Oleh:
Rudi Setiawan
G1D011028
LEMBAR PENGESAHAN
SKRIPSI
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
Ketua Penguji
Anggota Penguji
MENGETAHUI,
Dekan Fakultas Teknik
Rudi Setiawan
G1D011028
iii
iv
KATA PENGANTAR
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
ix
DAFTAR TABEL
DAFTAR GAMBAR
xi
xii
xiii
BAB 1
PENDAHULUAN
1.1 LatarBelakang
Cerebrovascular
accident
(CVA)
yang
lazimnya
disebut
stroke
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.
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.
4.
5.
6.
Data yang dianalisa menggunakan metode FFT hanya pada data sesudah
rehabilitasi.
2.
3.
4.
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
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)
Gambar 2.2 Stroke Iskemik dan Stroke Hemoragik (Sumber: Bastian, 2011)
thrombus.
Thrombus
akan
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).
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.
Jenis
Gelombang
Bentuk
Gelombang
Frekuensi
(Hz)
Tegangan
(V)
Anak: 75
Dewasa:
50
Kondisi Obyek
Alpha
8-13
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
Input
Amplifier
Filter
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)
Gambar 2.7 Mindwave Mobile Headset Neurosky (Sumber: Reyes dan Tosunoglu 2011)
12
Gambar 2.8 Posisi Peletakan Mindwave Mobile Headset (Sumber: John, dkk, 2013)
13
Gambar. 2.9 Board Arduino Uno Atmega 328 (Sumber : Widodo, 2008)
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.
15
Motor servo jenis ini mampu bergerak dua arah (CW dan CCW) tanpa
batasan defleksi sudut putar (dapat diputar secara kontinyu).
2.6.1
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
16
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)
(2.2)
dengan:
= Kecepatan vektor
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)
J A , i.e. J Aa .
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
N 1
r 0
r 0
(2.4)
BAB 3
20
METODE PENELITIAN
b. Bahan
1. Solder
1. Sensor EEG
2. Multimeter
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
9. Timah
10. Sarung tangan
11. Tali rem sepeda
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.
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.
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
23
sebelum
terhubung
dengan
perangkat
lain.
Teknologi
ini
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
(a)
(b)
Gambar 3.5 Komunikasi Bluetooth ke PC (COM 1) (a) Belum Terhubung (b) Saat Terhubung
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
27
(a)
(b)
Gambar 3.8 (a) Server Language Search (b) Openvibe Server Akuisisi
28
3.
29
30
Stop Koneksi
31
r. b rservo . servob
(3.1)
(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
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
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
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.
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
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
36
37
Servo 1 on
Servo 2 on
Servo 3 on
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
Mindwave Headset
Peletakan
Sensoring EEG
Komunikasi Bluetooth le
Komputer
Tidak
Receiving Signal ?
Ya
Acqusition Sinyal
Processing
openvibe
Record Sinyal
tidak
CSV?
ya
Klasifikasi Sinyal
Stop
39
pembacaan
konversi
dari
analog ke digital
40
Start
Mindwave Headset
Peletakan
Sensoring EEG
Komunikasi Bluetooth le
COM 1
Tidak
Receiving Signal ?
Ya
Acqusition Sinyal
pada Matlab
tidak
Stop
Gambar 3.24 Diagram Alir Perekaman Database EEG Sebelum dan Sesudah Rehabilitasi
41
Tidak
Avg <20?
Tidak
20<Avg<40
Ya
Avg>40
Ya
Servo 2 Aktif
Servo 1 Aktif
Ya
Tidak
300 detik?
Ya
Stop
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
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
Minimal
Maksimal
Time (detik)
Amplitudo (V)
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.
Error %
x 100%
(4.1)
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
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.
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.
No
Inisial
Nama
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
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
(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.
Perbanding an %
(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
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%
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
Sesudah Rehabilitasi
1 Kali
2 Kali
3 Kali
4 Kali
Pening
5 Kali
Katan
HD 27150,8
27519,2 27622,2
5,13%
MP 22810,6
23724,1 24210,6
Sesudah Rehabilitasi
1 Kali
2 Kali
3 Kali
4 Kali
Pening
5 Kali
Katan
5,39%
9,75%
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.
Gambar 4.5 Grafik Perbandingan Konsentrasi Sebelum dan Sesudah 5 Kali Rehabilitasi dari
Responden 1
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
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
Gambar 4.9 Grafik Perbandingan Ketenangan Sebelum dan Sesudah 5 kali Rehabilitasi dari
Responden 1
sinyal
dapat
didekomposisi
menjadi
komponen-komponen
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)
58
Gambar 4.11 Grafik Perbandingan Ketenangan Sebelum dan Sesudah 5 Kali Rehabilitasi
Responden 2
maupun
59
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)
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.
Gambar 4.13 Grafik Perbandingan Power Alpha Sebelum dan Sesudah 5 Kali Rehabilitasi dari
Responden 1
61
Gambar 4.14 Grafik Perbandingan Power Alpha Sebelum dan Sesudah 5 Kali Rehabilitasi dari
Responden 2
62
untuk
hormon
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
No
Inisial Nama
Usia (Tahun)
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 4.18 Grafik Perbandingan Amplitudo (mV) Sebelum dan Sesudah Pemberian 5 Kali
Rehabilitasi dari Responden 1 HD
Gambar 4.19 Grafik Perbandingan Amplitudo (mV) Sebelum dan Sesudah Pemberian 5 Kali
Rehabilitasi dari Responden 2 MP
rehabilitasi
meningkat
dibandingkan
sebelum
rehabilitasi
yang
68
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
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
73
Gambar 4.22 Grafik Data Input Avg Magnitudo Konsentrasi Responden 2 Pada Rehabilitasi Ke-5
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
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
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
78