,28 menjadi 34,28
dan untuk nilai magnitudo ketenangan meningkat sebesar 26,76% dari 39,74
menjadi 54,26. Jadi pemberian rehabilitasi ini memberikan rangsangan
peningkatan syaraf motorik terhadap responden yang diuji.
Kata Kunci: BCI, finger hand robot, stroke.

vii

DAFTAR ISI
HALAMAN JUDUL .............................................................................................. i
HALAMAN PENGESAHAN ............................................................................... ii
HALAMAN PERNYATAAN .............................................................................. iii
HALAMAN MOTTO DAN PERSEMBAHAN ................................................ iv
KATA PENGANTAR .......................................................................................... vi
ABSTRAK ........................................................................................................... vii
DAFTAR ISI ....................................................................................................... viii
DAFTAR TABEL ..................................................................................................x
DAFTAR GAMBAR ............................................................................................ xi
BAB 1 PENDAHULUAN ......................................................................................1
1.1 Latar Belakang ...................................................................................................1
1.2 Rumusan Masalah ..............................................................................................2
1.3 Batasan Masalah.................................................................................................3
1.4 Tujuan Penulisan ................................................................................................3
BAB 2 TINJAUAN PUSTAKA .............................................................................4
2.1 Stroke ........................................................................................................5
2.1.1Rehabilitasi Pasca Stroke..................................................................6
2.2 Teknologi BCI ..........................................................................................7
2.3 Sinyal Electroencephalogram (EEG) .......................................................8
2.4 Mindwave Mobile Headset Neurosky .....................................................12
2.5 Arduino Uno ...........................................................................................14
2.6 Motor Servo ............................................................................................15
2.6.1 Lebar Pulsa Peregerakan Motor Servo Dc.....................................16
2.7 Pergerakan Robot Underactuation .........................................................16
2.8 FFT (Fast Fourier Transformation) .......................................................19
BAB 3 METODE PENELITIAN ........................................................................21
3.1 Metode Penelitian ...................................................................................21
3.1.1 Alat dan Bahan ...............................................................................21
3.1.2 Waktu dan Tempat Penelitian .........................................................21
3.2 Metode Pengumpulan Data.....................................................................22
3.2.1 Jenis dan Sumber Data...................................................................22
viii

3.3 Metode Perancangan Sistem ...................................................................22

3.3.1 Perancangan (Desain) ....................................................................22
3.3.2 Perancangan Komunikasi Bluetooth..............................................24
3.3.2 Perekaman Database Sinyal di Openvibe ......................................27
3.3.4 Perancangan Komunikasi Mindwave Mobile Headset dengan
Matlab ............................................................................................30
3.3.5 Perancangan Robot Finger Hand...................................................31
3.3.6 Perangkat Lunak Mikrokontroller .................................................34
3.4 Responden...............................................................................................36
3.5 Pengujian dan Rehabilitasi .....................................................................37
3.6 Tahapan Sistem Menyeluruh ..................................................................39
BAB 4 HASIL DAN PEMBAHASAN ................................................................43
4.1 Analisa Sampel Data pada Openvibe .......................................................43
4.2 Pengujian Komunikasi Bluetooth ............................................................44
4.3 Pengujian Responden Normal ..................................................................46
4.4 Pengujian Pemberian Permainan Pada Penderita Stroke .........................49
4.5 Analisa Hasil Rehabilitasi ........................................................................51
4.5.1 Analisa Nilai Magnitudo Konsentrasi dan Ketenangan ..................52
4.5.2 Analisa Nilai Magnitudo Alpha dan Beta .......................................61
4.5.3 Analisa Data Hasil Raw Data Amplitudo .......................................65
4.6 Analisa Data Hasil Respon Servo terhadap Input Konsentrasi ................69
BAB 5 PENUTUP.................................................................................................75
5.1 Kesimpulan .............................................................................................75
5.2 Saran .........................................................................................................76
DAFTAR PUSTAKA ...........................................................................................77
LAMPIRAN ..........................................................................................................79

ix

DAFTAR TABEL

Tabel 2.1 Kasifikasi Gelombang Otak .....................................................................9

Tabel 2.2 Data Klasifikasi Pembacaan Frekuensi pada Sensor EEG.....................13
Tabel 3.1 10 Data Responden Awal dengan Kondisi Sehat (Normal) ...................36
Tabel 3.2 Data Responden dengan Kondisi Pengidap Stroke ................................36
Tabel 4.1 Parameter Data Tersimpan dari Openvibe .............................................43
Tabel 4.2 Pengujian Hubungan Jarak Sensor EEG dengan PC
Terhadap Waktu Pengiriman Data ...........................................................45
Tabel 4.3 Data Pengujiam Responden Normal ......................................................47
Tabel 4.4 Data Hasil Perbandingan Sebelum dan Sesudah Rehabilitasi Pada
Kedua Responden Pengidap Stroke ......................................................51
Tabel 4.5 Data Rata-Rata Amplitudo (V) 10 Responden Normal .......................65
Tabel 4.6 Data Hasil Respon Servo Terhadap Input Konsentrasi ..........................69

DAFTAR GAMBAR

Gambar 2.1 Pecahnya Pembuluh Darah Mengakibatkan Stroke ............................5

Gambar 2.2 Stroke Iskemik dan Stroke Hemoragik ................................................6
Gambar 2.3 Konseptual BCI sebagai Alat Bantu Tuna Netra .................................8
Gambar 2.4 Metode Pengukuran EEG 14 Channel .................................................9
Gambar 2.5 Blok Diagram Peralatan EEEG ..........................................................10
Gambar 2.6 Contoh Gelombang Otak Abnormal Pada Stroke ..............................12
Gambar 2.7 Mindwave mobile headset Neurosky..................................................13
Gambar 2.8 Posisi Peletakan Mindwave Mobile Headset .....................................11
Gambar 2.9 Board Arduino Uno Atmega328 ........................................................13
Gambar 2.10 Motor Servo......................................................................................15
Gambar 2.11 Rangkaian Dari Gerakan Jari 2 DOF ...............................................17
Gambar 2.12 Model dari Underactuated jari 2-DOF ...........................................18
Gambar 2.13 Konfiguarsi penyesuaian Bentuk Jari 3 DOF ..................................18
Gambar 2.14 Mekasnisme Detail Saat Memegang atau Menangkap Objek ........19
Gambar 3.1 Diagram Blok Sistem ........................................................................23
Gambar 3.2 Desain Pengaplikasian Rehabilitasi Pasca Stroke ..............................23
Gambar 3.3 Rangkaian Skematik HC-05 ...............................................................25
Gambar 3.4 Diagram Data Processing Unit ..........................................................25
Gambar 3.5 Komunikasi Bluetooth Ke PC (COM 1) ............................................26
Gambar 3.6 Diagram Rangkaian Arduino dengan Bluetooth HC-05 ....................26
Gambar 3.7 Gambar 3.7 AT Command Sensor EEG dengan Bluetooth HC-05 ...27
Gambar 3.8 Server language Serach .....................................................................28
Gambar 3.9 Konfigurasi Device.............................................................................29
Gambar 3.10 Skenario CSV File Write ..................................................................29

xi

Gambar 3.11 Konfigurasi Setting dari Skenario CSV File Write...........................30

Gambar 3.12 Pembacaan Komunikasi Matlab dengan Mindwave Mobile ............30
Gambar 3.13 Diagram Blok Komunikasi Matlab .................................................31
Gambar 3.14 Desain Spesifik Finger Hand Robot ................................................31
Gambar 3.15 Pengaturan Sendi Pada Jari (a) Jari (b) Jempol ................................32
Gambar 3.16 (a)(b)(c) Deatail Pengaturan Persendian Jari Robot.........................33
Gambar 3.17 Tampilan Program Arduino .............................................................34
Gambar 3.18 Pin-Pin dan Pengkabelan Pada Motor Servo ...................................34
Gambar 3.19 Rangkaian Sistem Mikrokontroller ..................................................35
Gambar 3.20 Permainan Pemanasan Konsentrasi dan Ketenangan .......................37
Gambar 3.21 Pengujian input Avg Pada Serial Monitor Arduino .........................38
Gambar 3.22 Respon Aktif Servo ..........................................................................38
Gambar 3.23 Diagram Alir Perekaman Database EEG Openvibe .........................39
Gambar 3.24 Diagram Alir Perekaman ..................................................................41
Gambar 3.25 Diagram Alir Rehabilitasi ................................................................42
Gambar 4.1 Grafik Hubungan Jarak dengan Waktu Setting ..................................45
Gambar 4.2 Grafik Perbandingan Konsentrasi dan Ketenangan ...........................48
Gambar 4.3 Screen Shoot Visual Kekuatan Konsentrasi Pada Permainan ............49
Gambar 4.4 Screen Shoot Visual Kekuatan Pada Permainan ................................50
Gambar 4.5 Grafik Perbandingan Konsentrasi Sebelum dan Sesudah 5 Kali
Rehabiitasi Dari Responden 1 ........................................................53
Gambar 4.6 Perbandingan Nilai Magnitudo dari Konsentrasi Responden 1 dalam
Domain Time ke domain Fourier ...................................................54
Gambar 4.7 Grafik Perbandingan Konsentrasi Sebelum dan Sesudah 5 Kali
Rehabiitasi Dari Responden 2 ............................................................55
Gambar 4.8 Perbandingan Nilai Magnitudo dari Konsentrasi Responden 2 dalam
Domain Time ke domain Fourier...................................................56

xii

Gambar 4.9 Grafik Perbandingan Ketenangan Sebelum dan Sesudah 5 Kali

Rehabilitasi Dari Responden 1 .......................................................57
Gambar 4.10 Perbandingan Nilai Magnitudo dari Ketenangan Responden 2
dalam Domain Time ke domain Fourier .........................................58
Gambar 4.11 Grafik Perbandingan Ketenangan Sebelum dan Sesudah 5 Kali
Rehabilitasi Dari Responden2 ........................................................59
Gambar 4.12 Perbandingan Nilai Magnitudo dari Ketenangan Responden 2
dalam Domain Time ke domain Fourier .........................................60
Gambar 4.13 Grafik Perbandingan Power Alpa Sebelum dan Sesudah 5 Kali
Rehabilitasi Dari Responden 1 .......................................................61
Gambar 4.14 Grafik Perbandingan Power Alpa Sebelum dan Sesudah 5 Kali
Rehabilitasi Dari Responden 2 .......................................................62
Gambar 4.15 Grafik Perbandingan Power Beta Sebelum dan Sesudah 5 Kali
Rehabilitasi Dari Responden 1 .......................................................63
Gambar 4.16 Grafik Perbandingan Power Beta Sebelum dan Sesudah 5 Kali
Rehabilitasi Dari Responden 2 .......................................................64
Gambar 4.17 Grafik Perbandingan Amplitudo Normal dan Stroke .......................66
Gambar 4.18 Grafik Perbandingan Amplitudo (mV) Sebelum dan Sesudah
5 Kali Rehabilitasi dari Responden 2 ..............................................67
Gambar 4.19 Grafik Perbandingan Amplitudo (mV) Sebelum dan Sesudah 5 Kali
Rehabilitasi dari Responden 2 ........................................................68
Gambar 4.20 Nilai Avg yang Ditampilkan di Serial Monitor................................72
Gambar 4.21 Grafik Data Input AVG Magnitudo Konsentrasi Responden 1 .......73
Gambar 4.22 Grafik Data Input AVG Magnitudo Konsentrasi Responden 2 .......74

xiii

BAB 1
PENDAHULUAN

1.1 LatarBelakang
Cerebrovascular

accident

(CVA)

yang

lazimnya

disebut

stroke

merupakan sejenis penyakit yang menyerang sistem saraf manusia. Di Indonesia

sendiri, stroke merupakan penyebab utama kematian dengan prevalensi
berdasarkan Riset Kesehatan Dasar (Riskesdas) tahun 2007 adalah 8 kasus per
1000 jiwa (Sedyaningsih, 2011). Sekitar 2,5 persen dari jumlah total penderita
stroke di Indonesia meninggal dunia dan sisanya mengalami gangguan atau cacat
ringan maupun berat pada tubuhnya (pasca stroke).
Serangan stroke yang dialami dapat membawa kelainan neurologis seperti
berkurangnya kemampuan motorik anggota tubuh dan otot, kognitif, visual dan
koordinasi secara signifikan. Berkurangnya tingkat kemandirian dan mobilitas
seseorang dapat berpengaruh terhadap kualitas hidup (quality of life) yang dimiliki
(Bastian, 2011).
Menurut Wirawan (2009) dalam bidang medis dan kesehatan, tujuan
utama rehabilitasi adalah memulihkan sebagian atau seluruh kapabilitas fisik,
sensorik atau mental penderita yang berkurang atau hilang akibat suatu penyakit
maupun cedera. Melalui upaya rehabilitasi, diharapkan kemampuan motorik,
kognitif, visual dan koordinasi para penderita stroke dapat pulih sehingga tingkat
kemandirian mereka pun secara berangsur meningkat.
Teknologi rehabilitasi robotik dipandang menjanjikan dalam menyediakan
suatu bentuk rehabilitasi berbasis teknologi untuk melatih anggota gerak atas
(upper limb) secara efektif dan independen dari terapis (Burridge dan Hughes,
2010). Rehabilitasi robotik memfasilitasi terciptanya rehabilitasi yang interaktif,
berintensitas tinggi, dan repetitif dari anggota gerak atas yang sakit dan perlu
dilatih (Reni, 2013).
Electroenchelpalograph (EEG) adalah suatu alat untuk merekam aktivitas
listrik pada otak selama kurun waktu tertentu. EEG mengukur fluktuasi tegangan
yang dihasilkan oleh aliran ion dalam otak. EEG banyak digunakan untuk
diagnosa epilepsi, koma, tumor, stroke, dan gangguan otak lainya. Salah satu
1

konsep yang menjadi fokus saat ini adalah pemanfaatan secara langsung sinyal
EEG dalam mengontrol suatu perangkat tanpa melalui kanal pada syaraf motorik
dan otot (Bastian, 2011). Hal ini diperlukan oleh pasien stroke dan amputasi,
sehingga lebih mudah berinteraksi dengan perangkat kursi roda, komputer atau
perangkat lainnya.
Untuk mengenali pola sinyal EEG terkait target perintah yang
dikehendaki, suatu antar muka cerdas diperlukan yang dapat mengintegrasikan
protokol pengukuran sinyal EEG dan pemrosesan sinyal cerdas. Antar muka
cerdas tersebut dikenal dengan istilah BCI (Brain Computer Interface).
Pada penelitian ini dirancanglah sistem robot berbasis BCI yang berfungsi
untuk mengirim data dari sensor EEG (mindwave mobile headset) ke komputer
melalui komunikasi bluetooth untuk menampilkan sinyal konsentrasi, ketenangan,
alpha dan beta dari responden secara real time. Input dari sinyal konsentrasi yang
masuk ke komputer akan diolah untuk menjadi perintah pergerakan dari robot.
Selanjutnya menganalisa rekaman EEG sebelum dan sesudah rehabilitasi dengan
analisis Fourier pada parameter konsentrasi dan ketenangan.
Oleh karena itu, dengan judul penelitian Rancang Bangun

Finger

Hand Robot sebagai Rehabilitasi Pasca Stroke Berbasis BCI (Brain Computer
Interface) ini diharapkan mampu memberikan respon syaraf motorik dan organ
fisik penderita pasca stroke agar dapat mengembalikan kemampuan rangsangan
otaknya.

1.2 Rumusan Masalah

Berdasarkan latar belakang di atas dapat dirumuskan masalah yang ada
yaitu sebagai berikut:
1. Bagaimana merancang sistem rehabilitasi berupa alat terapi penderita stroke
berbasis BCI.
2. Bagaimana perbandingan tingkat konsentrasi dan ketenangan dari responden
stroke sebelum dan sesudah rehabilitasi.
3. Bagaimana menganalisa data EEG pada penderita stroke menggunakan
metode FFT.

4. Bagaimanana mengolah tingkat konsentrasi terhadap gerakan 3 servo pada

finger hand robot menggunakan komunikasi bluetooth.

1.3 Batasan Masalah

Permasalahan yang dibahas pada penelitian ini memiliki beberapa batasan
sebagai berikut:
1.

Penelitian dilakukan kepada penderita stroke ringan pada bagian jari tangan
kanannya dan pasien masih lancar berfikir.

2.

Sensor EEG yang digunakan hanya satu chanel yang diletakkan pada titik
FP1 pada dahi kepala, sedangkan titik T4 dan A1 menjadi referensi.

3.

Gerakan pada finger hand robot hanya menggenggam.

4.

Data yang diambil dari responden sebelum dan sesudah penggunaan

rehabilitasi hanya 1 kali.

5.

Tidak merancang filter analog maupun digital.

6.

Data yang dianalisa menggunakan metode FFT hanya pada data sesudah
rehabilitasi.

1.4 Tujuan Penulisan

1.

Merancang sistem rehabilitasi berupa alat terapi penderita stroke berbasis

BCI.

2.

Menganalisis perbandingan tingkat konsentrasi dan ketenangan dari

responden stroke sebelum dan sesudah rehabilitasi.

3.

