KEYWORDS A B S T R A C T
Elektrooculogram, Arduino Nano, Sensor
Pada tahun 2010 telah ditemukan tiga puluh kelompok penyakit neuromusular atau gangguan
Elektroda AgCl, Phyton syaraf. Penyakit syaraf ini bisa disebabkan karena penyakit diabetes, HIV, polio, stroke dan
lain-lain. Pada tahun 2014 telah diteliti sebanyak rata-rata 0.05 sampai 9 atau (1-10) dalam
seratus ribu populasi menderita penyakit gangguan syaraf pertahun. Penderita gangguan syaraf
ini tidak bisa melakukan aktivitas oleh karena itu memerlukan alat bantu berupa tombol,
CORRESPONDENCE joystick, keybord atau piranti interfase yang dapat membantu untuk melakukan aktivitas.
Penelitian ini akan merancang bangung Sistem kendali smart home yang berbasis sinyal
Phone: 085697355048 eletrooculogram yang dapat membantu aktivitas penderita gangguan saraf ataupun cacat
sehingga dapat menyalakan lampu, kipas dan pintu dengan motor servo. Sensor yang digunakan
E-mail: dewy24@trilogi.ac.id dalam penelitian ini elektroda AgCl yang selanjutnya akan dikuatkan dengan penguat
instrumentasi dan difilter. Kemudian sinyal tersebut akan di inputkan ke dalam Arduino yang
akan mengendalikan output untuk menyalakan lampu, kipas angin dan motor servo. Hasil dari
penelitian ini didapatkan penguatan instrumentasi untuk EOG sebesar 2010 kali dan frekuensi
cut off low pass filter 16 Hz. Sinyal yang dihasilkan untuk bola mata melirik kekanan memiliki
batas rata-rata tegangan>= 2.13volt dan bola mata melirik kekiri batas rata-rata tegangan <=
2.078 volt. Serta pengujian terhadap responden tiga orang memiliki nilai akurasi bola mata
kekanan 80%, bola mata kekiri 82% dan bola mata normal 90%.
METODE PENELITIAN
Menetukan frekuensi cut off untuk low pass filter dengan satuan
hertz
1
𝑓𝑐1 = (2.3)
2𝜋√𝑅3𝑅4𝐶3𝐶4
Bagian bawah box EOG diatas terdapat hasil rangkaian penguat Hasil pengujian sinyal EOG
instrumentasi dan filter, dimana tanda hijau menunjukan input Pengujian dilakukan pada malam hari dengan tiga langkan yaitu
sinyal EOG dan tanda orange menunjukan output dan power pengujian pertama pengujian untuk mengetahui batas nilai
sinyal EOG. Tegangan yang diberikan untuk rangkaian ini adalah tegangan yang dihasilkan oleh bola mata saat bergerak kekiri ,
tegangan DC sebesar 5 volt. kekakan dan lurus. Pengujian kedua dilakukan untuk sistem
kendalia alat berupa dua buah lampu, kipas dan satu buah motor
servo. Pengujian ketiga dengan hasil respon alat untuk
mengetahui akurasi dan error alat.
Hasil pengujian pertama bola mata untuk grafiknya dilakuakan
dalam program phyton 3.8.5 yang dapat secara realtime membaca
hasil sensor elektroda yang dihubungkan ke Arduino Nano pin
analog A1. Hasil pengujian untuk lima kali pengujian
menghasilkan batas nilai tegangan yang berbeda-beda sebagai
berikut.
Gambar 10. Hasil smart home berbasis EOG saat bola mata
normal
KESIMPULAN
REFERENCES
Gambar 12. Hasil smart home berbasis EOG saat bola mata [1] J. C. W. Deenen, C. G. C. Horlings, J. J. G. M.
melirik kekiri Verschuuren, A. L. M. Verbeek, and B. G. M. Van Engelen,
“The epidemiology of neuromuscular disorders: A
Pengujian selanjutnya terhadap tiga orang respon untuk comprehensive overview of the literature,” J. Neuromuscul.
