Perpustakaan Digital ITB

Stroke masih menjadi salah satu penyebab disabilitas jangka panjang dengan 77% penyintas mengalami gangguan pada fungsi motorik ekstremitas atas. Penilaian klinis seperti Muscle Manual Testing (MMT) dilakukan untuk menilai kondisi kekuatan motorik penyintas. Kelemahan dari penilaian ini adalah sulit untuk membedakan perubahan kekuatan yang kecil sehingga dibutuhkan metode kuantifikasi untuk menjawab tantangan ini. Salah satu metode yang dapat digunakan untuk proses kuantifikasi adalah dengan menggunakan sinyal sEMG (surface-electromyography). Sinyal sEMG memberikan gambaran mengenai kondisi otot melalui fitur-fitur yang ada di dalamnya, sehingga sinyal sEMG memiliki potensi untuk kuantifikasi kekuatan. Penelitian ini mengeksplorasi berbagai fitur pada sEMG untuk kuantifikasi kekuatan otot dan mengklasifikasikan fitur-fitur tersebut menjadi kategori penilaian MMT menggunakan random forest. Studi ini melibatkan partisipasi 14 pasien stroke akut yang diperoleh melalui kerja sama dengan Prodi Kedokteran Fisik dan Rehabilitasi Rumah Sakit Hasan Sadikin, subjek penelitian dipilih dengan metode consecutive sampling dengan kriteria tertentu. Pengukuran sEMG dilakukan di lima otot besar pada area bahu, lengan dan tangan dengan pengukuran dilakukan sebanyak 5 kali sejak 3 hari – 3 bulan pasca stroke. Hasil analisis data menunjukkan bahwa sinyal sEMG dapat menunjukkan progres pemulihan motorik subjek secara objektif. Berdasarkan pada tren pada fitur RMS tiap sesi menunjukkan pemulihan paling signifikan terdapat pada grup MMT < 3 sebesar 3,82 kali lebih besar relatif terhadap sesi pertama. Selanjutnya, hasil klasifikasi dari model random forest menunjukkan bahwa fitur power bin 50-75 Hz, power bin 75-100 Hz, power bin 100-125 Hz, power bin 125-150 Hz dan coefficient of variation (ZC) merupakan fitur yang paling efektif dalam mengklasifikasikan kekuatan otot ke dalam kategori penilaian MMT.