Menganalisa data setelah penggunaan finger hand robot menggunakan

metode FFT.

4.

Mengolah rata-rata input konsentrasi dalam 5 detik ke Arduino terhadap

gerakan 3 servo pada finger hand robot.

BAB 2
TINJAUAN PUSTAKA
Reyes dan Tosunoglu (2011) menyebutkan bahwa telah banyak penelitian
yang mengkaji BCI (Brain Computer Interface) salah satu aplikasinya dalam
teknologi robotika dengan contoh penggunaan pada kendali mobile dan game.
Pada penelitian yang berjudul Brainwave Controlled Robot Using
Bluetooth meneliti bagaimana robot dapat dikendalikan dengan otak
menggunakan wireless buetooth. BCI bekerja melalui penerjemahan pola pikiran
yang berbeda-beda pada perintah secara real-time (Ramesh, 2014). Perintah inilah
yang dapat menjadikan otak dapat mengendalikan sebuah robot, robot dilengkapi
sensor ultrasonik untuk dapat mensinkronkan dengan perintah pikiran. Tujuan
utama penelitian tersebut agar dapat dikembangkan menjadi alat bantu bagi
penyandang cacat untuk dapat menjalankan aktivitasnya dengan mandiri.
Dalam sebuah penelitian yang dilakukan oleh Barbosa (2013) juga
meneliti penggunaan BCI sebagai alat bantu untuk penyandang disable (cacat).
Dalam penelitiannya ia mengembangkan aplikasi android yang dapat mengontrol
beberapa features hanya dengan kedipan mata penyandang disable. Sistem ini
dapat mencapai nilai akurasi hingga 87% dalam pengujiannya.
BCI juga pernah dikembangkan sebagai sistem rehabilitasi anak umur 3
tahun agar dapat lebih cerdas. Sistem ini merangsang pikiran dan perasaan anak
melalui suara dan gambar. Aktifitas otak diukur oleh sensor EEG untuk dijadikan
indikator rehabilitasi (Chuchnowska, 2011).
Poly,dkk pada tahun 2013 juga telah melakukan penelitan yang berjudul
Robotic Technologies and Rehabilitation: New Tools for Stroke Patients
Therapy. Penelitian ini dimaksudkan untuk melakukan rehabilitasi terhadap
pasien

pasca

stroke

dengan

menggunakan

teknik

robot.

Robot

yang

dikembangkan ini menggunakan pengendalian motor untuk melakukan gerakan

naik dan turun pada bagian siku tangan penderita pasca stroke.
Sama halnya dengan penelitian yang dilakukan oleh Hyuk dan Hee pada
tahun 2013 dengan judul Robot-assisted Therapy in Stroke Rehabilitation,
keduanya mengangkat peranan robot dalam rehabilitasi stroke. Robot yang

keduanya rancang dengan sistem pengendalian motor untuk mengangkat siku

tangan untuk gerakan naik dan turun dipadukan dengan sistem terapi
konvensional melalui penenangan dalam pikiran pasien.

2.1 Stroke
Cerebrovascular accident (CVA) atau yang biasa disebut stroke, adalah
suatu kondisi yang terjadi ketika aliran darah menuju suatu bagian di otak
terganggu atau terhenti akibat tersumbatnya atau pecahnya pembuluh darah di
otak (Wirawan, 2011). Pecahnya pembuluh otak seperti pada Gambar 2.1.

Gambar 2.1 Pecahnya Pembuluh Darah Mengakibatkan Stroke (Sumber: Wirawan, 2011)

Kurangnya aliran darah dalam jaringan otak dapat menyebabkan

kerusakan atau matinya sel-sel saraf di otak. Kerusakan atau kematian sel saraf di
otak pada akhirnya dapat menyebabkan hilangnya fungsi bagian tubuh yang
dikendalikan oleh saraf tersebut. Stroke dapat berakibat kematian dan merupakan
salah satu penyebab kematian terbesar di dunia (Wirawan, 2011).
Berdasarkan patologi anatomi, stroke dibagi menjadi dua yaitu stroke
iskemik dan stroke hemoragik yang dapat dilihat pada Gambar 2.2. Stroke
iskemik merupakan stroke yang terjadi akibat pembuluh darah tersumbat sehingga
menyebabkan aliran darah ke otak terhenti sebagian atau seluruhnya. Stroke jenis
ini merupakan kasus yang paling sering terjadi yaitu sekitar 80% dari seluruh
kasus stroke (Bastian, 2011).

Gambar 2.2 Stroke Iskemik dan Stroke Hemoragik (Sumber: Bastian, 2011)

Stroke iskemik berdasarkan penyebabnya terbagi menjadi 3 jenis, yaitu

trombotik yang disebabkan oleh terbentuknya

thrombus.

Thrombus

akan

menyebabkan penggumpalan darah sehingga aliran darah tidak lancar atau

terhenti. Jenis kedua adalah stroke embolik yang disebabkan oleh tertutupnya
pembuluh arteri oleh pembekuan darah. Jenis ketiga adalah hipoperfusion
sistemik yaitu berkurangnya aliran darah ke seluruh bagian tubuh karena adanya
gangguan denyut jantung (Bastian, 2011).
Stroke hemoragik merupakan stroke yang disebabkan oleh pecahnya
pembuluh darah otak. Stroke hemoragik sebagian besar terjadi pada penderita
hipertensi. Stroke hemoragik berdasarkan lokasi terjadinya perdarahan terbagi
menjadi dua yaitu hemoragik intraselebral dan hemoragik subaraknoid. Stroke
yang disebabkan oleh pendarahan di dalam jaringan otak disebut stroke
hemoragik intraselebral. Stroke hemoragik subaraknoid disebabkan oleh
perdarahan pada ruang subaraknoid yaitu ruang sempit antara permukaan otak
dengan lapisan jaringan yang menutupi otak (Bastian, 2011).

2.1.1 Rehabilitasi Pasca Stroke

Sebagai upaya mengembalikan kemampuan motorik dan meningkatkan
kualitas hidup, para penderita stroke dapat menjalani program rehabilitasi
neurologis dengan dipandu oleh terapis dan dokter. Rehabilitasi pasca stroke yang
dini dan teratur dapat mengembalikan kemampuan motorik para penderitanya
secara bertahap hingga kesehatan mereka dapat pulih kembali secara total.
Latihan terapi fisik yang secara rutin dijalankan oleh penderita stroke telah
6

berhasil menunjukkan hasil positif berupa peningkatan kemampuan anggota gerak

bawah (lower limb), mobilitas fungsional (keseimbangan dan berjalan) dan
kualitas hidup (Dalgas, Motl dan Gosney, 2008).
Belum banyak studi yang meneliti efektivitas terapi rehabilitasi anggota
gerak atas (upper limb rehabilitation) untuk penderita stroke. Rehabilitasi anggota
gerak atas sangat penting bagi penderita stroke, mengingat disfungsi bagian tubuh
atas sangat berpengaruh terhadap kapasitas mereka untuk melakukan kegiatan
sehari-hari (activities of daily living/ADL) seperti makan/minum (self feeding),
mandi, berpakaian, mengkonsumsi obat dan lain sebagainya.
Pemulihan stroke sendiri tergantung pada banyak hal seperti bagian otak
mana yang terkena serangan stroke. Menurut Wirawan (2009), terdapat 6 prinsip
dasar pada rehabilitasi stroke sebagai berikut:
1. Gerak merupakan obat yang paling mujarab.
2. Latihan yang digunakan pada terapi gerak sebaiknya gerak fungsional.
3. Pasien diarahkan untuk melakukan gerak dengan keadaan senormal mungkin.
4. Latihan gerak fungsional dapat dilakukan setelah stabilitas tubuh sudah
tercapai.
5. Terapi gerak diberikan kepada pasien yang siap secara fisik maupun mental.
6. Hasil terapi akan optimal jika ditunjang dengan kemampuan fungsi kognitif,
persepsi, dan modalitas sensoris yang baik.

2.2 Teknologi BCI

BCI adalah teknologi yang dapat membuat user berkomunikasi secara
langsung dengan komputer tanpa memerlukan gerakan fisik, hanya dengan
menggunakan aktivitas sinyal elektrik yang terdapat pada otak. Jadi, sistem BCI
ini merupakan kumpulan dari sensor dan komponen pemroses gelombang (bisa
berupa tampilan layar maupun stimulator) yang menerjemahkan aktivtas otak
seorang secara langsung ke kontrol yang berguna atau gelombang komunikasi
(Campellone, 2006).
Sistem BCI dapat digunakan sebagai teknologi yang membantu
menghubungkan perbedaan kemampuan antara orang dengan lngkungannya,
contoh sistem BCI ini dapat membantu seseorang tuna netra untuk dapat melihat

dan membantu penyandang cacat dalam melakukan aktivitas gerak. Konsep dari
BCI sebagai alat bantu tuna netra dapat dlihat pada Gambar 2.3

Gambar 2.3 Konseptual BCI sebagai Alat Bantu Tuna Netra (Sumber: Campellone, 2006).

Sistem BCI yang ditunjukkan pada Gambar 2.3 dengan penanaman

langsung di otak, mempunya tujuan memperbaiki penglihatan yang rusak dan
fungsionaltas baru kepada orang tersebut. Hal demikian juga terus dikembangkan
untuk membantu orang-orang penyandang cacat agar dapat melakukan aktivitas
yang mandiri.
2.3 Sinyal Electroencephalogram
Electroencephalogram (EEG) adalah suatu tes untuk mendeteksi kelainan
aktivitas elektrik otak (Campellone, 2006). Menurut dr. Darmo Sugondo antara
electroencephalogram dan electroencephalografi memiliki pengertian yang
berbeda. Electroencephalografi adalah prosedur pencatatan aktivitas listrik otak
dengan alat pencatatan yang peka sedangkan grafik yang dihasilkannya disebut
electroencephalogram. Jadi Aktivitas otak berupa gelombang listrik, yang dapat
direkam melalui kulit kepala disebut elektro-ensefalografi (EEG). Amplitudo dan
frekuensi EEG bervariasi, tergantung pada tempat perekaman dan aktivitas otak
saat perekaman.
Sinyal EEG dapat diketahui dengan menggunakan elektroda yang
dilekatkan pada kepala. Tegangan sinyalnya berkisar 2 sampai 200 V, tetapi
umumnya 50 V. Frekuensinya bervariasi tergantung pada tingkah laku. Daerah
frekuensi EEG yang normal rata-rata dari 0,1 Hz hingga 100 Hz, tetapi biasanya

antara 0,5 Hz hingga 70 Hz. Variasi dari sinyal EEG yang terkait dengan
frekuensi dan amplitudo mempengaruhi diagnostik. Daerah frekuensi EEG dapat
diklasifikasikan menjadi lima bagian untuk analisis EEG. Klasifikasi ditunjukkan
pada Tabel 2.1.

Tabel 2.1 Klasifikasi Gelombang Otak (Sumber: Campellone, 2006).

Jenis
Gelombang

Bentuk
Gelombang

Frekuensi
(Hz)

Tegangan
(V)
Anak: 75
Dewasa:
50

Kondisi Obyek

Alpha

8-13

Relaks, Mata Tertutup

Betha

>14

10-20

Aktivitas/berpikir,
mata terbuka

Theta

4-7

Anak: 5C
Dewasa:
10

Tidur ringan/stres,
emosional

Delta

0.5-3

1m

Tidur nyenyak

Saat subyek santai, mata tertutup, gambaran EEG-nya menunjukkan

aktivitas sedang dengan gelombang sinkron 8-14 siklus/detik, disebut gelombang
alpha. Gelombang alpha dapat direkam dengan baik pada area visual di daerah
oksipital. Gelombang alpha yang sinkron dan teratur akan hilang, kalau subyek
membuka matanya yang tertutup. Gelombang yang terjadi adalah gelombang beta
(>14 siklus/detik). Gambar 2.4 menunjukkan metode pengukuran EEG yang
biasanya dilakukan (Campellone, 2006).

Gambar 2.4 Metode Pengukuran EEG 14 Channel (Sumber: Campellone, 2006)

Gelombang beta direkam dengan baik di regio frontal, merupakan tanda

bahwa orang terjaga, waspada dan terjadi aktivitas mental. Meski gelombang EEG
berasal dari kortek, modulasinya dipengaruhi oleh formasio retikularis di
subkortek. Elektroda EEG ukurannya lebih kecil daripada elektroda ECG.
Elektroda EEG dapat diletakkan secara terpisah pada kulit kepala atau dapat
dipasang pada penutup khusus yang dapat diletakkan pada kepala pasien
(Campellone, 2006).
Untuk meningkatkan kontak listrik antara elektroda dan kulit kepala
digunakan elektroda jelly atau pasta. Bahan elektroda yang umumnya digunakan
adalah perak klorida. EEG direkam dengan cara membandingkan tegangan antara
elektroda aktif pada kulit kepala dengan elektroda referensi pada daun telinga atau
bagian lain dari tubuh. Tipe merekam ini disebut monopolar. Tetapi tipe merekam
bipolar lebih populer dengan tegangan dibandingkan antara dua elektroda pada
kulit kepala. Gambar 2.5 menunjukkan blok diagram dari peralatan EEG.

Input

Amplifier

Filter

Writing Port Trace

Gambar 2.5 Blok Diagram Peralatan EEG

Berdasarkan analisis gelombang otak yang telah didapatkan melalui EEG,

kita dapat mengklasifikasikan karakteristik gelombang otak tersebut kedalam
gelombang otak normal dan gelombang otak abnormal . Hasil pemeriksaan EEG
menunjukan perbedaan pola gelombang otak sebagai berikut (Nissl, 2006) :
1. Normal
- Hasil dua sisi otak menunjukkan pola serupa dari aktivitas elektrik
- Orang dewasa yang terjaga, EEG menunjukkan gelombang alfa lebih banyak
dibanding dengan gelombang beta.
- Tidak ada gambaran gelombang abnormal dari aktivitas elektrik dan tidak ada
gelombang yang lambat
- Jika pasien dirangsang dengan cahaya (photic) selama test maka hasil
gelombang tetap normal.
2. Abnormal
- Hasil dua sisi otak menunjukkan pola tidak serupa dari aktivitas elektrik
10

- EEG menunjukkan gambaran gelombang abnormal yang cepat atau lambat,

hal ini mungkin disebabkan oleh tumor otak, infeksi/peradangan, injuri, strok,
atau epilepsi. Ketika seseorang mempunyai epilepsi dengan pemeriksaan
EEG ini bisa diketahui daerah otak bagian mana yang aktivitas listriknya
tidak normal. Jadi EEG dengan sendirinya tidak cukup untuk mendiagnosa
penyakit neurology tetapi perlu dengan pemeriksaan yang lain agar hasil
diagnosisnya lebih akurat.
- Berbagai keadaan dapat mempengaruhi gambaran EEG. EEG yang abnormal
dapat disebabkan kelainan di dalam otak yang tidak hanya terbatas pada satu
area khusus di otak, misalnya intoksikasi obat, infeksi otak (ensefalitis), atau
penyakit metabolisme (Diabetik ketoasidosis).
- EEG menunjukkan gelombang delta atau gelombang teta pada orang dewasa
yang terjaga. Hasil ini menandai adanya injuri otak.
- EEG tidak menunjukkan aktivitas elektrik di dalam otak (a flat/ atau
garis lurus). Menandai fungsi otak telah berhenti, yang mana pada umumnya
disebabkan oleh tidak adanya (penurunan) aliran darah atau oksigen di dalam
otak. Dalam beberapa hal, pemberian obat penenang dapat menyebabkan
gambaran EEG flat. Hal ini juga dapat dilihat di status epilepsi setelah
pengobatan diberikan.

Dari perspektif lain, Gelombang otak hasil rekam EEG dikatakan abnormal
jika mengandung beberapa hal sebagai berikut (Akbar, 2004):
1. Aktivitas bentuk epileptik menyerupai gelombang tajam (sharp waves),
gelombang paku (spike waves), gelombang paku-ombak, gelombang paku
majemuk, dan gelombang lambat yang timbul secara paraksimal.
2. Gelombang lambat terjadi saat irama gelombang tidak teratur atau irama
gelombang lebih lambat dibanding seharusnya.
3. Kelainan amplitude terjadi pada saat besar tegangan gelombang otak pada
daerah yang sama dikedua hemisphere otak tidak simetris.
4. Pola-pola tertentu yang menyerupai pola gelombang normal tetapi terdapat
penyimpangan nilai frekuensi, reaktivitas dan distribusi.
Contoh gelombang yang didiagnosa abnormal ditunjukkan Gambar 2.6.

11

Gambar 2.6. Contoh Gelombang Otak Abnormal Penderita Stroke Pada EEG (Ratri, 2001)

Pada rekam EEG umumnya pola gelombang abnormal tidak sepenuhnya

menggantikan pola gelombang normal melainkan muncul dengan berlatar
belakang pola gelombang normal.

2.4 Mindwave Mobile Headset Neurosky

Neuroscience meneliti mengenai sinyal listrik yang dipancarkan melalui
saraf neuron pada otak. Pola dan frekuensi dari sinyal listrik ini dapat diukur
dengan melakukan penempatan sensor pada daerah sinyal di kepala. Gambar 2.7
menunjukkan mindwave mobile headset dari neurosky (Reyes dan Tosunoglu
2011).

