Muhammad Hilman Fatoni
1, Achmad Arifin
2, Tri Arief Sardjono
3, dan Mohammad Nuh
41,2,3,4. Teknik Biomedik, Fakultas Teknologi Industri, Institut Teknologi Sepuluh Nopember, Kampus ITS Sukolilo, Surabaya, 60111, Indonesia
E-mail: hilmanfatoni@bme.its.ac.id
Abstrak
Brain Computer Interface (BCI) adalah salah satu teknologi antarmuka yang berkembang dengan pesat. BCI memanfaatkan gelombang otak (Electroenchepalogram / EEG). Pada sinyal EEG terdapat informasi motorik yang muncul saat manusia menggerakkan anggota tubuhnya. Informasi motorik ini dapat dideteksi dengan memanfaatkan fitur EEG yang dinamakan Event Related Desynchronization / Event Related Synchronization (ERD/ERS). Penelitian ini bertujuan untuk membandingkan sistem BCI yang menggunakan metode mastoid reference dan metode CAR (Common Average Reference) dalam mengektraksi fitur ERD/ERS. Dari percobaan yang dilakukan, disimpulkan bahwa metode CAR mampu melakukan perhitungan ERD/ERS lebih baik daripada metode mastoid reference. Keunggulan ini berupa peningkatan jumlah pendeteksian gerakan melalui fitur ERD/ERS pada Subyek 1 sebesar 32%, Subyek 2 sebesar 25%, dan Subyek 3 sebesar 7.14%.
Keywords: BCI, ERD/ERS, Motor Imagery, CAR.
I. Pendahuluan
Otak adalah salah satu organ terpenting dalam tubuh manusia. Hampir semua informasi yang diperoleh oleh indera manusia diterima dan diproses di otak. Begitu juga halnya dengan aksi terhadap rangsang. Aksi terhadap rangsang yang disalurkan melalui sistem saraf merupakan perintah dari otak. Salah satu perintah otak adalah perintah gerakan/motorik. Perintah berupa gerakan ini dapat diamati dalam gelombang otak /electroenchepalogram (EEG) yang secara kontinu dikeluarkan oleh otak manusia selama hidup.
Pada kondisi tertentu, perintah motorik yang dibangkitkan di otak tidak mampu menggerakkan anggota badan. Hal ini bisa diakibatkan adanya kerusakan pada otak karena penyakit atau kelainan lain. Penyakit berbahaya yang menyerang otak manusia dan mengakibatkan ketidakmampuan dalam menggerakkan anggota gerak (lumpuh) adalah stroke. Stroke dapat menyerang manusia di segala usia. Stroke disebabkan karena terganggunya aliran darah pada otak yang mengakibatkan terganggunya fungsi otak. Umumnya pasien pasca stroke akan mengalami kelumpuhan atau
ketidakmampuan menggerakkan salah satu anggota tubuhnya.
Meskipun dalam kondisi lumpuh, sinyal EEG berupa perintah motorik tetap ditemukan pada saat pasien pasca stroke mencoba menggerakkan atau membayangkan menggerakkan anggota gerak tubuhnya. Hal ini sesuai dengan [1] dan [2] dimana proses motor imagery maupun motor execution ditemukan baik pada orang normal atau orang yang mengalami kelumpuhan. Penelitian ini menitikberatkan pada Brain Computer Interface (BCI). BCI dapat digunakan dalam proses rehabilitasi maupun sebagai teknologi antarmuka pada orang normal. Salah satu contohnya adalah pemanfaatan BCI sebagai alat bantu proses rehabilitasi pada [2], dimana penelitian tersebut memanfaatkan BCI untuk mengendalikan FES (Functional Electrical Stimulation) yang berfungsi untuk merestorasi fungsi gerak dari subyek.
Sistem BCI yang digunakan pada penelitian ini adalah pemanfaatan Event Related Desynchronization/Event Related Synchronization (ERD/ERS) pada sinyal EEG
sebagai teknologi antar muka. Hasil perekaman sinyal EEG dari subyek yang melakukan motor movement akan dianalisa dan dilakukan perhitungan ERD/ERS menggunakan metode mastoid reference dan Common Average Reference (CAR).
[3] dan [4] menyebutkan bahwa channel dari EEG yang berhubungan dengan gerakkan adalah channel C3,C4, dan Cz. Ketiga bagian ini aktif ketika ada proses motor movement maupun motor imagery. Saat proses tersebut terjadi, muncul fenomena ERD/ERS, yaitu proses pemblokan atau desinkronisasi aktivitas alpha yang berlangsung. Proses pemblokan atau menurunnya power disebut dengan event-related desynchronization (ERD) sedangkannya proses yang berkebalikan yaitu peningkatan power disebut dengan event-related synchronization (ERS).
