Perpustakaan Digital ITB

Gangguan motorik pasca stroke sering kali menyebabkan kekakuan tangan sehingga menyulitkan aktivitas sehari-hari. Untuk mengembalikan fungsi motorik tangan, proses rehabilitasi dilakukan dengan bantuan ortosis robotik yang dilengkapi dengan sensor sinyal otot. Namun, karena mengalami kelemahan otot, pasien pasca stroke sulit mengendalikannya. Pendekatan antarmuka Brain- Computer Interface (BCI) menjadi solusi alternatif bagi pasien pasca stroke agar mampu mengendalikan ortosis robotik. Penelitian ini mengembangkan BCI berbasis motor imagery yang akan diimplementasikan dengan ortosis tangan kiri robotik hasil 3D print yang bersifat modular. Untuk memastikan kemudahan implementasi, hanya akan digunakan 1 kanal EEG yang direkam secara non-invasif. Proses ekstraksi fitur dilakukan dengan bandpass filter untuk menghilangkan derau, discrete wavelet transform (DWT) menggunakan mother wavelet Symlet 13 untuk mendekomposisi sinyal menjadi komponen frekuensi rentang sinyal alfa dan beta, serta estimasi daya spektral dengan metode Welch. Fitur diklasifikasi menggunakan Multilayer Perceptron dan didapatkan akurasi pengujian 81,25%. Hasil implementasi sistem BCI pada ortosis tangan robotik mengindikasikan latensi offline yang rendah sebesar 600 ms. Hasil evaluasi kinematika perangkat ortosis menunjukkan ortosis mencapai 50,1% (falang proksimal), 43,1% (falang medial), dan 64,2% (falang distal) dari rentang sudut gerak gerak tangan normal. Evaluasi kenyamanan pengguna menyatakan partisipan dapat melalui 20 menit simulasi rehabilitasi dengan perangkat ortosis tetapi adanya ketidaknyamanan akibat desain perangkat pada bagian ruas jari.