Gambar 2.7 Mindwave Mobile Headset Neurosky (Sumber: Reyes dan Tosunoglu 2011)

12

Mindwave mobile headset sudah dilengkapi dengan 1 channel sensor EEG

yang diletakkan pada dahi kepala titik FP1, seperti pada Gambar 2.8.

Gambar 2.8 Posisi Peletakan Mindwave Mobile Headset (Sumber: John, dkk, 2013)

Titik A1 dan T4 merupakan peletakkan referensi untuk sensor pada titik

FP1. Untuk membandingkan nilai tegangan yang diperoleh digunakan sistem
bipotensial amplifier yang terdapat pada ear chip. Ear chip ini dijepitkan pada
bagian telinga. Dalam sensor EEG ini terdapat modul bluetooth yang digunakan
untuk proses pengiriman data sinyal EEG yang terekam dari sensor. Data ini akan
dikirimkan ke perangkat lain seperti komputer ataupun handphone untuk
dilakukan konversi dari analog ke digital ( John, dkk, 2013).
Modul Neurosky Think Gear yang terdapat pada sensor EEG ini berfungsi
untuk mengukur sinyal listrik analog, yang umumnya untuk menunjukkan
gelombang otak dan mengubahnya menjadi sinyal digital. Modul Neurosky Think
Gear telah ditanamkan pembacaan frekeuensi gelombang otak seperti pada Tabel
2.2 (Anonim, 2010).
Tabel 2.2 Data Klasifikasi Pembacaan Frekuensi pada Sensor EEG (Sumber: Anonim, 2010)

13

Berdasarkan datasheet (Anonim, 2010) untuk jenis parameter eSense atau

keadaan konsentrasi diatur dalam skala relatif, yakni dari 1-100. Pada skala nilai
rata-rata 40-60 menunjukkan kondisi responden normal dan ini mirip dengan
teknik pengukuran EEG konvensional. Untuk nilai 60-80 menunjukkan kondisi
responden sedikit lebih baik dari normal (level yang lebih tinggi dari orang
normal kebanyakan). Nilai 80-100 termasuk sangat tinggi dan paling baik dari
indikator responden. Namun, nilai antara 20-40 menunjukkan kondisi yang
kurang baik pada responden (abnormal), sedangkan nilai antara 1-20
menunjukkan sangat tidak normal dari responden. Namun, untuk ketenangan nilai
di atas 60 adalah indikator yang baik.

2.5 Arduino Uno

Arduino uno adalah kit elektronik atau papan rangkaian elektronik open
source yang di dalamnya terdapat komponen utama yaitu sebuah chip
mikrokontroler dengan jenis AVR dari perusahaan Atmel. Arduino adalah sebuah
board mikrokontroler yang berbasis Atmega 328. Berikut Gambar 2.9 adalah pinpin pada kit Arduino uno (Widodo, 2008).

Gambar. 2.9 Board Arduino Uno Atmega 328 (Sumber : Widodo, 2008)

Arduino memiliki 14 pin input/output yang mana 6 pin dapat digunakan

sebagai output PWM, 6 analog input, crystal osilator 16 MHz, koneksi USB, jack
power, kepala ICSP dan tombol reset. Arduino mampu men-support
mikrokontroller untuk dapat dikoneksikan dengan komputer menggunakan USB.

14

Pada Gambar 2.9 terdapat 14 pin output/input yang mana 6 pin dapat
digunakan sebagai output PWM, 6 analog input, crystal osilator 16 MHz dan
tombol reset. Arduino tersebut digunakan sebagai chip mikrokontroler 328,
sebagai pengendali gerakan motor DC.

2.6 Motor Servo

Motor servo adalah sebuah motor dengan sistem umpan balik tertutup
dimana posisi dari motor akan diinformasikan kembali ke rangkaian kontrol di
dalam motor servo. Motor servo terdiri dari sebuah motor dc, serangkaian gear,
potensiometer dan rangkaian kontrol. Potensiometer berfungsi untuk menentukan
batas sudut dari putaran servo, sedangkan sudut dari sumbu motor servo diatur
berdasarkan lebar pulsa yang dikirim. Terdapat dua jenis motor servo yang
digunakan yaitu motor servo discrete rotation dan motor servo continuous
rotation (Yuda, 2008).
Motor servo discrete rotation sering dipakai pada sistem robotika
misalnya untuk membuat robot Arm (robot lengan) sedangkan motor servo
continuous rotation sering dipakai untuk mobil robot. Motor servo dapat dilihat
pada Gambar 2.10.

Gambar 2.10 Motor Servo (Sumber : Widodo, 2008)

Adapun jenis-jenis motor servo adalah (Widodo, 2008) :

1. Motor Servo Standar 180o.
Motor jenis ini hanya mampu bergerak dua arah (CW dan CCW) dengan
defleksi masingmasing sudut mencapai 90o sehingga total defleksi sudut dari
kanantengahkiri adalah 180o.
2. Motor Servo Continuous.

15

Motor servo jenis ini mampu bergerak dua arah (CW dan CCW) tanpa
batasan defleksi sudut putar (dapat diputar secara kontinyu).

2.6.1

Lebar Pulsa Pergerakan Motor Servo DC

Pengujian motor dc servo standar 180o keluaran parallax, dilakukan

pencarian sudut acuan, sudut acuan yang diambil adalah sudut 0o, 90o dan sudut
180o. Dari ketiga sudut dapat diketahui berapa nilai PWM yang harus diberikan ke
pin SIG motor dc servo untuk pergerakan sudut yang lain, setelah didapatkan
pulsa acuan pada sudut 0o, 90o dan 180o. Selisih lebar pulsa untuk per 1o sudut
servo dapat ditentukan dengan menggunakan Persamaan 2.1 (Yuda, 2008) :
TS 0 T _ S180
180
o

T per 1

(2.1)

dengan:
= Pulsa timer yang diberikan untuk sudut 0o (ms).
= Pulsa timer yang diberikan untuk sudut 180o (ms).
Untuk menentukan selisih lebar pulsa sudut seterusnya dilakukan dengan
cara mengalikan selisih lebar pulsa per 1o dengan sudut yang diinginkan (Yuda,
2008).

2.7

Pergerakan Robot Underactuation

Sebuah mekanisme pergerakan yang mana memiliki sedikit aktuator

dibandingkan dengan DOF (degree of freedom). Saat diaplikasikan pada mekanik

jari, konsep dari underactuation adalah agar dapat menyesuaikan diri. Jari yang
dapat menyesuaikan diri akan meraih objek untuk digenggam dan secara otomatis
menyesuaikan bentuk dengan hanya satu aktuator dan tanpa strategi kontrol yang
terlalu rumit (Lalibert,dkk, 2002).
Untuk mencapai sistem yang ditentukan, bahan elastis dan batasan
mekanik harus ditentukan dalam mekanisme peregarakan secara statis. Selagi jari
mendekat pada suatu objek, pengaturan jari ditentukan pada saat diluar derajat
putaran dengan objek. Saat objek secara penuh disentuh, maka tekanan

16

diaplikasikan pada aktuator yang terdistribusi di antara sisi. Rangkaian dari

pergerakan jari menggunakan 2 DOF. Jari yang bergerak melalui bagian bawah,
ditunjukkkan pada pergerakan anak panah di Gambar 2.11.
Sejak ada 2 DOF dan 1 aktuator, satu (dua minus 1) harus menggunakan
bahan yang elastis. Contoh pada saat ini, sebuah ektensi spring yang digunakan
untuk mempertahankan jangkuan jari secara penuh. Limit mekanik digunakan
untuk menjaga sisi jari tetap garis lurus di bawah sumber saat tidak ada tekanan
dari luar yang dipasang pada material. Semestinya pencatatan dilakukan setelah
dirangkai dengan aktuator yang bergerak sacara kontinyu.

Gambar 2.11 Rangkaian dari Gerakan Jari 2 DOF (Sumber: Lalibert,dkk, 2002)

Pada Gambar 2.11 bagian a) Jari awalnya dikonfigurasi dan tidak ada
tekanan dari luar. Jari diberlakukan seperti bodi putaran sumbu poros yang pas.
Pada bagian b) menunjukkan jari mendekati objek. Bagian c), jari bergerak
dengan baik untuk tahap pertama.
Akhirnya pada bagian d) kedua palang tekontak dengan objek dan fase
mengadaptasi bentuk pada jari selesai,. Usaha aktuator mendistribusi diantaranya
2 palang dalam kontak dengan objek (Lalibert,dkk, 2002).
Underactuation pada robot tangan menghasilkan pergerakan material yag
baik. Contohnya, sebuah jari tidak selalu menyentuh pada objek yang digenggam.
Untuk menetukan pengaturan dimana jari dapat dipasang tekanan untuk
memegang objek, yang satu akan diproses dengan model jari yang kaku.
Selanjutnya akan memberikan perumusan hubungan antara torka dengan masukan
aktuator dan menggunakan tekanan pada objek. Gambar 2.12 menunjukkan model
dari underactuated jari 2 DOF.

17

Gambar 2.12 Model dari underactuated jari 2-DOF (Sumber: Lalibert,dkk, 2002)

Persamaan masukan dan keluaran virtual powers, diperoleh dari,

t T a f T v

(2.2)

dengan:

= vektor torka masukan yang digunakan pada aktuator dan spring

= Kecepatan vektor

= vektor pada kontak force

= Kecepatan phalang menyentuh objek

Gambar 2.13 Konfiguarsi Penyesuaian Bentuk Jari 3 DOF (Sumber: Lalibert,dkk, 2002)

18

Gambar 2.14 Mekasnisme Detail Saat Memegang atau Menangkap Objek (a) Detail
Menangkap Objek Sejajar (b) Kekuatan Menangkap Objek (Sumber: Lalibert,dkk, 2002)

Gambar 2.13 dan 2.14 merupakan mekanisme underactuation dengan 3

DOF, serta saat menyentuh mauapun menangkap objek. Hubungann force
diasumsikan ke mataerial normal dan tanpa ada pergeseran. Hubungan kecepatan
pada poin dapat disederhanakan sebagai hasil dari Jacobian matrix JT dan
derivatif material dengan koordinat yang dipilih i.e. v = J T .Melalui perhitungan
diferensial, dapat juga dihubungkan vektor a ke derivatif phalang dengan
menentukan koordinat lebih dahulu dengan sebuah pergerakan Jacobian matrik

J A , i.e. J Aa .

2.8 FFT (Fast Fourier Transform)

Perhitungan DFT (Discrete Fourier Transform) secara langsung dalam
komputerisasi dapat menyebabkan proses perhitungan yang sangat lama. Karena
itu dibutuhkan cara lain untuk menghitung DFT dengan cepat. Hal itu dapat
dilakukan dengan menggunakan algoritma FFT di mana FFT menghilangkan
proses perhitungan yang kembar dalam DFT.
Ada 2 (dua) jenis algoritma FFT yaitu algoritma Fast Fourier Transform
Decimation In Time (FFT DIT) dan algoritma Fast Fourier Transform
Decimation In Frequency (FFT DIF). Di mana pada FFT DIT input
disusun/dikelompokkan menjadi kelompok ganjil dan kelompok genap.
Sedangkan pada FFT DIF input tetap tetapi output disusun/dikelompokkan
19

menjadi kelompok ganjil dan kelompok genap.

Jumlah sinyal sampel yang akan diinputkan ke dalam algoritma ini harus
merupakan kelipatan 2 (dua) (2N). Algoritma FFT dimulai dengan membagi sinyal
menjadi dua bagian, dimana bagian pertama berisi nilai sinyal suara pada indeks
waktu genap, dan sebagian yang lain berisi nilai sinyal suara pada indeks waktu
ganjil.
Bentuk rumusannya pada persamaan (2.3):
N 1

X k xn WNkn

(2.3)

n 0

Persamaan (2.3) dibagi menjadi bagian genap dan ganjil sebagai berikut:
X k n genapWNkn xn n ganjilWNkn xn

N 2

N 1

n2 r

n 1

untuk k 0,1,....N 1

xnWNkn xn xnWNkn

N / 2 1

x2r W
r 0

nk
N

x2r 1WN( 2 r 1) k
r 0

n genap n ganjil
n 2r
n 2r 1

Untuk :
W N2 rk W Nrk/ 2
W Nk ( 2 r ) e 2ikr ( N / 2 ) e 2ikr ( N / 2) WNkr/ 2
Yang

mana

Jadi : X k

W Nm/2N / 2 Wmm e 2i cos 2 i sin 2 1

N / 2 1

N 1

r 0

r 0

x(2r )WNrk/ 2 WNk x(2r 1)WNrk/ 2

< N / 2 point DFT genap >< N / 2 point DFT ganjil >

(2.4)

Analisis Fourier merupakan proses penggabungan kembali sampel dalam

susunan yang benar. Setelah itu, proses pembagian sinyal menjadi beberapa
bagian yang lebih kecil dilakukan kembali dengan membagi N/2 point DFT
menjadi N/4 points DFT. Proses pembagian dengan N/4 point DFT dapat dilihat
pada Gambar 2.25. Proses pembagian sinyal suara tersebut terus dilakukan sampai
didapatkan dua seri nilai sinyal suara.

BAB 3
20

METODE PENELITIAN

3.1 Metode Penelitian

Penelitian ini bertujuan untuk merancang suatu sistem rehabilitasi pada
penderita pasca stroke menggunakan finger hand robot berbasis BCI. Tujuannya,
yakni menganalisa data hasil rekaman EEG sebelum dan sesudah rehabilitasi
dengan menggunakan analisis frekuensi. Metode yang digunakan untuk
menganalisis frekuensi,

yaitu metode Fast Fourier Transform dengan

menggunakan library FFT dalam bahasa program Matlab.

3.1.1 Alat dan Bahan

Alat dan bahan yang digunakan pada perancangan penelitian ini adalah
sebagai berikut:
a. Alat

b. Bahan

1. Solder

1. Sensor EEG

2. Multimeter

(mindwave mobile headset)

3. Alat sedot timah

2. Komputer

4. Obeng

3. Arduino

5. Tang

4. Servo

6. Gunting

5. Bread board

7. Pisau/Cutter

6. Papan PCB

8. Alat tulis

7.

9. Penggaris

8. Komponen elektronika

Kabel dan Jumper

9. Timah
10. Sarung tangan
11. Tali rem sepeda

3.1.2 Waktu dan Tempat Penelitian

Adapun penelitian dilakukan pada Bulan Januari-Juni 2015 yang
dilakukan di Laboratorium Instrumentasi dan Kendali, Program Studi Teknik
Elektro, Fakultas Teknik, Universitas Bengkulu.
3.2 Metode Pengumpulan Data

21

1. Observasi
Data yang diperoleh diambil dari pengamatan dan pengujian langsung.
Data juga diperoleh dari 10 responden normal sebagai acuan data pengujian. Data
responden stroke diambil sebelum dan sesudah rehabilitasi selama 10 hari dengan
pemberian 5 kali rehabilitasi menggunakan finger hand robot. Kemudian data
nilai input Avg (data rata-rata nilai magnitudo input konsentrasi selama 5 detik).
2. Studi Pustaka
Studi pustaka dilakukan untuk menambah referensi teori yang diperlukan
dengan membaca dan mempelajari secara mendalam literatur yang mendukung
penelitian ini, baik cetak maupun elektronik.

3.2.1 Jenis dan Sumber Data

Jenis data yang dikumpulkan pada penelitian ini adalah data kuantitatif 24
dalam bentuk sinyal frekuensi yang telah dianalisa. Menurut Lofland (1984:47)
sebagaimana yang dikutip oleh Lexi J. Moleong bahwa sumber data utama dalam
penelitian kualitatif ialah kata-kata dan tindakan selebihnya adalah data tambahan
seperti dokumen dan lain-lain. Dengan data hasil penelitian didapatkan melalui
dua sumber data, yaitu:
a. Data Primer
Data pimer adalah data yang diperoleh atau dikumpulkan oleh peneliti secara
langsung dari sumber data utama. Dalam penelitian, untuk mendapatkan data
primer peneliti mengumpulkan secara langsung. Adapun data primer itu
berupa frekuensi EEG yang didapatkan dari percobaan sistem.
b.

Data Sekunder
Dalam penelitian ini data sekunder diperoleh dari berbagai sumber seperti
buku, laporan, jurnal, dan lain-lain. Adapun data sekunder dalam penelitian
ini seperti pada bab 2 Tinjauan Pustaka.

3.3 Metode Perancangan Sistem

3.3.1 Perancangan (Desain)
Pada tahap ini dilakukan perancangan sistem sebelum dilakukan analisa.
Maksud pembuatan perancangan ini adalah untuk meneliti lebih mendalam

22

tentang prinsip kerja finger hand robot dengan menggunakan sensor EEG dan
motor servo sebagai penggerak. Gambar 3.1 menunjukkan diagram blok sistem.

