Perpustakaan Digital ITB

Rehabilitasi stroke merupakan sarana yang dapat dilakukan untuk mengembalikan kemampuan motorik pasien penderita stroke. Selama proses rehabilitasi, umpan balik pasien terhadap perlakuan rehabilitasi dibutuhkan untuk mengetahui perkembangan pasien. Untuk mendapatkan umpan balik tersebut, digunakan instrumen pengukuran yang dapat mengukur aktivitas otak. Instrumen yang dapat digunakan untuk mengukur aktivitas otak antara lain electroencephalogram (EEG), functional Magnetic Resonance Iamging (fMRI), Magnetoencephalogram (MEG), dan masih banyak lagi. Di antara instrumen-instrumen tersebut, EEG merupakan instrumen yang berpotensi secara mobilitas dan terjangkau untuk digunakan dalam pengukuran aktivitas otak. Akan tetapi, instrumen EEG hanya mampu mengukur aktivitas otak hingga pada ketebalan tertentu dari permukaan kepala. Untuk itu diperlukan suatu metode untuk melokalisasi aktivitas otak sehingga kualitas rehabilitasi stroke dapat ditingkatkan. ICA-eLORETA merupakan metode yang dapat digunakan untuk melakukan pencitraan aktivitas otak secara 3D. ICA merupakan algoritma yang dapat digunakan untuk mendapatkan komponen paling independen dari suatu sinyal. eLORETA merupakan metode yang dapat digunakan untuk melakukan pencitraan otak berdasarkan model volume conduction effect di kepala. Dalam tugas akhir ini, metode ICA-eLORETA digunakan untuk menentukan pencitraan aktivitas EEG gerakan tangan menggenggam secara 3D dari subjek kondisi normal. Subjek diminta untuk melakukan gerakan mengengam tangan kanan dan kiri secara bergantian. Sinyal EEG diambil dalam sesi dengan mata subjek terbuka dan mata subjek tertutup. Di setiap sesinya terdapat masing-masing lima kali gerakan genggam tangan kanan dan gerakan genggam tangan kiri. Setelah sinyal didapat dilakukan pengolahan sinyal awal seperti pemotongan sinyal, penerapan filter, penggantian referensi sinyal menjadi rata-rata, dan principal component analysis. Setelah dilakukan pengolahan awal, dilakukan ICA pada sinyal untuk mendapatkan komponen-komponen independen penyusun sinyal pengukuran. Dari komponen-komponen sinyal yang didapatkan, dipilih kompone-komponen yang berpotensi menjadi aktivitas tangan menggenggam. Terakhir, dilakukan eLORETA untuk mendapatkan peta pencitraa aktivitas EEG berkaitan dengan gerakan tangan menggenggam secara 3D. Hasil dari ICA-eLORETA berupa densitas arus sumber kemudian dibandingkan dengan baseline pengukuran EEG secara statistik. ICA-eLORETA dapat melakukan lokalisasi aktivitas tangan menggenggam, hal ini dibuktikan dari uji statistik Wilcoxon Signed Rank test, yang menunjukkan adanya event related desynchronization (ERD) pada rentang frekuensi mu di bagian korteks motorik secara contralateral.