Membayangkan gerakan tanpa melakukan gerakan sesungguhnya disebut dengan motor imagery. Motor imagery telah banyak dikembangkan untuk Brain Computer Interface, teknologi baru yang memanfaatkan gelombang otak untuk mengontrol teknologi asistif. Teknologi asistif seperti kursi roda bagi penderita cerebral palsy, cedera tulang belakang dan multiple sclerosis dapat membantu dalam meningkatkan kualitas hidup dengan mempermudah pergerakan.
Namun, mengubah motor imagery menjadi input untuk Brain Computer Interface dalam mengontrol gerakan perangkat asisitif bukanlah hal yang mudah. Sebelumnya diperlukan latihan dengan jumlah yang banyak karena tidak semua orang dapat dengan mudah membedakan gerakan satu dengan lainnya hanya dengan membayangkan gerakannya. Membutuhkan konsentrasi dan terkadang bisa lupa atau keliru gerakan satu dengan lainnya bila tanpa ilustrasi visual yang membantu. Meskipun sulit, namun kemampuan dalam membedakan gerakan satu dengan lainnya sangat dibutuhkan dalam mengontrol perangkat asistif. Oleh karena itu diperlukan bantuan dari gerakan tubuh lain, seperti gerakan mata, berkedip atau ekspresi wajah.
Gerakan-gerakan tersebut memiliki potensial aksi yang akan muncul di gelombang EEG, yang dinamakan dengan motion related potential. Gerakan tersebut seringkali dianggap sebagai noise atau artifact yang perlu dihilangkan dai sinyal EEG, namun gerakan tersebut dapat dimanfaatkan untuk membantu naracoba dalam membedakan gerakan pada perangkat asistif melalui computer yang terintegrasi dengan tubuh, disebut sebagai human-computer interface.
Ekspresi wajah merupakan salah satu cara untuk menyampaikan komunikasi non-verbal dan umumnya mencerminkan emosi seseorang. Berdasarkan penelitian terdahulu yang menyatakan bahwa EEG dapat mendeteksi emosi seseorang berdasarkan ekspresi wajah maka perekamaan EEG yang melibatkan perubahan ekspresi wajah telah banyak dikembangkan. Penelitian ini juga memanfaatkan ekspresi wajah untuk mengendalikan prototipe sederhana sebagai simulator untuk wheelchair. Perubahan ekspresi wajah juga berkorelasi dengan perubahan gelombang Mu dan Beta. Ekspresi wajah atau gerakan yang direncanakan dapat menurunkan aktivitas gelombang Mu (8-12 Hz) dan gelombang Beta (18-26 Hz). Gelombang Mu dan Beta akan menurun saat terjadi perubahan ekspresi wajah. Gelombang Mu yang terendah adalah saat membuka mulut, sedangkan gelombang beta terendah adalah saat ekspresi yang menunjukkan emosi seseorang, seperti ekspresi takut, marah atau senang.
Penelitian ini mencoba membedakan tiga gerakan, yaitu maju, mundur dan berhenti berdasarkan sinyal EEG yang direkam saat naracoba melakukan gerakan mengangkat alis, cemberut dan berkedip untu masing-masing gerakan. EEG direkam menggunakan EMOTIV EPOC+ selama kurang lebih 10 detik, kemudian sinyal diolah menggunakan transformasi Wavelet untuk mendapatkan power dari geombang Mu dan Beta sebagai input untuk Extreme Learning Machine dalam mengklasifikasikan gerakan maju, mundur atau berhenti.
Berdasarkan hasil, diketahui bahwa ekspresi wajah dapat membantu dalam membedakan gerakan dalam perangkat asistif. Hal ini tentunya akan mempermudah user yang mengalami kesulitan saat berkonsentrasi untuk membayangkan gerakan secara imaginer dan tidak membuat lelah pengguna untuk selalu berkonsentrasi saat menggerakkan perangkat.
Hasil penelitian ini telah dipresentasikan pada The 2nd International Conference on Physical Instrumentation and Advance Materials (ICPIAM) 2019 di Surabaya, Indonesia pada tanggal 22 Oktober 2019. Berikut ini adalah link dari artikel tersebut:
https://aip.scitation.org/doi/abs/10.1063/5.0034256
O. N. Rahma, M. N. Kurniawati, A. Rahmatillah, K. Ain, “Human-Computer-Interface for controlling the Assistive Technology Device” AIP Conf. Proc., vol. 2314, issue 1, December 2020, doi: 10.1063/5.0034256.
Penulis: Osmalina Nur Rahma