Komunikasi
Bluetooth

OpeVibe (Akuisisi)
dan Matlab Signal
Real Time

Analisis Fast
Fourier
Transform

Komunikasi
Serial USB

Motor
1

Jari
(kelingking
dan manis)

Serial COM

Motor
2

Jari (Tengah
dan Telunjuk)

Motor
3

Jari Jempol

Arduino Uno
(Mikrokontroller)

Responden

Refleksi
Finger Hand
Robot

Gambar 3.1 Diagram Blok Sistem

Berdasarkan Gambar 3.1 dapat dilihat bahwa awalnya penderita pasca

stroke dipasangkan sensor EEG untuk mengukur gelombang otak penderita. Pada
Gambar 3.2 menunjukkan tahapan dan menjelaskan proses dalam rehabilitasi
yang akan dilakukan.

Gambar 3.2 Desain Pengaplikasian Rehabilitasi Pasca Stroke

23

3.3.2 Perancangan Komunikasi Bluetooth

a. Sensor EEG
Sensor EEG ini menggunakan komunikasi wireless atau secara nirkabel,
yakni dengan bluetooth. Bluetooth yang digunakan jenis v2.1 + EDR dengan
menggunakan teknologi secure simple pairing (SSP) yang meningkatkan
kemampuan pengiriman dan penerimaan sinyal antar perangkat. Versi 2.1 juga
memperkenalkan fitur extended inquiry response (EIR) yang memberikan
informasi

sebelum

terhubung

dengan

perangkat

lain.

Teknologi

ini

memungkinkan penyaringan yang lebih baik sehingga dapat menghemat

penggunaan daya.

b. Komputer
Perangkat komputer yang digunakan dengan spesifikasi merk Toshiba
kapasitas random access memory (RAM) sebesar 2GB. Proosesor AMD E1-6010
APU with AMD Radeon R2 Graphics. Power supply unit (PSU) menggunakan
power supply PC sebagai sumber tegangan, dengan power supply ini berfungsi
mengubah arus listrik searah (AC) menjadi arus listrik bolak-balik. Power supply
ini memiliki daya sebesar 5V. PC ini sudah tersedia komunikasi nirkabel
bluetooth. Bluetooth yang digunakan Versi v9.10.19(T).

c. HC-05
HC-05 Adalah sebuah modul Bluetooth SPP (serial port protocol) yang
mudah digunakan untuk komunikasi serial wireless (nirkabel) yang mengkonversi
port serial ke Bluetooth. HC-05 menggunakan modulasi bluetooth V2.0 + EDR
(Enchanced Data Rate) 3 Mbps dengan memanfaatkan gelombang radio
berfrekuensi 2,4 GHz. Modul ini dapat digunakan sebagai slave maupun master.
HC-05 memiliki 2 mode konfigurasi, yaitu AT mode dan Communication
mode. AT mode berfungsi untuk melakukan pengaturan konfigurasi dari HC-05.
Sedangkan communication mode berfungsi untuk melakukan komunikasi
bluetooth dengan piranti lain. Gambar 3.3 menunjukkan diagram skematik HC-05.

24

Gambar 3.3 Rangkaian Skematik HC-05

Untuk menghubungkan komunikasi bluetooth antara sensor EEG dengan

komputer maka dibutuhkan bluetooth protocol. Gambar 3.4 menunjukkan data
processing unit.

Gambar 3.4 Diagram Data Processing Unit

Pada komputer yang digunakan sudah terdapat bluetooth protocol

sehingga tinggal mencocokkan komunikasi (COM) pada komputer. Pada
penelitian ini menggunakan COM 1 untuk komunikasi 2 perangkat ini. Adapun
identifikasi bahwa kedua perangkat telah terkoneksi keduanya ditunjukkan pada
Gambar 3.5.
25

(a)
(b)
Gambar 3.5 Komunikasi Bluetooth ke PC (COM 1) (a) Belum Terhubung (b) Saat Terhubung

Setelah komunikasi sensor EEG dengan komputer sudah terkoneksi.

Maka langkah selanjutnya mengkoneksikan komunikasi sensor EEG dengan
modul bluetooth HC-05.
1. Awalnya antara Arduino dengan modul bluetooth HC-05 dihubungkan sesuai
diagram seperti pada Gambar 3.6.

Gambar 3.6 Diagram Rangkaian Arduino dengan Bluetooth HC-05

2. Selanjutnya program di sketch dan diupload ke board menggunakan compile.

3. Serial monitor diatur dengan baudrate 9600.

26

4. Kemudian mengetik AT commands dan klik enter pada serial monitor. Seperti
yang ditunjukkan pada Gambar 3.7.

Gambar 3.7 AT Command Sensor EEG dengan Bluetooth HC-05 Pada Serial Monitor Arduino

3.3.3 Perekaman Database Sinyal di Openvibe

Program yang digunakan sebagai akuisisi dan eksekusi gelombang sinyal
EEG dari sensor ialah menggunakan Openvibe. Openvibe akuisisi server adalah
alat yang dirancang untuk berkomunikasi dengan perangkat akuisisi sinyal
hardware dan meneruskan sinyal yang diperoleh dan informasi eksperimen lain
untuk aplikasi Openvibe sesuai dengan format spesifikasi Openvibe. Berikut
simulasi langkah-langkah penelitian yang dilakukan menggunakan Openvibe :
1. Menyinkronkan server akuisisi
Gambar 3.8 menunjukkan server GUI antarmuka grafis dari alat server
akuisisi untuk menunjukkan parameter yang harus dikonfigurasi sebelum
dapat digunakan untuk memperoleh data dan meneruskan data tersebut.
Daftar driver yang tersedia dapat diakses di option driver. Tergantung pada
distribusi Openvibe, sejumlah driver telah dikonfigurasi. Pada penelitian ini
menggunakan perangkat driver Neurosky Mindset (Mindset Dev. Kit 2.1+).

27

(a)

(b)
Gambar 3.8 (a) Server Language Search (b) Openvibe Server Akuisisi

Akuisisi server memonitor aktivitas device yang dibaca untuk memastikan

bahwa benar-benar mengirimkan jumlah sampel berdasarkan konfigurasi
frekuensi sampling perangkat yang telah ditentukan.

2. Konfigurasi Record Device (Pengguna)

Dalam konfigurasi ini dilakukan konfigurasi perekaman database dari
pengguna yang akan dilakukan pembacaan gelombang sinyalnya. Tombol
'driver properties' membuka pengaturan dialog driver yang sedang dipilih. Ini
menampilkan konfigurasi yang harus diisi oleh pengguna. Misalnya,
pengaturan termasuk informasi tentang subjek (identifier, umur, jenis
kelamin) dan percobaan (jumlah saluran yang akan diperoleh, frekuensi
sampling, nama channel).

28

Gambar 3.9 Konfigurasi Device

Berdasarkan Gambar 3.9 pengaturan memberikan informasi tentang

percobaan yang dilakukan dan subjek menjalani percobaan.

3.

Hal yang dilakukan dalam pengolahan sinyal tersebut, yakni membuat

diagram alir pada create command software Openvibe. Diagram alir
(skenario) tersebut berisi code perintah pengolahan sinyal. Pada penelitian ini
menggunakan metode csv file write untuk merekam data EEG selama 5 menit
untuk menjadi indikator pembuatan program Matlab dari sinyal yang
diperoleh. Adapun skenario dan setting dari csv file write ditunjukkan pada
Gambar 3.10.

Gambar 3.10 Skenario CSV File Write

29

Awalnya box acquisition client dihubungkan ke box csv file write.

Selanjutnya pada box csv file write diklik untuk melakukan konfigurasi
setting pada box. File name berfungsi untuk nama dan lokasi penyimpanan
data yang terekam seperti yang ditunjukkan pada Gambar 3.11.

Gambar 3.11 Konfigurasi dari Seknario CSV File Write

3. Setelah selesai dikonfigurasi maka skenario di-debug (play) selama 5 menit

untuk melihat data sinyal EEG yang terekam. Data yang tersimpan dalam
format .csv yang dapat dibaca di Microsoft Excel.

3.3.4 Perancangan Komunikasi Sensor EEG dengan Matlab

Setelah komunikasi antara sensor EEG terhubung dengan komputer, maka
selanjutnya pengujian komunikasi dengan program Matlab. Program Matlab yang
digunakan ialah Matlab seri 2007. Program awalnya telah dibuat secara sistem
menyeluruh untuk mengetahui bahwa kode program yang dibuat telah terhubung
dan siap membaca sinyal EEG dari sensor, maka akan muncul pada layar
command window seperti pada Gambar 3.12.

Gambar 3.12 Pembacaan Komunikasi Matlab dengan Sensor EEG

30

Untuk mengetahui proses pembacaank, maka dapat dilhat pada Gambar

3.13 mengenai mekanisme kerja komunikasi dengan sensor.
Load data Think.gear library dan source code di matlab

Menghubungkan COM ? pada PC sbagai jalur komunikasi

Mindwave Mobile terhubung dengan matlab

Menunggu komunikasi tersambung

Membaca paket data library di jalur komunikasi

Stop Koneksi

Unload data library di PC

Gambar 3.13 Diagaram Blok Komunikasi Matlab dengan Sensor EEG

3.3.5 Perancangan Finger Hand Robot

Tahapan pertama yang dilakukan dalam perancangan ini, yaitu desain dari
finger hand robot. Robot yang didesain harus presisi dengan bentuk tangan kanan
orang dewasa, agar pada output perangkatnya sesuai dengan gerakan dan ukuran
tangan responden yang direhabilitasi. Gambar 3.14 menunjukkan desainnya.

Gambar 3.14 Desain Spesifik Finger Hand Robot

31

Berdasarkan Gambar 3.14 merupakan desain dalam perancangan finger

hand robot. Gerakan dari finger hand robot berdasarkan perintah dari gelombang
sinyal otak yang tergantung dari konsentrasi objek responden yang menggunakan
sensor EEG. Gerakan finger hand robot ini digerakkann dari 3 motor servo,
peranan masing-masing motor servo, yakni motor servo 1 untuk menggerakkan 2
jari antara lain jari kelingking dan jari manis. Motor servo 2 berfungsi
menggerakkan jari telunjuk dan jari tengah, sedangkan motor servo 3 berfungsi
menggerakkan jari jempol.
Setiap servo berputar dengan tujuan memberikan latihan pergerakan secara
fisik. Kontrol posisi jari dengan sudut putaran ditentukan pada motor servo
dengan umpan balik dari sudut sendi. Saat inersia jari membuat gerakan
penolakan pada material bahan, maka hubungan antara sudut putaran pada motor
servo dan sudut sendi dirumuskan dengan Persamaan 3.1.

r. b rservo . servob

(3.1)

Saat jari terhubung dengan objek, deformasi material bahan perubahan

hubungan pada persamaan (3.2), selanjutnya kondisi hubungan dapat dideteksi,
seperti pada ada Gambar 3.15.
Pusat Joint
Servo

(a)

(b)

Gambar 3.15 PengaturanTitik Sendi Jari (a) Titik Sendi (b) Titik Secara Detail

Untuk pengaturan yang lebih jelas terhadap pergerakan sendi dan jari
ditunjukkan pada Gambar 3.16.

32

Sendi

Jari

a 0
a 0
(a) Kondisi Sejajar

b
servo _ b
(b) Saat Tak Melakukan Kontak dengan Objek

servo _ c

(c) Saat Kontak dengan Objek

Gambar 3.16 (a) (b) (c) Detail Pengaturan Persendian Jari Robot

Dari Gambar 3.15 dan 3.16 menjelaskan pengaturan sendi pada jari dan
pergerakan robot. Torka dan gaya f akan ditunjukkan dengan rumus,

Frf

2krrservo servo _ c c

2krrservo E

(3.2)

dengan:
servo = Sudut servo

E
F
r

= servo _ c c r / rservo
= Gaya (force)
= Jari-jari (cm)

33

3.4.6 Perangkat Lunak Mikrokontroller

Pada tahap ini merancang sistem pengendali motor servo menggunakan
perangkat lunak Arduino. Tampilan program Arduino ditunjukkan pada Gambar
3.17

Gambar 3.17 Tampilan Program Arduino

Mikrokontroler yang digunakan ialah Arduino uno dan keluaran 3 motor

servo dc dengan torsi maksimal 5,4 kg. Gambar 3.18 menunjukkan pin dari motor
servo.

Gambar 3.18 Pin-Pin dan Pengkabelan Pada Motor Servo

Motor servo sebagai output gerak dalam melakukan pergerakan pada jari
robot. Arduino uno-R3 digunakan untuk menerima perintah dari program yang
sudah ditentukan dari komputer Arduino melalui media komunikasi usb. Setiap
selesai mengeksekusi sebuah perintah, mikrokontroler yang ada dalam Arduino
uno-R3 akan memberikan perintah ke driver motor untuk bergerak sesui dengan
PWM yangg telah diatur dalam program.
34

Gambar 3.19 menunjukkan rancangan skematik sistem mikrokontroller

dengan bluetooth sebagai komunikasi dan servo sebagai output yang dikendali.

Gambar 3.19 Rangkaian Sistem Mikrokontroller

Gambar 3.19 menunjukkan sistem servo bekerja berdasarkan umpan balik

tertutup. Di dalam servo terdapat gearbox yang kecil (untuk membuat gerakan
yang lebih bertenaga) dan rangkaian elektronik (untuk memudahkan pengaturan).
Sebuah servo standar dapat diatur posisinya dari 0o sampai dengan 180o.
Pengaturan posisi diatur menggunakan timed pulse, antara 1.25 milliseconds
(0o) dan 1.75 milliseconds (180o) 1.5 milliseconds untuk 90o). Waktu yang
digunakan ini bervariasi dari tiap manufaktur servo. Apabila pulsa yang
digunakan dikirim setiap 25-50 milliseconds maka servo akan bergerak dengan
sangat halus.
Motor servo yang digunakan memiliki berat 36 gram sehingga cukup kuat
untuk menggerakkan finger hand robot dengan kondisi tangan atau jari dari
penderita stroke yang sulit digerakkan. Catu daya yang digunakan pada motor
servo, yakni 5 volt dan pengendalian motor servo dibutuhkan jalur yang berisikan
sinyal PWM.

35

3.5 Responden
Obyek penelitian (responden) dalam penelitian ini dapat dinyatakan
sebagai situasi sosial penelitian yang ingin diketahui apa yang terjadi di dalamnya.
Pada obyek penelitian ini, peneliti dapat mengamati secara mendalam aktivitas
(activity) orang-orang (actors) yang ada pada tempat (place) tertentu (Sugiyono,
2002). Obyek dari penelitian EEG ini adalah 10 orang responden/subjek dengan
keadaan sehat (normal) dan 2 orang dengan kondisi pengidap pasca stroke.
Adapun Tabel 3.1 menunjukkan 10 data responden dengan kondisi sehat (normal)
dan Tabel 3.2 menunjukkan data responden dengan kondisi pengidap stroke.

Tabel 3.1 10 Data Responden Awal dengan Kondisi Sehat (Normal)

No

InisialNama

Usia (Tahun)

Jenis Kelamin

WS

21

Laki-Laki

WG

20

Perempuan

RD

21

Laki-Laki

HF

23

Laki-Laki

HS

23

Laki-Laki

AR

20

Laki-Laki

AN

22

Laki-Laki

AM

21

Laki-Laki

AW

19

Perempuan

10

ZC

21

Laki-Laki

Tabel 3.2 Data Responden dengan Kondisi Pengidap Stoke

Inisial

Usia

Jenis

Lama Mengidap

Karakteristik Stroke

Nama

(Tahun)

Kelamin

Stroke

yang Dialami

HD

47

Perempuan

1 Tahun 1 Bulan

MP

54

Laki-Laki

6 Bulan

No

Tangan & Kaki Kanan

serta Mulut
Tangan & Kaki Kanan
serta Mulut

36

3.6 Pengujian dan Rehabilitasi

Sebelum proses rehabilitasi menggunakan finger hand robot sangat
dibutuhkan pemanasan agar responden dapat mudah menyesuaikan pada sistem
yang lebih berat. Permainan sangat diperlukan untuk memberi stimulan dan
suggesti pada responden yang dapat dilakukan beberapa menit. Adapun
permainan yang akan digunakan pada penelitian ini ialah brainwave visualizer
yang akan memberi pemanasan berupa konsentrasi dan ketenangan secara
bergantian. Gambar 3.20 menunjukkan permainan yang diberikan kepada
responden.

Gambar 3.20 Permainan Pemanasan Konsentrasi (Kiri) dan Ketenangan (Kanan)

Permainan ini akan bekerja berdasarkan tingkat konsentrasi dan

ketenangan yang ada pada modul sensor EEG yang digunakan. Nilai magnitudo
untuk kedua paramater yang tertanam antara 0-100. Permainan ini diberikan
dengan waktu tiap permainannya 1-5 menit.
Selanjutnya setelah pemberian permainanan, maka dilakukan rehabilitasi
menggunakan finger hand robot. Respon aktif servo aktif berdasarkan input Avg
dari rata-rata magnitudo konsentrasi responden tiap 5 detik. Servo 1 akan aktif
saat input Avg bernilai 20 atau magnitudo berada pada 0-20. Sementara servo 2
akan on saat input AVG bernilai 20-40 atau berada pada 20<Avg<40. Kemudian
ke-tiga servo, yakni servo 1, 2 dan 3 akan aktif saat input Avg berada pada 40
atau rata-rata magnitudo dari konsentrasi responden berada pada 40-100.
Selanjutnya, dapat diketahui hasil pengujian input Avg seperti ditunjukkan
pada Gambar 3.21.