II. Metode Penelitian
Penelitian ini bertujuan untuk membandingkan hasil perhitungan ERD/ERS menggunakan metode mastoid reference dan CAR. Penelitian dimulai dengan melakukan proses perekaman sinyal EEG pada Subyek. Gerakan yang dilakukan subyek pada saat perekaman adalah knee extension (mengangkat kaki) pada saat duduk di kursi. Sesuai dengan [4], channel EEG yang berhubungan dengan gerakan kaki adalah Cz sehingga fokus perekaman dalam penelitian ini adalah channel Cz. Subyek, Instrument, dan Prosedur Perekaman. Subyek pada penelitian ini terdiri atas tiga orang subyek normal, berjenis kelamin laki-laki, dengan rentang umur 22-26 tahun pada saat perekaman. Data dari subyek beserta ukuran kepala ditunjukkan pada Tabel 1.
Tabel 1. Data Subyek beserta Ukuran Kepala
Indeks Subyek
Umur (thn)
Parameter Ukuran Kepala (cm) Nasion-Inion (N-I) Telinga-Telinga (T-T) Cz - Nasion S1 26 37 42 18.5 S2 22 37 38 18.5 S3 22 35 36 17.5
Instrumen yang digunakan dalam penelitian ini adalah Neuroelectric Instrument Controller (NIC) dengan sistem perekaman 10/20 secara nirkabel, sampling rate 500 SPS (sample per second), bandwitdh 0-125 Hz, resolusi 24 bit (setara dengan 0.05 μV), dan input impedansi minimum 1000 MOhm.
Prosedur perekaman adalah subyek duduk bersandar di kursi dengan layar monitor di depannya. Subyek menggunakan instrumentasi EEG dikepalanya dan
melakukan gerakan knee extension sesuai dengan isyarat di layar monitor. Durasi perekaman untuk satu kali sesi adalah selama 5 menit dengan total gerakan 15 gerakan knee extension. Channel Cz yang menjadi fokus dalam analisa ditunjukkan pada Gambar 1.
Perhitungan ERD/ERS
Data dari masing-masing subyek selanjutnya diproses untuk dianalisa bagaimana perbandingan penghitungan ERD/ERS menggunakan mastoid reference dan CAR. Metode mastoid reference pada dasarnya menggunakan data langsung hasil perekaman, dimana bagian mastoid adalah titik reference pada saat perekaman. Titik ini berada pada daerah belakang telinga yang berupa tulang keras. Sedangkan CAR atau Common Average Reference merupakan jenis pengaplikasian spatial filter berupa penggunaaan referensi dengan nilai rata-rata dari keseluruhan channel EEG.
Gambar 1. Channel EEG yang digunakan (Cz)
Dalam penelitian ini, terdapat dua langkah analisa. Analisa pertama adalah dengan memperhatikan hasil dari CAR terhadap sinyal dengan menggunakan ensemble average dalam satu sesi, kemudian dilanjutkan dengan proses STFT (Short Time Fourier Transform). Analisa pertama ditunjukkan pada Gambar 2. Pada analisa pertama, data hasil perekaman pertama-tama didown-sampling sebesar 5 poin hingga frekuensi sampling sinyal yang semula 500 Hz menjadi 100 Hz. Hal ini berfungsi untuk mengurangi interferensi noise berfrekuensi tinggi. Kemudian pada proses selanjutnya data akan mendapatkan dua perlakuan yang berbeda. Perlakuan pertama adalah dengan menerapkan proses CAR (common average reference) yaitu subtraksi sinyal terhadap rata-rata sinyal di keseluruhan channel EEG pada saat itu. Sedangkan perlakuan kedua adalah proses tanpa CAR (menggunakan mastoid reference).
Tahap selanjutnya dalam analisa pertama ini adalah dengan melakukan filtering pada frekuensi 0.5 – 30 Hz
106 Prosiding Seminar Nasional Teknik Elektro Volume 2 tahun 2017: 104-108
(sesuai dengan rentang frekuensi sinyal EEG), proses ensemble average, dan perhitungan STFT. Diagram alir untuk perlakuan dengan CAR pada Gambar 2A sedangkan tanpa CAR pada Gambar 2B.
Analisa kedua adalah perhitungan ERD/ERS. Analisa kedua ditunjukkan pada Gambar 3. Sama halnya dengan analisa pertama, input dari diagram alir ini adalah sinyal raw EEG dari perekaman subyek. Pada analisa ini juga dilakukan dua perlakuan yaitu perlakuan dengan dan tanpa CAR.
Gambar 2. Diagram alir analisa pertama. (A) Dengan metode CAR. (B) Dengan metode mastoid reference.
