Otak adalah organ yang kompleks yang penting dalam kehidupan. Ratusan miliar neuron di otak menjadi dasar aliran informasi aktivasi otak. Pola gelombang otak dapat direkam melalui alat elektroensefalografi (EEG). Orang awam lazim menyebutnya rekam otak. Segala aktivitas otak memberikan pola gelombang yang berbeda. Baik aktivitas fisik maupun psikis. Perekaman gelombang otak pada aktivitas motorik difokuskan pada regio elektroda Cz, C3 dan C4 yang merupakan lokasi korteks motor primer. Studi ini mencoba menganalisis apakah terdapat perbedaan pola gelombang otak ketika seseorang melakukan gerakan nyata atau gerakan imajiner. Gerakan nyata adalah subjek menggerakaan anggota gerak tangannya secara langsung,sedangkan gerakan imajiner adalah kondisi seseorang membayangkan menggerakkan organ motoriknya. Brain-Computer Interface (BCI) akan menangkap sinyal EEG yang mengontrol gerakan tersebut. Tujuan penelitian ini adalah untuk mendapatkan parameter citra sinyal motor EEG yang paling stabil yang dapat digunakan sebagai acuan untuk mengembangkan aplikasi sistem BCI. Metode yang digunakan untuk mendapatkan parameter terbaik adalah dengan membandingkan hasil ekstraksi gerak motorik nyata dengan citra gerak (motoric imagery). Kami berhipotesis bahwa nilai ciri sinyal EEG dari kedua gerakan tersebut serupa atau setidaknya memiliki sedikit perbedaan. Metode penelitian yang digunakan adalah Short-Time Fourier Transform (STFT), yaitu mengubah sinyal EEG dalam domain waktu menjadi sinyal dalam domain frekuensi-waktu. Analisis dilakukan dengan membandingkan hasil ekstraksi parameter gerak motor nyata dengan gerak citra imajiner. Hasil eksperimen menunjukkan bahwa STD menghasilkan jumlah frame data terbanyak dengan nilai yang sama antara gerak nyata dan gerak citra dibandingkan dengan parameter lainnya.
Semua subjek penelitian menunjukkan pola yang sama bahwa STD menunjukkan jumlah kesamaan tertinggi antara dua jenis gerakan yang berbeda. Rata-rata jumlah parameter alpha-band pada saluran C3 adalah 654 frame data (85,16%), dan pada saluran C4 adalah 672 data frame (87,45%). Sedangkan pada pita beta pada kanal C3 sebanyak 528 data frame (68,75%), dan pada kanal C4 sebanyak 536 data frame (69,82%). Hasilnya juga menunjukkan bahwa pita alfa menunjukkan pola yang lebih mirip ketika membandingkan gerak nyata dan gerak citra, dibandingkan dengan beta.
Penelitian ini merupakan studi pendahuluan untuk mengeksplorasi citra motorik sehingga diharapkan dapat dikembangkan penelitian selanjutnya dengan gerakan yang lebih variatif dibandingkan gerakan yang telah diujikan dalam penelitian ini. Pola gerakan imajiner ini nantinya bisa menjadi dasar untuk menggerakan alat bantu motorik (robotik) pada pasien gangguan neuromuskular di masa mendatang. Selama perekaman data EEG, penulis juga harus mengamati konsistensi perlakuan untuk setiap peserta untuk memastikan bahwa semua peserta melakukan gerakan yang sama dengan sedikit perbedaan. Beberapa orang mungkin membuat pola gerakan yang berbeda pada tugas yang sama. Selain itu, waktu juga merupakan bagian penting dari penelitian ini. Artinya, kita perlu berhati-hati dalam mengatur waktu mulai antara urutan audio yang diberikan kepada peserta dan waktu mulai perekaman EEG. Beberapa penundaan dalam perekaman EEG juga dapat menyebabkan hasil yang berbeda. Penelitian lebih lanjut diperlukan untuk memperkuat hasil ini dan memvalidasi kemampuan fitur STD untuk digunakan sebagai parameter penting ketika membandingkan gerakan nyata dan gerakan citra. Selain itu, penerapan metode ekstraksi ciri EEG lainnya juga akan dapat menghasilkan kesimpulan yang lebih baik.
Penulis: Wardah Rahmatul Islamiyah
Link: https://ieeexplore.ieee.org/abstract/document/9263451
Judul artikel:
Statistical Analysis for EEG Patterns Comparison Between Real Motion and Imagery Motion H. Ambarwati, M. H. Purnomo, A. D. Wibawa and W. R. Islamiyah, “Statistical Analysis for EEG Patterns Comparison Between Real Motion and Imagery Motion,” 2020 10th Electrical Power, Electronics, Communications, Controls and Informatics Seminar (EECCIS), 2020, pp. 263-268, doi: 10.1109/EECCIS49483.2020.9263451.