37

Servo 1 on

Servo 2 on
Servo 3 on

Gambar 3.21 Pengujian Input Avg Pada Serial Monitor Arduino

Gambar 3.21 menunjukkan data input Avg. Selanjutnya di desain bahwa

bila servo 1 aktif, maka jari kelingking dan jari manis akan bergerak sesuai
dengan finger hand robot. Sementara saat servo 2 aktif jari tengah dan telunjuk
akan bergerak. Namun, bila servo 1, 2 dan 3 aktif maka semua jari termasuk
jempol akan bergerak sesuai dengan pengaturan servo terhada finger hand robot.
Adapun pergerakan yang diatur ialah seperti pada Gambar 3.22

Gambar 3.22 Respon Aktif Servo Saat Servo 1 Aktif (Kiri) Saat Servo 2 Aktif (Tengah) dan
Saat Servo 1, 2 dan 3 Aktif (Kanan)

38

3.7 Tahapan Sistem Menyeluruh

Pada tahapan ini menjelaskan tentang proses pelaksanaan mulai dari
inputan awal sistem hingga nilai dan parameter yang menjadi data analisa.
Diagram alir sistem ditunjukkan pada Gambar 3.23.
Start

Mindwave Headset

Peletakan
Sensoring EEG

Komunikasi Bluetooth le
Komputer

Tidak
Receiving Signal ?

Ya

Acqusition Sinyal
Processing
openvibe

Record Sinyal

tidak

Tersimpan dalam CSV

CSV?
ya

Convert CSV ke ASCII

Klasifikasi Sinyal

Stop

Gambar 3.23 Diagram Alir Perekaman Database EEG

39

Adapun tahapan-tahapan yang perlu diterjemahkan dari Gambar 3.23

dapat diproses oleh perangkat yang digunakan, antara lain:
1. Awalnya melakukan klasifikasi database EEG untuk pembuatan program di
Matlab, menggunakan program Openvibe.
2. Sinyal yang terbaca oleh sensor EEG kemudian dikirim ke komputer untuk
dilakukan komputansi

pembacaan

konversi

dari

analog ke digital

menggunakan komunikasi bluetooth.

3. Selanjutnya perangkat lunak Openvibe menghubungkan dengan sensor EEG
untuk melakukan akuisisi sehingga data rekaman menjadi database dalam
komputasi kode pada Matlab.
4. Membuat command skenario menggunakan kode pada library box tutorial
Openvibe.
5. Setelah itu merekam data EEG selama 300 detik yang disimpan dalam format
.csv untuk dibuka di microsoft excel.
6. Setelah selesai direkam maka tahap selnjutnya menganalisa dan mengamati
keperluan data yang dibutuhkan.
7. Setelah data dari Openvibe menjadi acuan, maka selanjutnya membuat kode
pada program Matlab.
8. Waktu setting yang dibuat selama 300 detik untuk menampilkan 300 data.
9. Setelah selesai dibuatkan kode pada program Matlab untuk keperluan
tampilan data EEG secara real time, maka selanjutnya merekam data sesuai
data keperluan yang diambil dari responden. Proses ini juga digunakan untuk
merekam hasil sebelum dan sesudah 5 kali rehabilitasi.
10. Adapun proses lebih jelasnya ditunjukkan pada Gambar 3.24.

40

Start

Mindwave Headset

Peletakan
Sensoring EEG

Komunikasi Bluetooth le
COM 1

Tidak
Receiving Signal ?

Ya

Acqusition Sinyal
pada Matlab

Tampilan Data EEG secara

Real Time

tidak

Data yang ditampilan

konsentrasi, ketenangan,
alpha dan beta

Plot grafik data

EEG berhenti?
ya

Data tersimpan sebnyak 300

data tiap parameter

Simpan data yang terdapat di

command window

Analisis domain Fourier untuk

data konsentrasi dan
ketenangan sesudah
rehabilitasi

Stop

Gambar 3.24 Diagram Alir Perekaman Database EEG Sebelum dan Sesudah Rehabilitasi

41

11. Setelah direkam data awal sebelum rehabilitasi, selanjutnya responden

diberikan permainan pemanasan. Kemudian menggunakan rehabilitasi finger
hand robot. Proses ditunjukkan pada Gambar 3.25.
Start
Komputasi Program ARduino

Koneksi Sensor EEG dengan

HC-05

Sensor dipasang pada

responden

Tampilan Serial Monitor

Tidak

Sinyal Avg Input

dari Responden

Tidak
Avg <20?

Tidak
20<Avg<40

Ya

Avg>40

Ya

Servo 2 Aktif

Servo 1 Aktif

Ya

Servo 1, 2 & 3 Aktif

Tidak
300 detik?

Ya
Stop

Gambar 3.25 Diagram Alir Rehabilitasi Finger Hand Robot

12. Setelah responden menyelesaikan proses yang ditunjukkan pada Gambar

3.25, maka selanjutnya proses perekaman diulang kembali seperti pada
proses Gambar 3.24.

42

BAB 4
HASIL DAN PEMBAHASAN
Pada bagian ini akan dilakukan beberapa pengujian yang bertujuan untuk
mengetahui hasil dari perancangan yang telah diuraikan pada Bab sebelumnya.
Dari hasil pengujian, maka dapat dianalisa kinerja dari tiap-tiap bagian sistem

4.1 Analisa Sampel Data Pada Openvibe

Pada pengujian tahap ini bertujuan menganalisa data sampel yang
dihasilkan dari sensor EEG tiap waktunya untuk menjadi panduan dalam
membuat kode Matlab. Pengambilan data menggunakan perangkat lunak
Openvibe yang cara pengambilan datanya dijelaskan pada Sub Bab selanjutnya.
Data yang diambil dari Openvibe disimpan dalam format .csv sehingga
dapat dibuka menggunakan microsoft excel. Adapun data yang diambil selama 5
menit atau 300 detik menggunakan gelombang otak dari objek EEG peneliti
sebagai acuan. Pengambilan data ini menjadi analisa database dalam kode
program Matlab. Hasil pengambilan data sampel ditunjukkan pada Tabel 4.1.

Tabel 4.1 Parameter Data Tersimpan dari Openvibe

Jumlah

Sampling

Data

Rate

299.99

153.600

512 Hz

-2.048

2.047

153.600

512 Hz

Konsentrasi (Magnitudo)

87

153.600

512 Hz

Ketenangan (Magnitudo)

20

81

153.600

512 Hz

Alpha (Power)

188

450.926

153.600

512 Hz

Beta (Power)

183

166.707

153.600

512 Hz

Parameter yang Muncul

Minimal

Maksimal

Time (detik)

Amplitudo (V)

Tabel 4.1 menunjukkan data tersimpan dari Openvibe yang direkam

selama 5 menit atau 300 detik. Dari data tersebut diambil 6 data, yakni waktu
(detik), raw amplitudo (V), konsentrasi (magnitudo), ketenangan (magnitudo),
alpha (power) dan beta (power). Dari data tersebut dieliminasi data yang tidak

43

dibutuhkan, seperti data theta, delta, gamma dan blink strength. Hal ini
dikarenakan gelombang alpha dan beta yang sangat mempengaruhi kondisi
konsentrasi dan ketenangan. Selama 300 detik diperoleh data tiap detiknya
sebanyak 512 data per parameter EEG sehingga dalam waktu 300 menghasilkan
sebanyak 153.600 data tiap parameter EEG.
Nilai yang diperoleh dari parameter konsentrasi dan ketenangan sesuai
dengan datasheet klasifikasi pembacaan sensor EEG yang digunakan pada Tabel
2.2. Namun, untuk data alpha dan beta tidak langsung menunjukkan data
frekuensi melainkan dalam power dari tiap data yang direkam. Oleh karena itu,
hasil data ini menjadi acuan untuk membuat visual sinyal secara real time tiap
data/detik pada kode Matlab.

4.2 Pengujian Komunikasi Bluetooth

Komunikasi bluetooth antar perangkat ini terbagi menjadi 2, yakni antara
sensor EEG dengan komputer dan sensor EEG dengan perangkat Arduino.
Pengujian ini dilakukan dalam parameter hubungan jarak sensor EEG dengan
perangkat terhadap waktu pengiriman data dan batas jarak maksimal antara kedua
perangkat yang terhubung tersebut. Data yang dikirim sebanyak 300 data sampel
per parameter.
Data diambil dari objek EEG peneliti. Adapun jenis data yang dikirim dari
objek, yakni konsentrasi, ketenangan, alpha, beta dan raw data amplitudo dengan
total data sebanyak 1.500 data. Waktu yang diatur pada sistem kode Matlab ialah
05.00 menit dengan waktu tunda tiap 1 data parameter selama 1 detik. Dari data
tersebut diuji coba berdasarkan jarak. Berdasarkan datasheet sensor EEG yang
digunakan. Sensor dapat mengirimkan data maksimal 10 meter antar perangkat
yang saling terkoneksi. Untuk melihat seberapa besar error (%) yang terjadi
berdasarkan jarak digunakan Persamaan 4.1.

Error %

Waktu Setting - Waktu Pengirim an

Waktu Setting

x 100%

(4.1)

Hasil pengujian parameter hubungan jarak sensor EEG dengan PC ter-

44

hadap waktu pengiriman data dan batas jarak maksimal ditunjukkan pada Tabel
4.2.

Tabel 4.2 Pengujian Hubungan Jarak Sensor EEG dengan Komputer Terhadap Waktu Pengiriman
Data

No

Jarak (m)

Waktu Pengiriman

Waktu Setting

(Detik)

(Detik)

Error

336

300

12%

344

300

14.6%

344

300

14.6%

345

300

15%

349

300

16.4%

354

300

18%

357

300

19%

360

300

20%

364

300

21.4%

10

10

366

300

22%

11

11

Tidak Terhubung

Tidak Terhubung

Tabel 4.2 menunjukkan hasil perbandingan jarak terhadap waktu setting

dan waktu pengiriman. Selanjutnya dapat dibuatkan grafik yang ditunjukkan pada
Gambar 4.1.

Gambar 4.1 Grafik Hubungan Jarak dengan Waktu Setting dan Pengiriman Data

45

Dari Gambar 4.1 terlihat bahwa terdapat 2 parameter nilai yang berada
dalam grafik, yakni jarak (m) terhadap waktu (detik). Selain itu parameter waktu
terbagi menjadi 2, yakni berdasarkan waktu yang telah ditetapkan pada kode
Matlab dan waktu hasil pengiriman berdasarkan variasi jarak. Hal ini guna
mengetahui karakter waktu pengiriman bila diberikan variasi terhadap jarak dan
menganalisa ketepatan hasil pengiriman dengan waktu setting yang telah
ditentukan.
Berdasarkan data hasil penelitian yang diperoleh semakin jauh jarak
komunikasi bluetooth antara sensor EEG dengan komputer, maka semakin lama
data yang dapat dikirimkan ke Matlab secara real time. Hal ini dipengaruhi
semakin jauh sensor EEG dengan komputer, maka kecepatan data pengiriman
akan semakin lambat. Hal lain yang dapat mempengaruhi juga dapat berasal dari
hambatan antar perangkat, kondisi sinyal, rambatan udara, intervensi sinyal radio
lainnya dan material yang menghalangi antara kedua perangkat Pada jarak 11 m
nampak bahwa komunikasi bluetooth tidak terkoneksi lagi.
Selanjutnya, dari Gambar 4.2 terlihat perbedaan antara waktu setting
dengan waktu pengiriman 300 data. Hal ini tentu sangat dipengaruhi pada kode
program yang dibuat untuk menyimpan sekaligus menampilkan data yang
digunakan dalam mengolah data. Selain itu spesifikasi bluetooth dan komputer
yang digunakan juga dapat menjadi salah satu faktor yang mempengaruhi waktu
pengiriman data.

4.3 Pengujian Responden Normal

Dari hasil analisa pengambilan data sampel pada Openvibe, maka
dilakukan konfigurasi pengambilan data tiap data/detik. Kebutuhan pengiriman
data real time dilakukan selama 5 menit atau 300 detik dengan 300 data per
parameter. Hal ini dilakukan agar proses pembacaan dan analisa data lebih mudah.
Selanjutnya berdasarkan pengujian jarak sensor EEG dengan komputer, maka
jarak responden yang menggunakan sensor EEG ditetapkan sejauh 1m dari
perangkat yang terhubung hal ini bertujuan mengurangi adanya gangguan.
Data yang diambil ini juga bertujuan untuk melakukan pengujian
perbandingan data hasil dari responden terhadap datasheet dari sensor EEG seperti

46

yang telah dijelaskan pada Bab 2. Dari pengujian ini menggunakan 10 responden
dalam kondisi kesehatan normal atau tidak memiliki riwayat penyakit otak seperti
stroke maupun epilepsi. Data hasil pengujian ditunjukkan pada Tabel 4.3.

Tabel 4.3 Data Pengujian Responden Normal

No

Inisial
Nama

Rata-Rata Hasil yang Diperoleh

Usia

Konsentrasi

Ketenangan

(Magnitudo)

(Magnitudo)

Hasil
Uji

WS

21

67,89

70,53

Normal

WG

20

61,50

57,49

Normal

RD

21

66,06

68,18

Normal

HF

23

58,07

55,70

Normal

HS

23

60,50

59,2

Normal

AR

20

43,73

54,63

Normal

AN

22

61,45

52,39

Normal

AM

21

44,62

71,50

Normal

AW

19

60,53

50,75

Normal

10

ZC

21

57,90

45,17

Normal

Tabel 4.3 menunjukkan data rata-rata hasil pengambilan rekaman terhadap

10 responden dalam kondisi sehat dan tidak memiliki riwayat penyakit otak
seperti stroke dan epilepsi. Data konsentrasi dan ketenangan sesuai dengan
datasheet dari sensor EEG memiliki nilai magnitudo 1-100.
Sedangkan data alpha dan beta berupa nilai power kekuatan tiap data dan
data pada Tabel 4.3 merupakan rata-rata power dari parameter tersebut. Dari
Tabel 4.3 selanjutnya dapat dibuatkan grafik perbandingan konsentrasi dan
ketenangan dari 10 responden pada Gambar 4.2

47

80

Normal

70

Magnitudo

60
50
40

Att

30

Med

Abnormal

20
10
0
WS

WG

RD

HF

HS

AR

AN

AM

AW

ZC

Nama Responden
Gambar 4.2 Grafik Perbandingan Konsentrasi (Att) dan Ketenangan (Med) dari 10 Responden

Dari Gambar 4.2 terlihat dengan jelas data hasil dari Tabel 4.3 yang
menunjukkan grafik perbandingan konsentrasi dan ketenangan dari 10 responden.
Seperti yang telah dijelaskan sebelumnya bahwa 10 responden yang diambil
dalam keadaan sehat tanpa adanya penyakit terkait otak. Pengujian ini juga untuk
menguji berdasarkan datasheet dari sensor EEG.
Berdasarkan datasheet untuk jenis parameter eSense atau keadaan
konsentrasi dan ketenangan diatur dalam skala relatif, yakni dari 1-100. Pada
skala nilai rata-rata 40-60 menunjukkan kondisi responden normal dan ini sesuai
dengan teknik pengukuran EEG konvensional. Untuk nilai 60-80 menunjukkan
kondisi responden sedikit lebih baik dari normal (level yang lebih tinggi dari
orang normal kebanyakan).
Nilai 80-100 termasuk sangat tinggi dan paling baik dari indikator
responden. Namun, nilai antara 20-40 menunjukkan kondisi yang kurang baik
pada responden (abnormal), sedangkan nilai antara 1-20 menunjukkan sangat
tidak normal dari responden. Dari data yang ditunjukkan pada Gambar 4.2 jelas
bahwa 10 responden yang diambil data rekaman dalam keadaan normal (sehat).
Sehingga, pengujian responden awal ini menunjukkan bahwa hasil perekaman
data sesuai dengan tujuan.

48

4.4 Pengujian Pemberian Permainan Pada Penderita Stroke

Setelah sebelumnya telah dianalisa rata-rata tiap parameter dari 10 data
responden normal, maka pada tahapan ini dilakukan pengujian pada 2 responden
yang mengalami stroke. Responden pertama berinisial HD dengan jenis kelamin
perempuan berusia 47 tahun telah mengidap stroke selama 1 tahun 1 bulan pada
bagian tangan kanan, kaki kanan dan mulut.
Sementara untuk responden ke-dua berinisial MP dengan jenis kelamin
laki-laki berusia 54 tahun telah mengidap stroke selama 6 bulan pada bagian
tangan dan kaki kanan. Pengujian pertama terhadap ke-dua responden ialah
dengan merekam data sebanyak ketentuan sebelumnya, yakni 300 data selama
05.00 menit atau 300 detik.
Setelah data awal telah terekam, maka selanjutnya ialah melakukan proses
terapi atau rehabilitasi menggunakan finger hand robot. Namun, sebelum
menggunakan finger hand robot responden terlebih dahulu diuji menggunakan
permainan untuk melihat seberapa mampu konsentrasi dan ketenangan. Hasil
permainan atau game yang dilakukan ditunjukkan pada Gambar 4.3.

