Kontrol Kursi Roda Berbasis Eeg Dengan Metode Long Short Term Memory

Abstract

Stroke adalah penyakit yang timbul dari aliran peredaran darah otak yang tersumbat atau pecahnya pembuluh darah di dalam otak sehingga mengalami kerusakan pada fungsi kerja otak yang dipengaruhi oleh beberapa faktor. Akibat dari penyakit stroke, penderita mengalami kelumpuhan separuh badan, tidak bisa berbicara, tidak bisa menelan, dan gangguan keseimbangan tubuh (Wijayanti, Poni et al., 2014). Awal penggunaannya, kursi roda masih dioperasikan secara kovensional yaitu mendorong atau memutar roda kedepan agar bergerak sesuai keinginan pengguna. Seiring perkembangan, kursi roda digerakkan secara otomatis dengan menggunakan tuas seperti joystick untuk bergerak maju, mengubah arah kursi roda berbelok ke arah kiri ataupun ke arah kanan, dan mengerem untuk memberhentikan kursi roda. Kontrol kursi roda adalah salah satu inovasi yang difungsikan sabagai solusi untuk mengatasi penderita stroke. Alat ini dapat dikendalikan secara otomatis salah satunya dengan menggunakan saraf otak. Pada penelitian sebelumnya dilakukan oleh Naufal dijelaskan bahwa kursi roda menggunakan sensor neurosky mindware untuk menghasilkan gelombang otak dan menggunakan sensor garis untuk mendeteksi warna merah, hijau, atau biru saat kursi roda berjalan (Naufal, 2019). Kemudian penelitian dilakukan oleh Norman Erwin dengan menggunakan klasifikasi metode SVM dalam mengontrol kursi roda berbasis EMG, namun mengalami kesulitan dalam mengontrol kecepatan pada kursi roda karena setiap responden memiliki berat yang berbeda sehingga dibutuhkan pengaturan kecepatan pada setiap pengguna (Erwin, 2020). Selain itu penelitian dilakukan oleh Tigo dijelaskan bahwa kursi roda otomatis dengan head motion control menggunakan sensor gyroscope dan masih menggunakan metode kontrol PID untuk menggerakan kursi roda dan masih terdapat kekurangan pada pergerakan dan akselerasi kursi roda dan proses tuning PID membutuhkan waktu lama (Tigo, 2020). Pada penelitian ini, salah satu alternatif yang dikembangkan yaitu kursi roda berbasis EEG dengan metode LSTM (Long Short Term Memory). Penelitian ini juga menggunakan ekstrasi fitur sebagai pengolahan sinyal EEG. Penelitian kali ini lebih difokuskan untuk memprediksi arah gerak kursi roda berupa membayangkan menggerakan kaki (berjalan maju), membayangkan menggerakan tangan kanan (belok ke kanan) dan membayangkan menggerakan tangan kiri (belok kiri). Pada penelitia ini diperoleh hasil bahwa performa sistem kendali kursi roda berbasis sinyal EEG menggunakan metode Long Short Term Memory (LSTM) secara testing dan training bahwa klasifikasi menggunakan metode LSTM kurang efektif untuk mengenali gerakan motor imaginer berupa membayangkan tangan kanan (berbelok ke kanan), membayangkan tangan kiri (berbelok ke kiri), membayangkan kedua kaki ( berjalan maju), dan keadaan rileks/ idle (berhenti). Dari analisa penelitian ini diketahui bahwa pengujian training ketika nilai cell LSTM, jumlah windowing, dan epoch diubah, maka memberi pengaruh kepada hasil akurasi pada setiap responden. Hal ini juga dapat dipengaruhi oleh kondisi responden. Diperoleh akurasi terbaik ketika nilai cell LSTM sebesar 50, jumlah windowing sebesar 100, dan nilai epoch sebesar 100 pada responden 3 sebesar 99%, 93%, dan 98 %. Kemudian perbedaan gender responden pria dan responden wanita juga mempengaruhi nilai akurasi saat training dan testing bahwa akurasi dengan responden pria memiliki nilai akurasi yang lebih baik daripada responden wanita. Hal ini terjadi dikarenakan saat pengambilan data, responden pria dalam keadaan kondisi tubuh prima, otak dalam keadaan fokus dan ketebalan rambut mempengaruhi hasil prediksi arah gerakan kursi roda. Hal ini dibuktikan pada pengujian online responden 3 memiliki akurasi 90% sedangkan responden 5 memiliki akurasi 50%