Dis., vol. 2, no. 1, pp. 73–85, 2015.
mengetahui keakuratan alat. Pengujian ini dilakukan dengan
[2] M. U. Atique, S. H. Rakib, and K. Siddique-erabbani, “An
pengulangan sebanyak 10 kali untuk tiga jenis kondisi mata yaitu Electrooculogram Based Control System,” pp. 1–4.
normal, melirik kekanan, dan melirik kekiri. Dari pengujian yang [3] V. Yathunanthan, S. chandrasena, L.U.R, umakanthan, A.,
telah dilakukan dihasilkan nilai akurasi dan error dibawah ini. Vasuki, “Controlling a wheelchair using EOG Signal,”
IEEE, pp. 283–288, 2015.
Tabel 3. Hasil pengujian terhadap tiga subjek [4] K. Subbulakshmi, “Computer Human Interface Control by
Electro-Oculography ( EOG ) Signal,” vol. 8, no.
Kekanan Kekiri Normal
November, pp. 1–5, 2015.
No Akurasi Error Akurasi Error Akurasi Error [5] F. Z. Rachman, “Smart Home Berbasis Iot,” Snitt, pp. 369–
1 90% 10% 90% 20% 100% 0% 374, 2017.
2 75% 15% 75% 15% 90% 10% [6] N. C. Tupkar, “Electro-oculography in the Field of
3 75% 15% 80% 20% 80% 10% Assistive Interaction Communication,” no. March, 2015.
[7] C. Anderson, A. M. Chang, J. P. Sullivan, J. M. Ronda, and
Rata2 80% 20% 82%% 18% 90% 10%
C. A. Czeisler, “Assessment of drowsiness based on ocular
parameters detected by infrared reflectance oculography,”
Dari hasil pengujian diatas dapat diperoleh nilai rata-rata untuk J. Clin. Sleep Med., vol. 9, no. 9, pp. 907–920, 2013.
akurasi bola mata saat melirik kekanan sebesar 80%, akurasi [8] P. Saima and Z. Ansari, “Design and Implementation of
untuk bola mata melirik kekiri sebesar 82% dan akurasi untuk Electro-Oculography,” no. February, pp. 363–367, 2015.
mata normal sebesar 90%. Sedangkan error yang dihasilkan untuk [9] S. Goñi, J. Echeto, A. Villanueva, and R. Cabeza, “Robust
algorithm for pupil-glint vector detection in a video
mata melirik kekanan sebesar 20%, bola mata melirik kekiri 18%
oculography eyetracking system,” in Proceedings
dan mata normal 10%. Error yang terjadi karena pergerakan bola International Conference on Pattern Recognition, 2004, vol.
mata dapat berbeda-beda sehingga tegangan yang dihasilkan 4, pp. 941–944.
tidak sesuai dengan nilai batas yang ditetapkan. Selain itu terjadi [10] Lestari, Dewi, and Elvan Yuniarti. "Analisis Aktifitas Otot
waktu pergerakan bola mata yang ditahan terlalu lama dengan Elektroda Ag/AgCL Menggunakan Labview 2015."
mengakibatkan respon seperti bergerak kearah yang berbeda. Dan InfoTekJar: Jurnal Nasional Informatika dan Teknologi
ketika pergerakan bola mata dengan waktu yang singkat maka Jaringan 3.2 (2019): 143-146.
[11] S. Ravishankar, G. R. Pingali, N. K. Polisetty, T. R. Pingali,
tegangan yang dihasilkan tidak sampai pada pergerakan bola
K. Padmaja V, and A. Sista, “Eye-Gesture Controlled
mata batas. Selain itu juga dipengaruhi oleh adanya nilai tegangan Intelligent Wheelchair using Electro-Oculography,” in
input yang tidak stabil untuk penguat. PROCEEDINGS OF THE SEVENTEENTH
INTERNATIONAL SYMPOSIUM ON ARTIFICIAL