(a)

(b)

Gambar 4.3 Screen Shoot Visual Kekuatan Konsentrasi Otak Responden Saat diberikan
Permainan (a) Pengidap Stroke (b) Orang Normal

Dari hasil permainan yang diberikan seperti pada Gambar 4.3 dari kedua
responden pengidap stroke baik pertama maupun ke-dua sama-sama belum
mampu menyelesaikan misi permainan untuk parameter konsentrasi. Hal ini
dipengaruhi oleh gangguan otak, yakni penyakit stroke tersebut. Sedangkan untuk
responden orang normal akan nampak jelas perbedaannya pada bagian (b) di

49

Gamabr 4.3 dengan pengidap stoke pada bagian (a). Sementara untuk parameter
permainan ketenangan ditunjukkan pada Gambar 4.4.

Gambar 4.4 Screen Shoot Visual Kekuatan Ketenangan Otak Responden Saat diberikan
Permainan (a) Pengidap Stroke (b) Orang Normal

Bila dilihat dari Gambar 4.4 secara jelas pada bagian bawah yang
menunjukkan perbedaan parameter kekuatan ketenangan dari responden pengidap
stroke dan normal. Untuk parameter ketenangan dari permainan terlihat memang
lebih baik dibandingkan konsentrasi dan cukup berhasil untuk mengikuti arah
permainan. Namun, kedua permainan yang diberikan menunjukkan kekuatan otak
dari kedua penderita stroke ini berbeda dengan hasil orang normal.
Bola pada permainan akan terangkat semakin tinggi sesuai dengan
ketenangan dari responden. Terlihat orang normal mampu mengangkat lebih
tinggi dibandingkan responden pengidap stroke. Permainan ini dapat menjadi
acuan dalam memberikan latihan pemanasan dalam proses rehabilitasi yang
diberikan sebelum menggunakan finger hand robot.
Selanjutnya, setelah diberikan permainan tersebut responden digunakan
finger hand robot. Pada saat penggunaan finger hand robot ini tidak akan
memvisualisasikan data real time dalam bentuk gelombang. Hal ini dikarenakan
komponen Mindwave mobile headset langsung terhubung pada perangkat
Arduino.
Penggunaan finger hand robot dilakukan selama 5 menit atau 300 detik.
3 servo akan bergerak dalam waktu bersamaan bila konsentrasi responden 40.
Hal ini ditujukan agar responden diterapi ke arah orang normal yang memiliki
standar parameter konsentrasi 40. Sementara bila konsentrasi di antara 20-40

50

hanya ada 1 servo yang akan bergerak, yakni servo pada pin 10. Namun, bila
konsentrasi berada di antara 0-40 maka hanya servo pada pin 11 yang akan
bergerak. Pergerakan servo akan menjadi indikator untuk melihat kemampuan
konsentrasi dari responden saat menggunakan finger hand robot.

4.5 Analisa Hasil Rehabilitasi

Setelah dilakukan rehabilitasi menggunakan finger hand robot maka akan
dilakukan perekaman data kembali dari responden seperti pada saat pengambilan
data awal. Hal ini dilakukan dengan metode yang sama, yakni tampilan data real
time dalam bentuk gelombang menggunakan Matlab. Setelah data berhasil
diambil kembali dalam kondisi sesudah rehabilitasi maka selanjutnya dilakukan
perbandingan. Perbandingan dicari menggunakan Persamaan 4.2.

Perbanding an %

Data Sesudah - Data Sebelum

x 100%
Data Sesudah

(4.2)

Adapun rata-rata data hasil kedua responden ditunjukkan pada Tabel 4.4.

Tabel 4.4 Data Hasil Perbandingan Sebelum dan Sesudah 5 Kali Rehabilitasi Pada Kedua
Responden Pengidap Stroke

Rata-Rata Nilai Konsentrasi (Magnitudo)

No Inisial

Pening

Sesudah Rehabilitasi

Sebelum

Nama Rehabilitasi
1 Kali

2 Kali

3 Kali

4 Kali

5 Kali

katan

HD

37,72

37,81

38,23

38,45

39,70

42,95

12,17%

MP

34,28

34,88

36,91

37,35

38,11

39,96

14,21%

Rata-Rata Nilai Ketenangan (Magnitudo)

No Inisial

Pening

Sesudah Rehabilitasi

Sebelum

Nama Rehabilitasi
1 Kali

2 Kali

3 Kali

4 Kali

5 Kali

Katan

HD

49,13

51,32

52,87

54,77

55,69

58,98

16,71%

MP

39,74

41,17

44,83

48,28

50,18

54,26

26,76%

51

Rata-Rata Gelombang Alpha (Power)

No Inisial Sebelum
Nama Rehabilit
asi

Sesudah Rehabilitasi
1 Kali

2 Kali

3 Kali

4 Kali

Pening
5 Kali

Katan

HD 27150,8

27519,2 27622,2

27112,5 28138,3 28619,2

5,13%

MP 22810,6

23724,1 24210,6

26243,4 27314,9 27579,2 26,76%

Rata-Rata Gelombang Beta (Power)

No Inisial Sebelum
Nama Rehabilit
asi

Sesudah Rehabilitasi
1 Kali

2 Kali

3 Kali

4 Kali

Pening
5 Kali

Katan

HD 14021,3 14044,5 14099,8

14387,5 14527,3 14821,4

5,39%

MP 12116,7 12313,5 12561,1

12782,7 13316,2 13426,6

9,75%

Rata-Rata Raw Amplitudo (V)

No Inisial Sebelum
Nama Rehabilit
asi

Sesudah Rehabilitasi

Pening

1 Kali

2 Kali

3 Kali

4 Kali

5 Kali

Katan

HD

48,3

50,1

52,2

52,3

52,6

52,9

8,69%

MP

45,3

47,3

49,6

52,1

53,7

55,1

17,7%

Dari Tabel 4.4 terlihat jelas data rata-rata yang diambil atau direkam dari 2
pengidap stroke dengan karakteristik penyakit stroke hampir sama antara
responden 1 dan 2. Pada responden responden 1 dan 2 terlihat untuk nilai
konsentrasi yang diperoleh sebelum terapi sesuai dengan datasheet dari sensor
EEG, yakni tergolong dalam kategori abnormal dikarenakan rata-rata nilai
magnitudo berada dibawah 40.

4.5.1 Analisa Nilai Magnitudo Konsentrasi dan Ketenangan

Untuk melihat hasil perbandingan data sebelum dan sesudah sesuai
parameter dari konsentrasi pada responden 1 ditunjukkan pada Gambar 4.5
52

Gambar 4.5 Grafik Perbandingan Konsentrasi Sebelum dan Sesudah 5 Kali Rehabilitasi dari
Responden 1

Gambar 4.5 merupakan grafik perbandingan sebelum dan sesudah

rehabilitasi dari responden 1. Pada saat pengambilan data sebelum dan sesudah
responden diberikan perlakuan yang sama agar data memang memberikan hasil
perbandingan yang baik. Dari Gambar 4.5 memperlihatkan grafik sesudah
rehabilitasi rata-rata lebih tinggi dibandingkan dengan grafik dari data sebelum
rehabilitasi. Grafik berwarna merah menunjukkan data sesudah rehabilitasi.
Sedangkan grafik berwarna biru menunjukkan data sebelum rehabilitasi. Dari
Gambar 4.5 terlihat bahwa grafik berwarna merah menunjukkan rata-rata lebih
tinggi bila dibandingkan dengan data dari garfik berwarna biru.
Hal ini telah ditunjukkan pada Tabel 4.4 untuk rata-rata dari masingmasing data. Konsentrasi sebelum rehabilitasi memiliki rata-rata magnitudo
sebesar 37,72. Sedangkan konsentrasi sesudah rehabilitasi rmemiliki rata-rata
magnitudo sebesar 42,95. Dari kedua data tersebut nampak magnitudo konsentrasi
mengalami peningkatan sebesar 12,17%. Sehingga untuk parameter konsentrasi
untuk pengujian rehabilitasi pada responden 1 sesuai dengan hipotesis hasil,
bahwa proses rehabilitasi memberikan rangsangan peningkatan syaraf motorik
terhadap responden yang diuji.
Selanjutnya, untuk melihat hasil FFT pada nilai magnitudo konsentrasi
pada responden 1 dapat dilihat pada Gambar 4.6.

53

Gambar 4.6 Perbandingan Nilai Magnitudo dari Konsentrasi Responden 1 Dalam Domain Time
(Kiri atas), Power Spectrum (Kanan atas), Phase (kiri bawah) dan Power Spectrum diskrit
(kanan bawah)

Berdasarkan Gambar 4.6 terlihat perbedaan yang jelas antara grafik kiri
nilai magnitudo dari konsentrasi responden 1 dalam domain time dengan grafik
kanan nilai magnitudo dari konsentrasi responden 1 dalam domain Fourier Pada
domain waktu menunjukkan skala magnitudo dalam waktu 300 detik bernilai 0100. Sementara pada domain Fourier dengan metode FFT di peroleh grafik
dengan magnitudo yang tinggi dalam satuan ribuan dan magnitudo konsentrasi
dari responden 1 sesudah rehabilitasi ini berada pada nilai 0-2000. Jadi distribusi
frekuensi menggambarkan penyebaran power pada saat tertentu.
Power density spectrum adalah kuadrat dari magnitudo spektrum, jadi
tidak mengandung info qk. Bila sinyal periodik adalah x(t) real, maka koefisien
deret Fourier nya memenuhi kondisi c-k =ck* sehingga |ck|2 = |ck*|2
Oleh karena itu, power spektrum adalah fungsi simetrik/even dari
frekuensi. Kondisi ini berarti pula bahwa magnitudo spektrum adalah fungsi
simetrik/even dan phase spektrum adalah fungsi ganjil. Sebagai konsekuensi dari
adanya simetri tersebut, spektrum dari fungsi real cukup dispesifikasi pada
frekuensi positif saja.
Sementara untuk responden ke-dua berinisial NY grafik perbandingan
konsentrasi sebelum dan sesudah rehabilitasi ditunjukkan pada Gambar 4.7
54

Gambar 4.7 Grafik Perbandingan Konsentrasi Sebelum dan Sesudah 5 Kali Rehabilitasi dari
Responden 2

Gambar 4.7 dan data pada Tabel 4.4 terlihat perbandingan konsentrasi
sebelum dan sesudah rehabilitasi dari responden 2. Dari data sebelum rehabilitasi
data rata-rata hasil rekaman telah menunjukkan kondisi yang normal untuk
parameter konsentrasi dan ketenangan di bawah nilai 40, yakni 34,28. Setelah
dilakukan rehabilitasi sebanyak 5x terlihat peningkatan menjadi 39,96. Hal ini
sangat erat kemungkinannya dengan lama waktu responden ke-dua mengidap
stroke, yakni baru 6 bulan sehingga terlihat magnitudo konsentrasi responden 2
lebih kecil dibandingkan responden 1.
Pada rehabilitasi pertama nilai magnitudo meningkat menjadi 34,88. Lalu
pada rehabilitasi ke-dua menjadi 36,91. Pada rehabilitasi ke-tiga nilai magnitudo
menjadi 37,35. Kemudian pada rehabilitasi ke-empat nilai magnitudo menjadi
38,11. Setelah dilakukan 5 kali rehabilitasi maka diperoleh nilai magnitudo
sebesar 39,96%. Namun, walau telah dalam kondisi magnitudo konsentrasi yang
meningkat responden 2 masih dalam keadaan di bawah paramater normal dan
perlu dilakukan rehabilitasi. Berdasarkan Gambar 4.7 sesudah dilakukannya
rehabilitasi nilai magnitudo konsentrasi dari responden 2 mengalami peningkatan
sebesar 14,21% dari sebelum dilakukan rehabilitasi ini. Sehingga untuk parameter
konsentrasi untuk pengujian rehabilitasi pada responden 2 sesuai dengan hipotesis
hasil, bahwa proses rehabilitasi memberikan rangsangan peningkatan syaraf
motorik terhadap responden yang diuji.

55

Selanjutnya, untuk melihat hasil FFT pada nilai magnitudo konsentrasi

pada responden 2 dapat dilihat pada Gambar 4.8.

Gambar 4.8 Perbandingan Nilai Magnitudo dari Konsentrasi Responden 2 Dalam Domain Time
(Kiri atas), Power Spektrum (Kanan atas), phase (kiri bawah) dan Power Spektrum Diskrit
(kanan bawah)

Berdasarkan Gambar 4.8 terlihat perbedaan yang jelas antara grafik kiri
nilai magnitudo dari konsentrasi responden 2 dalam domain time dengan grafik
kanan nilai magnitudo dari konsentrasi responden 2 dalam domain Fourier. Pada
domain waktu meunjukkan skala magnitudo dalam waktu 300 detik bernilai 0100. Sementara pada domain Fourier dengan metode FFT di peroleh grafik
dengan magnitudo yang tinggi dalam satuan ribuan dan magnitudo konsentrasi
dari responden 2 sesudah rehabilitasi ini berada pada nilai kelipatan 0-0,5 x104 .
Sementara

untuk

parameter

data

ketenangan

sebelum

dilakukan

rehabilitasi responden 1 tergolong dalam indikator yang lumayan baik dan masuk
indakator normal walaupun tidak terlalu besar. Saat diambil data responden
memang lebih banyak tersenyum hal ini menunjukkan kondisi ketenangan yang
baik dari responden 1. Setelah data sebelum rehabilitasi direkam maka selanjutnya

56

merekam data setelah rehabilitasi untuk dilakukan analisa perbandingan. Adapun

hasil perbandingan ditunjukkan pada Gambar 4.9.

Gambar 4.9 Grafik Perbandingan Ketenangan Sebelum dan Sesudah 5 kali Rehabilitasi dari
Responden 1

Gambar 4.9 menunjukkan grafik perbandingan ketenangan sebelum dan

sesudah rehabilitasi dari responden 1. Terlihat untuk data sebelum rehabilitasi
responden 1 telah menunjukkan ketenangan yang cukup baik karena pada data
rata-rata ketenangan sebelum rehabilitasi, responden 1 tergolong dalam indikator
di atas 40. Dalam hal ini memang ketenangan dipengaruhi oleh gelombang alpha
yang akan tinggi bila dalam kondisi rileks, mengantuk dan tidur.
Walaupun responden 1 sudah berada pada kondisi yang tenang dan baik
untuk kategori pengidap stroke. Terlihat dengan jelas pada Gambar 4.7 bahwa
sesudah rehabilitasi responden 1 semakin tenang dibandingkan dengan sebelum
rehabilitasi. Pada saat sebelum rehabilitasi data rata-rata nilai magnitudo
ketenangan responden 1 sebesar 49,13. Sesudah 5 kali rehabilitasi data rata-rata
magnitudo nilai ketenangan responden 1 sebesar 58,98. Jelas sesudah 5 kali
rehabilitasi ketenangan responden 1 meningkat sebesar 16,71%. Sehingga untuk
parameter ketenangan untuk pengujian rehabilitasi pada responden 1 sesuai
dengan hipotesis hasil.
Suatu

sinyal

dapat

didekomposisi

menjadi

komponen-komponen

sinusoidal (atau eksponensial kompleks). Dengan dekomposisi semacam itu,

sebuah sinyal dikatakan direpresentasikan dalam domain Fourier. Pada sinyal
periodik, dekomposisi menjadi komponen sinusoidal disebut deret Fourier.
Sedangkan pada sinyal aperiodik (finite energy) disebut sebagai transformasi

57

Fourier. Transformasi Fourier dan deret Fourier adalah alat matematis yang
sangat penting dalam analisis dan desain sistem LTI.
Dengan melakukan analisis frekuensi, dapat dilihat representasi matematis
komponen-komponen frekuensi yang terkandung dalam suatu sinyal. Rangkaian
frekuensi yang terkandung dalam sinyal tersebut disebut spectrum. Selanjutnya,
untuk melihat hasil FFT pada nilai magnitudo ketenangan pada responden 1 dapat
dilihat pada Gambar 4.10.

Gambar 4.10 Perbandingan Nilai Magnitudo dari Ketenangan Responden 1 Dalam Domain Time
(Kiri Atas), Power Spektrum (Kanan Atas), Phase (Kiri Bawah) dan Power Spektrum Diskrit
(Kanan Bawah)

Berdasarkan Gambar 4.10 menunjukkan perbedaan yang jelas antara

grafik kiri nilai magnitudo dari ketenangan responden 1 dalam domain time
dengan grafik kanan nilai magnitudo dari ketenangan responden 1 dalam domain
Fourier. Pada domain waktu menunjukkan skala magnitudo dalam waktu 300
detik bernilai 0-100. Sementara pada domain Fourier dengan metode FFT di
peroleh grafik dengan magnitudo yang tinggi dalam satuan ribuan dan magnitudo
ketenangan dari responden 1 sesudah rehabilitasi ini berada pada nilai 0-0,5 x104.
Hal ini jelas bahwa FFT memberikan transformasi dalam algoritma
Fourier untuk mengkonversikan dari time ke representasi frekuensi. Sementara

58

untuk perbandingan data nilai magnitudo ketenangan sebelum dan sesudah

rehabilitasi dari responden 2 ditunjukkan pada Gambar 4.11.

Gambar 4.11 Grafik Perbandingan Ketenangan Sebelum dan Sesudah 5 Kali Rehabilitasi
Responden 2

Berdasarkan Gambar 4.11 menunjukkan grafik perbandingan ketenangan

sebelum dan sesudah rehabilitasi dari responden 2. Dari data terlihat dengan jeas
grafik dengan garis berwarna biru menunjukkan data sebelum rehabilitasi.
Sedangkan grafik dengan garis berwarna merah menunjukkan data sesudah
rehabilitasi. Dari Tabel 4.4 menunjukkan data rata-rata yang ditampilkan pada
grafik dengan garis berwarna biru, yakni sebelum rehabilitasi dengan nilai
magnitudo sebesar 39,74.
Sedangkan data rata-rata yang ditampilkan pada grafik dengan garis
berwarna merah, yakni sesudah 5 kali rehabilitasi dengan nilai magnitudo sebesar
54,26. Ini menunjukkan peningkatan nilai ketenangan dari responden 2 sebesar
19,25% dari sebelum rehabilitasi. Salah satu faktor yang mempengaruhi
peningkatan nilai konsentrasi

maupun

ketenangan, yakni permainan yang

diberikan saat dilakukan rehabilitasi.

Dengan adanya permainan ini mampu memberikan pemanasan atau
keadaan kesiapan saat menggunakan finger hand robot. Sehingga untuk parameter
ketenangan pengujian rehabilitasi pada responden 2 sesuai dengan hipotesis hasil,
bahwa proses rehabilitasi memberikan rangsangan peningkatan syaraf motorik
terhadap responden yang diuji.

59

Dengan melakukan analisis Fourier dapat menunjukkan representasi

matematis komponen-komponen frekuensi yang terkandung dalam suatu sinyal.
Rangkaian frekuensi yang terkandung dalam sinyal tersebut disebut spektrum.
Selanjutnya, untuk melihat hasil FFT pada nilai magnitudo ketenangan pada
responden 2 dapat dilihat pada Gambar 4.12.

Gambar 4.12 Perbandingan Nilai Magnitudo dari Ketenangan Responden 2 Dalam Domain Time
(Kiri Atas), Power Spektrum (Kanan Atas), Phase (kiri bawah) dan Power Spektrum Diskrit
(Kanan Bawah)

Berdasarkan Gambar 4.12 menunjukkan perbedaan yang jelas antara

grafik kiri nilai magnitudo dari ketenangan responden 2 dalam domain time
dengan grafik kanan nilai magnitudo dari ketenangan responden 1 dalam domain
Fourier. Pada domain waktu menunjukkan skala magnitudo dalam waktu 300
detik bernilai 0-100. Sementara pada domain Fourier dengan metode FFT di
peroleh grafik dengan magnitudo yang tinggi dalam satuan ribuan dan magnitudo
ketenangan dari responden 1 sesudah rehabilitasi ini berada pada nilai 0-0,5 x104.
Jadi distribusi frekuensi menggambarkan penyebaran power pada saat
tertentu. Oleh karena itu, power spektrum adalah fungsi simetrik/even dari
frekuensi. Kondisi ini berarti pula bahwa magnitudo spektrum adalah fungsi
simetrik/even dan phase spektrum adalah fungsi ganjil. Sebagai konsekuensi dari
60

adanya simetri tersebut, spektrum dari fungsi real cukup dispesifikasi pada
frekuensi positif saja.
FFT beroperasi dengan mendekomposisikan suatu N titik sinyal domain
waktu kedalam N sinyal domain waktu yang masing-masing dikomposisi oleh
suatu titik tunggal. Pada domain waktu , x[ ] mengandung N angka dari 0 hingga
N-1. Dalam domain frekuensi, DFT memproduksi dua sinyal, bagian real (Re
X[ ]) dan bagian imajiner (Im X[ ]). Tiap sinyal domain frekuensi ini adalah
angka sepanjang N/2+1 dari 0 hingga N/2. Forward DFT adalah transformasi dari
domain waktu ke domain frekuensi dengan persamaan 2.9.

4.5.2 Analisa Nilai magnitudo Alpha dan Beta

Setelah dilakukan analisa data untuk nilai magnitudo tingkat konsentrasi
dan ketenangan. Maka dalam analisa tahap ini akan menganalisa berdasarkan
parameter besara kekuatan (power) dari alpha dan beta. Berdasarkan data yang
terekam sebanyak 300 data selama 300 detik hasil yang telah ditunjukkan pada
Tabel 4.4.
Dari Tabel 4.4 menunjukkan data rata-rata nilai power alpha dan beta
sebelum dan sesudah 5 kali rehabilitasi pada kedua responden pengidap stroke.
Kedua responden diberikan perlakuan yang sama, sehingga memungkinkan data
yang diambil lebih objektif untuk dianalisa. Pada Tabel 4.4 bila dilihat dengan
seksama, maka untuk data sebelum dan sesudah menunjukkan peningkatan nilai
power baik itu untuk gelombang alpha maupun beta. Dari Gambar 4.13
menunjukkan hasil konversasi data di Tabel 4.4.

Gambar 4.13 Grafik Perbandingan Power Alpha Sebelum dan Sesudah 5 Kali Rehabilitasi dari
Responden 1

61

Berdasarkan Gambar 4.13 pada responden 1 sebelum rehabilitasi rata-rata

magnitudo gelombang alpha yang terekam, yakni sebesar 27150,8 dan setelah
dilakukan rehabilitasi singkat menggunakan sistem ini meningkat sebesar 5,13%,
yakni menjadi 28619,2. Gelombang alpha pada otak mempengaruhi tingkat
ketenangan dari pembahasan sebelumnya. Hal ini dikarenakan gelombang alpha
akan semakin tinggi bila saat di kondisi rileks, memejamkan mata dan tidur.
Alpha adalah gelombang otak (brainwave) yang terjadi pada saat
seseorang yang mengalami relaksaksi atau mulai istirahat dengan tanda-tanda
mata mulai menutup atau mulai mengantuk. Gelombang otak alpha juga terjadi
ketika mengalihkan perhatian ke dalam, jauh dari urusan dan masalah realitas
fisik. Gelombang alpha dapat muncul dengan mata terbuka dan fokus pada satu
tempat, namun bagi kebanyakan dari gelombang alpha terjadi lebih mudah dengan
mata tertutup (ketika mata tertutup maka dapat lebih mudah untuk menghindari
gangguan dari luar).
Gelombang alpha berfungsi sebagai penghubung pikiran sadar dan bawah
sadar. Alpha juga menandakan bahwa seseorang dalam kondisi light trance atau
kondisi hypnosis yang ringan. Sedangkan pada responden 2 sebelum rehabilitasi
rata-rata power gelombang alpha yang terekam sebelum dan sesudah rehabilitasi
mengalami peningkatan. Hasil dapat dilihat pada Gambar 4.14.

Gambar 4.14 Grafik Perbandingan Power Alpha Sebelum dan Sesudah 5 Kali Rehabilitasi dari
Responden 2

62

Berdasarkan Gambar 4.14 terlihat pada grafik berwarna merah yang

menyatakan sesudah rehabilitasi power dari gelombang alpha respnden 2
meningkat. Perbedaan yang sangat mencolok ini terlihat bahwa grafik berwarna
merah memiliki power tertinggi 6x105. Dari sebesar 22810,6 dan setelah
dilakukan 5 kali rehabilitasi singkat menggunakan sistem ini meningkat sebesar
26,76%, yakni menjadi 27579,2.
Power dari masing-masing parameter ini menunjukkan nilai dalam satuan
frekuensi yang ada tiap waktunya. Sehingga untuk parameter konsentrasi untuk
pengujian rehabilitasi pada responden 2 sesuai dengan hipotesis hasil, bahwa
proses rehabilitasi memberikan rangsangan peningkatan syaraf motorik terhadap
responden yang diuji.
Gelombang alpha pada otak mempengaruhi tingkat ketenangan dari
pembahasan sebelumnya. Hal ini dikarenakan gelombang alpha akan semakin
tinggi bila saat di kondisi rileks, memejamkan mata dan tidur. Binaural beats
yang menggunakan frekuensi

gelombang otak alpha digunakan

untuk

meningkatkan relaksasi, proses pembelajaran yang super, fokus secara intens,

meditasi ringan, dan meningkat

hormon

serotonin. Frekuensi alpha juga

merupakan pintu awal untuk bisa memasuki pikiran bawah sadar.

Sementara untuk melihat perbandingan gelombang otak beta sebelum dan
sesudah rehabilitasi ditunjukkan pada Gambar 4.15.

Gambar 4.15 Grafik Perbandingan Power Beta Sebelum dan Sesudah 5 Kali Rehabilitasi dari
Responden 1

63

Berdasarkan Gambar 4.15 dapat dilihat dengan jelas terdapat 2 grafik yang
menunjukkan perbedaan berdasarkan plot x pada waktu dan plot y dalam koridor
tingkat nilai power yang berada pada satuan waktu tersebut sebagai implikasi dari
nilai frekuensi yang sedang berlangsung pada gelombang beta terekam. Dari
Gambar 4.15 dan Tabel 4.5 menunjukkan bahwa grafik yang berwarna merah
menunjukkan data nilai power dari gelombang beta sesudah rehabilitasi.
Gelombang tersebut meningkat dari respon terekam nilai power dari gelombang
beta sebelum rehabilitasi.
Sebelum rehabilitasi nilai power beta berada pada rata-rata sebesar
14021,3. Selanjutnya meningkat sebesar 5,39%yakni menjadi 14821,4. Dari data
yang ditunjukkan di impretasikan dalam waktu domain selama 300 detik. Hal ini
bertujuan untuk melihat data hasil perkembangan pengaruh pemberian rehabilitasi
yang dirancang untuk meningkatkan kemampuan syaraf motorik dan respon
gelombang otak dalam menanggapi kinerja dari sistem yang diberikam.
Dari bentuk sinyal yang dihasilkan nampak grafik berwara merah yang
menunjukkan data sesudah rehabilitasi lebih tinggi dengan rata-rata bentuk
gelombang tajam yang lebih banyak dibandingkan grafik berwarna biru. Namun,
beberapa data dalam waktu menunjukkan power yang sama sehingga saling
bersinggungan dalam grafik.
Selanjutnya untuk melihat perbandingan data gelombang beta yang
dihasilkan dari power responden 2 ditunjukkan pada Gambar 4.16.

Gambar 4.16 Grafik Perbandingan Power Beta Sebelum dan Sesudah 5 Kali Rehabilitasi dari
Responden 2

64

Hasil visual dari Gambar 4.16 menunjukkan data hasil grafik

perbandingan power beta sebelum dan sesudah rehabilitasi dari responden 2.
Dalam Gambar 4.16 ini terdapat 2 grafik yang memplotkan 2 data yang berbeda.
Grafik berwarana biru rata-rata lebih rendah bila dilihat dari power spectrum yang
dihasilkan tiap satuan waktu selama kurang lebih 300 detik. Berdasarkan data
Tabel 4.5 menyatakan bahwa nilai power sebelum direhabilitasi sebesar 12116,7
namun setelah diberikan rehabilitasi singkat menggunakan sistem yang dirancang
menjadi 13426,6. Hal ini tentunya meningkat sebesar dari sebelum direhabilitasi
9,75%.

4.5.3 Analisa Data Hasil Raw Amplitudo

Setelah dilakukan analisa data dari konsentrasi, ketenangan, alpha dan beta
maka pada tahap ini bertujuan menganalisa data yang dihasilkan berdasarkan
simpangan gelombang, yakni raw data dari amplitudo (V). Adapun hasil
amplitudo dari kedua responden stroke ini akan dibandingkan dengan hasil dari
responden normal yang paling tinggi rata-rata amplitudonya. Data rata-rata
amplitudo (V) 10 responden normal ditunjukkan pada Tabel 4.5.
Tabel 4.5 Data Rata-Rata Amplitudo (V) 10 Responden Normal

No

Inisial Nama

Usia (Tahun)

Rata-Rata Amplitudo (V)

WS

21

60,77

WG

20

61,34

RD

21

55,87

HF

23

98,42

HS

23

58,41

AR

20

67,51

AN

22

68,26

AM

21

78,41

AW

19

69,07

10

ZC

21

68,94

Dari Tabel 4.5 dapat diketahui bahwa ke-10 responden menunjukkan rata-

65

rata amplitudo yang bervariasi dan tidak sama. Hal ini tentunya dikarenakan
perbedaan dari gelombang otak antar responden. Dari ke-10 responden diambil
satu responden untuk dijadikan pembanding data visual amplitudo dengan hasil
data dari responden stroke. Dari Tabel 4.5 menunjukkan responden dengan inisial
nama HF memiliki rata-rata amplitudo paling besar dari ke-10 responden, yakni
sebesar 98,4. Oleh karena itu, responden HF akan menjadi pembanding terhadap
responden stroke. Data perbandingan ditunjukkan pada Gambar 4.17.

(a)

(b)

(c)
Gambar 4.17 Grafik Perbandingan Data Amplitudo Responden Normal HF (a) Terhadap Data
Respnden Stroke 1HD (b) dan Responden Stroke 2 MP (c)

66

Gambar 4.17 menunjukkan perbedaan yang jelas pada ketiga data

amplitudo 3 responden. Indikator jelas nampak pada nilai besaran elektrik V
pada label y dan bentuk sinyal yang dihasilkan. Pada responden normal HF
terlihat besaran amplitudo berada pada range puncak antara -1500 V sampai
2040 V. Sedangkan pada responden stoke 1 berinisial HD besaran amplitudo
berada pada range puncak antara -430 V sampai 920 V. Namun besaran
amplitudo dominan berada pada range -100 V sampai 200 V.
Sementara untuk responden stroke 2 berinisial MP besaran amplitudo
berada pada range puncak antara -300 V sampai 580 V. Namun, dominan
berada pada -50 V sampai 100 V. Hal ini tentunya lebih kecil bila
dibandingkan dengan responden stroke 1 terlebih bila dibandingkan dengan
reponden normal. Oleh karena itu, jelas bahwa seorang yang memiliki riwayat
stroke besaran elektrik di otaknya akan semakin berkurang dikarenakan pengaruh
adanya saluran di otak yang tersumbat maupun pecah.
Setelah mengetahui adanya perbandingan yang mencolok antara orang
yang normal dengan pengidap stroke. Selanjutnya dapat diketahui hasil
perbandingan sebelum dan sesudah dari 5 kali pemberian rehabilitasi finger hand
robot dan permainan pada kedua responden stroke. Hasil pada responden 1
ditunjukkan pada Gambar 4.18.

Gambar 4.18 Grafik Perbandingan Amplitudo (mV) Sebelum dan Sesudah Pemberian 5 Kali
Rehabilitasi dari Responden 1 HD

Gambar 4.18 merupakan grafik data hasil perbandingan amplitudo

sebelum dan sesudah rehabilitasi dari responden 1 pengidap stroke. Data ini
67

menunjukkan bahwa grafik berwarna merah, yakni sesudah rehabilitasi meningkat

dibandingkan sebelum rehabilitasi yang ditunjukkan pada grafik berwarna biru.
Sebelum rehbailitasi nilai amplitudo berada pada puncak -430 V sampai
920 V. Namun, setelah diberikan rehabilitasi selama 5 kali dalam interval waktu
10 hari maka selanjutnya nilai amplitudo mengalami peningkatan pada simpangan
puncak negatif sebesar 31,74% dan positif 21,36%, yakni dengan nilai minrange
berada antara -630 V hingga 1170 V.
Sementara untuk perbandingan pada responden 2 ditunjukkan pada
Gambar 4.19.

Gambar 4.19 Grafik Perbandingan Amplitudo (mV) Sebelum dan Sesudah Pemberian 5 Kali
Rehabilitasi dari Responden 2 MP

Gambar 4.19 merupakan grafik data hasil perbandingan amplitudo

sebelum dan sesudah rehabilitasi dari responden 1 pengidap stroke. Amplitudo
adalah pengukuran skalar yang nonnegatif dari besar osilasi suatu gelombang.
Amplitudo juga dapat didefinisikan sebagai jarak/simpangan terjauh dari titik
kesetimbangan dalam gelombang sinusoidal.
Dari data amplitudo ini menunjukkan bahwa grafik berwarna merah, yakni
sesudah

rehabilitasi

meningkat

dibandingkan

sebelum

rehabilitasi

yang

ditunjukkan pada grafik berwarna biru. Sebelum rehabilitasi nilai amplitudo

berada pada range antara 300 V sampai 580 V. Namun, dominan berada pada
-50 V sampai 100 V. Namun, setelah diberikan rehabilitasi selama 10 hari
sebanyak 5 kali rehabilitasi finger hand robot dan permainan. Selanjutnya nilai

68

amplitudo mengalami peningkatan pada simpangan negatif sebesar 76,63% dan

positif 71,56%, yakni dengan nilai range dari puncak ke puncak antara -580 V
hingga 2040 V. Sehingga untuk rehabilitasi pada parameter amplitudo ini pada
responden sesuai dengan hipotesis hasil, yakni rehabilitasi robotik mampu
memberikan pemulihan kapabilitas kemampuan elektrik saraf motorik otak.

4.6 Analisa Data Hasil Respon Servo Terhadap Input Konsentrasi

Hasil data penggunaan finger hand robot memberikan efek yang postif
karena telah memberikan peningkatan respon gelombang otak dalam 5 parameter
yang dianalisa. Data analisa telah dilakukan sebelum pembahasan pada Sub Bab
ini. Setelah menganalisa hasil sinyal yang terekam dari sebelum rehabilitasi dan
sesudah rehabilitasi.
Selanjutnya dalam pembahasan Sub Bab ini akan membahas mengenai
data hasil yang terbentuk dari hubungan rata-rata konsentrasi pikiran ke-dua
responden pengidap stroke saat menggunakan finger hand robot. Penggunaan
finger hand robot ini dengan tujuan merangsang saraf motorik dari responden
untuk berusaha dalam melakukan aktivitas lebih keras. Avg merupakan data ratarata input konsentrasi tiap 5 detik. Data yang diambil ialah data penggunaan
finger hand robot pada rehabilitasi pertama tiap responden stroke.Adapun data
yang dihasilkan ditunjukkan pada Tabel 4.6.

Tabe 4.6 Data Hasil Respon Servo Terhadap Input Konsentrasi

Avg
No

Responden 1
(Magnitudo)

Respon Aktif
Servo (180o)

Avg
Responden 2
(Magnitudo)

Respon Aktif
Servo (180o)

Servo 1

Servo 1

Servo 1

Servo 1

Servo 1

Servo 1

20

Servo 1

10

Servo 1

16

Servo 1

Servo 1

25

Servo 2

21

Servo 2

69

Avg
No

Responden 1
(Magnitudo)

Respon Aktif
Servo (180o)

Avg
Responden 2
(Magnitudo)

Respon Aktif
Servo (180o)

30

Servo 2

10

Servo 1

43

Servo 1,2,3

17

Servo 1

29

Servo 2

18

Servo 1

10

18

Servo 1

29

Servo 2

11

11

Servo 1

32

Servo 2

12

Servo 1

44

Servo 1,2,3

13

10

Servo 1

46

Servo 1,2,3

14

40

Servo 1,2,3

47

Servo 1,2,3

15

68

Servo 1,2,3

60

Servo 1,2,3

16

70

Servo 1,2,3

68

Servo 1,2,3

17

77

Servo 1,2,3

24

Servo 2

18

83

Servo 1,2,3

32

Servo 2

19

88

Servo 1,2,3

46

Servo 1,2,3

20

92

Servo 1,2,3

88

Servo 1,2,3

21

70

Servo 1,2,3

71

Servo 1,2,3

22

58

Servo 1,2,3

Servo 1

23

34

Servo 2

22

Servo 2

24

12

Servo 1

66

Servo 1,2,3

25

43

Servo 1,2,3

46

Servo 1,2,3

26

54

Servo 1,2,3

44

Servo 1,2,3

27

26

Servo 2

82

Servo 1,2,3

28

11

Servo 1

11

Servo 1

29

31

Servo 2

66

Servo 1,2,3

30

52

Servo 1,2,3

65

Servo 1,2,3

31

62

Servo 1,2,3

68

Servo 1,2,3

32

80

Servo 1,2,3

69

Servo 1,2,3

33

86

Servo 1,2,3

74

Servo 1,2,3

34

71

Servo 1,2,3

75

Servo 1,2,3

70

Avg
No

Responden 1
(Magnitudo)

Respon Aktif
Servo (180o)

Avg
Responden 2
(Magnitudo)

Respon Aktif
Servo (180o)

35

40

Servo 1,2,3

65

Servo 1,2,3

36

69

Servo 1,2,3

64

Servo 1,2,3

37

18

Servo 1

62

Servo 1,2,3

38

70

Servo 1,2,3

59

Servo 1,2,3

39

89

Servo 1,2,3

57

Servo 1,2,3

40

92

Servo 1,2,3

55

Servo 1,2,3

41

77

Servo 1,2,3

49

Servo 1,2,3

42

45

Servo 1,2,3

54

Servo 1,2,3

43

59

Servo 1,2,3

59

Servo 1,2,3

44

60

Servo 1,2,3

60

Servo 1,2,3

45

42

Servo 1,2,3

63

Servo 1,2,3

46

46

Servo 1,2,3

68

Servo 1,2,3

47

79

Servo 1,2,3

70

Servo 1,2,3

48

75

Servo 1,2,3

73

Servo 1,2,3

49

13

Servo 1

76

Servo 1,2,3

50

25

Servo 2

74

Servo 1,2,3

51

75

Servo 1,2,3

70

Servo 1,2,3

52

44

Servo 1,2,3

60

Servo 1,2,3

53

86

Servo 1,2,3

58

Servo 1,2,3

54

27

Servo 2

23

Servo 2

55

Servo 1

Servo 1

56

19

Servo 1

Servo 1

57

48

Servo 1,2,3

11

Servo 1

58

68

Servo 1,2,3

15

Servo 1

59

Servo 1

40

Servo 1,2,3

60

68

Servo 1,2,3

42

Servo 1,2,3

Tabel 4.6 menunjukkan data hasil respon servo terhadap input

konsentrasi. Input konsentrasi yang dimaksudkan dalam Tabel 4.6 adalah data
71

magnitudo konsentrasi yang berasal dari gelombang otak responden 1 dan 2

pengidap stroke yang diambil pada rehabilitasi terakhir, yakni ke-5. Avg pada
Tabel 4.6 merupakan nilai rata-rata dari magnitudo konsentrasi responden tiap 5
detik.
Percobaan menggunakan finger hand robot ini dilakukan selama 300
detik atau 5 menit. Sehingga dalam waktu 300 detik menghasilkan perintah on
dan off pada 3 motor servo yang berada pada Arduino di pin 9, 10 dan 11 untuk
memberikan tegangan high pada pin tersebut. Putaran ke-tiga motor servo ini
diatur sama, yakni 180o. Sevo akan berputar 180o dan kemudian dalam waktu
tunda 1 detik kemudian akan kembali pada sudut 0o.
Respon aktif servo menyatakan servo yang on saat input Avg dari
magnitudo konsentrasi responden. Servo 1 akan aktif saat input Avgbernilai 20
atau magnitudo berada pada 0-20. Sementara servo 2 akan aktif saat input AVG
bernilai 20-40 atau berada pada 20<Avg<40. Kemudian ke-tiga servo, yakni servo
1, 2 dan 3 akan aktif saat input Avg berada pada 40 atau rata-rata magnitudo
dari konsentrasi responden berada pada 40-100. Data pada serial monitor program
Arduino ditunjukkan pada Gambar 4.20.

Servo 1 on

Servo 3 on

Servo 2 on

Gambar 4.20 Nilai Avg yang Ditampilkan di Serial Monitor Program Arduino

72

Data input Avg yang ditunjukkan Gambar 4.20 menunjukkan bahwa hasil
dari input Avg dapat terlihat pada tampilan serial monitor com 3 di program
Arduino. Berdasarkan metode pengujian yang di desain bahwa bila servo 1 aktif,
maka jari kelingking dan jari manis akan bergerak sesuai dengan finger hand
robot. Sementara saat servo 2 aktif jari tengah dan telunjuk akan bergerak.
Namun, bila servo 1, 2 dan 3 aktif maka semua jari termasuk jempol akan
bergerak sesuai dengan pengaturan servo terhada finger hand robot.
Selanjutnya dari data input Avg saat rehabilitasi ke-5, maka dapat
dianalisa hasil Avg melalui grafik. Grafik dapat dilihat pada Gambar 4.21.

Gambar 4.21 Grafik Data Input Avg Magnitudo Konsentrasi Responden 1 Pada Rehabilitasi Ke-5

Gambar 4.21 menunjukkan grafik data input Avg magnitudo konsentrasi

responden 1. Dari grafik yang ditunjukkan terlihat bahawa 4 data pertama masih
menunjukkan Avg 0 hal ini dikarenakan respon pembacaan awal dari responden.
Selanjutnya terlihat bahwa data Avg dari magnitudo konsentrasi responden
meningkat dan menurun secara periodik. Hal ini menunjukkan bahwa tingkat
konsentrasi dari responden 1 kebanyakaan berada pada level di atas 40. Hal ini
sesuai dengan progress dari peningkatan parameter nilai magnitudo
Selanjutnya dapat diketahui grafik input Avg saat rehabilitasi ke 5 pada
responden 2 berinisial MP. Data input Avg ditunjukkan pada Gambar 4.22.

73

Gambar 4.22 Grafik Data Input Avg Magnitudo Konsentrasi Responden 2 Pada Rehabilitasi Ke-5

Berdasarkan Gambar 4.22 menunjukkan grafik data input Avg magnitudo

konsentrasi responden 2 yang tidak jauh berbeda dari responden 1. Namun, dari
data responden 2 menunjukkan beberapa data dari data 30 menuju 55
mempertahankan kekuatan magnitudo berada pda level 40. Dari grafik yang
ditunjukkan terlihat bahawa 4 data pertama masih menunjukkan Avg 0 hal ini
dikarenakan respon pembacaan awal dari responden yang dilakukan oleh sistem.
Perbandingan juga dapat terlihat antara Gambar 4.21 dan Gambar 4.22 bahwa
responden 1 mencapai Avg pada nilai magnitudo 90 lebih sering bila
dibandingkan dengan responden 2.

74

BAB 5
PENUTUP
5.1 Kesimpulan
1. Sistem rehabilitasi yang dirancang pada penderita pasca stroke menggunakan
finger hand robot berbasis BCI. tujuannya menganalisa data rekaman EEG
sebelum dan sesudah rehabilitasi dan dianalisis menggunakan FFT pada
parameter konsentrasi dan ketenangan.
2. Berdasarkan datasheet Mindwave mobile headset untuk parameter nilai ratarata magnitudo konsentrasi 40-60 menunjukkan kondisi responden normal.
Sementara nilai 60-80 menunjukkan kondisi responden yang sangat baik.
Namun, bila nilai rata-rata magnitudo berada di bawah 40 menunjukkan
kondisi responden yang mengalami gangguan pada bagian otak atau
abnormal seperti penyakit stroke.
3. Dari data responden pengidap stroke yang telah diberikan 5 kali rehabilitasi
diperoleh bahwa magnitudo dari konsentrasi pada responden 1 meningkat
sebesar 12,17% dari 37,72 menjadi 42,95. Sementara untuk ketenangan
meningkat sebesar 16,71% dari 49,13 menjadi 58,98. Sedangkan untuk
responden 2 nilai rata-rata magnitudo dari konsentrasi meningkat sebesar
14,21% dari 34,28 menjadi 34,28 dan untuk nilai magnitudo ketenangan
meningkat sebesar 26,76% dari 39,74 menjadi 54,26.
4. FFT beroperasi dengan mendekomposisikan suatu N titik sinyal domain
waktu kedalam N sinyal domain waktu yang masing-masing dikomposisi
oleh suatu titik tunggal. Pada domain waktu , x[ ] mengandung N angka dari
0 hingga N-1. Tiap sinyal domain frekuensi ini adalah angka sepanjang
N/2+1 dari 0 hingga N/2. Forward DFT adalah transformasi dari domain
waktu ke domain frekuensi.
5. Respon aktif servo on berdasarkan input Avg dari rata-rata magnitudo
konsentrasi responden tiap 5 detik. Servo 1 akan aktif saat input Avg bernilai
20 atau magnitudo berada pada 0-20. Sementara servo 2 akan aktif saat
input AVG bernilai 20-40 atau berada pada 20<Avg<40. Kemudian ke-tiga

75

servo, yakni servo 1, 2 dan 3 akan aktif saat input Avg berada pada 40 atau
rata-rata magnitudo dari konsentrasi responden berada pada 40-100.

5.2 Saran
1. Perlu dilakukan analisa lebih dalam mengenai data frekuensi yang terdapat
dalam waktu 1 detik.
2. Perlu dilakukan perbandingan metode analisa yang lebih baik lagi seperti
metode wavelet.
3. Untuk penelitian selanjutnya ada baiknya menggunakan sensor EEG yang
memiliki 14 channel untuk akurasi data yang lebih baik untuk bidang
kesehatan.
4. Untuk penelitian selanjutnya ada baiknya menganalisa data hasil rehabilitasi
setelah 1 bulan pemakaian dengan data sampel 8 pengujian.
5. Untuk penelitian selanjutnya hendaknya menggunakan ekstraksi ciri untuk
mengenali peningkatan gelombang otak, sehingga dapat diketahui bahwa
memang mengalami peningkatan yang dianalisa secara komputer otomatis.

76

DAFTAR PUSTAKA
Akbar,

Yudiansyah.

2014.

Pola

Gelombang

Otak

Abnormal

Pada

Elektroencephalograph. Thesis: Mahasiswa Sekolah Pasca Sarjana,

Jurusan Magister Fisika, Institut Teknologi Bandung.
Anonim. 2010. Datasheet MindSet Communications Protocol. Neurosky
Bastian, Mansjoer. 2011. Kapita Selekta Kedokteran Jilid 2. Edisi ke-3. Jakarta:
Media Aesculalpius FKUI.
Campellone. 2006. Learning to Control a Brain-Machine Interface for Reaching
and Grasping by Primates. PLoS Biology.
Chuchnowska, Skala. 2011. An Innovative System for Interactive Rehabilitation
of Children at The Age of Three. Institute of Engineering Processes
Automation and Integrated Manufacturing Systems, Silesian University
of Technology.
Djamal, Esmeralda dan Harijono Tjokronegoro. 2012 Identifikasi dan Klasifikasi
Sinyal EEG terhadap Rangsangan Suara dengan Ekstraksi Wavelet dan
Spektral Daya. Mahasiswa Program S3 Departemen Teknik Fisika ITB.
Bandung.
Hyuk, Won Chang dan Hee Yun Kima. 2013. Robot-assisted Therapy in Stroke
Rehabilitation. Department of Physical and Rehabilitation Medicine, Stroke
and Cerebrovascular Center, Samsung Medical Center, Sungkyunkwan
University School of Medicine. Seoul, Korea.

John, Emmanuel Bagacina, Jeremy Bedao Goy, Christopher dan Oppus Carlos.
2013. Peripheral Control Using EEG Signals and Facial Artifacts.
Department of Electronics, Computer and Communications Engineering
Ateneo de Manila University. Quezon City, Philippines.
Lalibertey,

Thierry,

Birgleny

Lionel

dan

Gosseliny

Clement.

2002

Underactuation in Robotic Grasping Hands. Department of Mechanical

Engineering, Laval University, SteFoy QC G1K 7P4, Canada.
Nissl, Jan. 2006. Electroencephalogram (EEG). (Online). Diakses: 13 Mei 2014.
Tersedia di: http://www.webmd.com/epilepsy/electroencephalogram-eeg21508.

77

Nurlaily. 2009. Pencocokan Pola Suara dengan Algoritma FFT dan DC. Skripsi.
Program Studi Matematika, Fakultas MIPA, Universitas Sumatera
Utara.
Patrizia, Poli, Giovanni Morone, Giulio Rosati dan Masiero. 2011. Robotic
Technologies and Rehabilitation: Stefano New Tools for Stroke Patients
Therapy. Rehabilitation Unit, Department of Neurosciences, University
of Padua, Via Giustiniani 3, 35128 Padova, Italy.
Ramesh, Siliveru Harikrishna dan Krishna Chaitanya. 2014. Brainwave
Controlled Robot Using Bluetooth. PG,Department of ECE, Vardhaman
College of Enggineering, Hyderabad, India.
Reyes, Janet dan Tosunoglu Sabri. 2011. An Overview of Brain-Computer
Interface Technology Applications in Robotics. International University
Department of Mechanical and Materials Engineering.
Setiawan, Fitra dan Ratna Adil. 2012. Rancang Bangun Modul EEG Untuk
Menentukan

Posisi

Otak

Saat

Melakukan

Aktivitas

Tertentu

Menggunakan Metoda Filter Digital IIR. Jurusan Teknik Elektronika,

Politeknik Elektronika Negeri, Surabaya Kampus PENS-ITS Sukolilo,
Surabaya.
Sedyaningsih. 2011. Asuhan Keperawatan Klien dengan Gangguan Sistem
Persarafan. Jakarta: Salemba Medika
Sunardi. 2011. Elektroensefalogram. Pusat dan Penelitian Politeknik Negeri
Surabaya. Surabaya.
Tanudjaja, Harlianto. 2007. Pengolahan Sinyal Digital dan Sistem Pemrosesan
Sinyal. Yogyakarta.
Yuliantro, Endro. 2013. Spesifikasi Ciri Sinyal EEG Untuk Perintah Pergerakan
Motorik Berbasis Gelombang Singkat Khusus Berdasarkan Hasil
Ekstraksi Ciri. Univesistas Gajah Mada. Yogyakarta.
Wirawan, Genis Ginanjar. 2009. Stroke Hanya Menyerang Orang Tua?.
Yogyakarta: Bentang Pustaka
Widodo. 2008. Panduan Praktikum Mikrokontroler AVR ATmega16. Jakarta: Elex
Media Komutindo.

78