Proses pertama pada analisa ini adalah downsampling 5 poin, proses ini memiliki fungsi yang sama dengan analisa pertama yaitu mengurangi interferensi noise berfrekuensi tinggi. Kemudian dilanjutkan dengan CAR (Gambar 3A) atau tanpa CAR (Gambar 3B). Setelah itu sinyal EEG difilter menggunakan filter band pass dengan bandwidth seperti pada [3] dengan menggunakan algoritma pada [5]. Hasil dari pemfilteran kemudian di kuadratkan (squaring) untuk mendapatkan power sample. Power sample ini selanjutnya di moving average dengan menggunakan pers. (1).
∑
− =+
=
1 0]
[
1
]
[
M jj
i
x
M
i
y
(1)Gambar 3. Diagram alir analisa kedua. (A) Dengan metode CAR. (B) Dengan metode mastoid reference.
Setelah hasil averaging didapatkan maka selanjutnya dilakukan penghitungan ERD/ERS menggunakan pers. (2). Dimana pada pers. (2) A adalah power sesaat sebelum atau setelah event sedangkan R adalah power pada periode sebelumnya yang digunakan sebagai referensi atau baseline. Jika ERD bernilai negatif maka terjadi peristiwa event-related desynchronization, dimana pada peristiwa subyek melakukan gerakan. Sedangkan jika ERD bernilai positif maka terjadi peristiwa event-related synchronization, dimana merupakan peristiwa subyek kembali ke keadaan relaksasi [4].
%
100
(%) x
R
R
A
ERD = −
(2)Dari pers. (2) maka akan didapatkan nilai perhitungan ERD/ERS baik menggunakan metode CAR maupun mastoid reference. Dari hasil ini dapat dibandingkan metode mana yang lebih baik dalam melakukan perhitungan ERD/ERS.
III. Hasil Dan Pembahasan
Pembahasan dari hasil penelitian dibagi menjadi dua tahap. Pertama adalah pembahasan analisa tentang perbandingan hasil dari ensemble average sinyal EEG. Hasil dari ensemble average sinyal EEG untuk Subyek 1 Sesi 2 ditunjukkan pada Gambar 4.
(A)
(B)
Gambar 4. Hasil dari ensemble average. (A) Dengan metode CAR. (B) Dengan metode mastoid reference.
Dari Gambar 4 terlihat bahwa hasil ensemble average dengan metode CAR (Gambar 4A) jauh lebih halus dari pada hasil ensemble average dengan metode mastoid reference. Gambar 4A dan 4B terlihat mirip namun tingkat noise dari Gambar 4B sangat tinggi, hal ini ditunjukkan dengan adanya ripple-ripple rapat dengan nilai amplitudo kecil sepanjang sinyal utama pada Gambar 4B. Hal ini berbeda dengan Gambar 4A dimana ripple-ripple rapat tersebut jauh lebih sedikit sehingga sinyal utama terlihat lebih halus. Dengan demikian sinyal dengan metode CAR memiliki tingkat noise yang lebih kecil dibandingkan dengan metode mastoid. Hasil yang sama juga ditunjukkan pada sinyal EEG dengan Subyek lain.
Pada analisa kedua tentang penghitungan ERD/ERS dengan dan tanpa metode CAR. Setiap subyek melakukan 4 sesi perekaman. Sehingga setiap subyek memiliki 4x15 =60 gerakan knee extension. Salah satu hasil dari penghitungan ERD/ERS dengan dan tanpa metode CAR pada Subyek 1 Sesi 1 ditunjukkan pada Tabel 2.
Dari hasil perhitungan ERD/ERS pada Tabel 2. Dapat diketahui bahwa pada perekaman Sesi Pertama Subyek 1 terdapat kenaikan jumlah pendeteksian gerakan melalui fitur ERD/ERS jika dibandingkan antara metode mastoid dan metode CAR. Pada metode mastoid, terdapat 8 kali jumlah pendektesian gerakan dari total 15 gerakan. Sedangkan pada metode CAR jumlah pendeteksian meningkat menjadi 12 kali. Sehingga dari data tersebut dapat diketahui bahwa pada sesi itu terdapat peningkatan pendeteksian sebesar 33%.
Hasil analisa sinyal dari perhitungan ERD/ERS dengan metode mastoid maupun CAR ditunjukkan pada Gambar 5. Gambar 5 menunjukkan tahap akhir penghitungan ERD/ERS pada Subyek 1, Sesi 1, Gerakan 1. Dari Gambar 5A di bagian merah terdapat penurunan sinyal yang menunjukkan proses ERD sedangkan pada Gambar 5B sinyal yang ditunjukkan
berupa kenaikan power. Hal ini menunjukkan tidak adanya gerakan. Padahal seharusnya pada waktu tersebut proses gerakan terjadi/event ERD terjadi.
Tabel 2. Perhitungan ERD/ERS (%) pada Subyek 1 Sesi 1 dengan metode mastoid dan CAR
No. Mastoid (%) Hasil ERD/ERS CAR (%) Hasil ERD/ERS 1 8.50 Bukan Gerakan -20.47 Gerakan 2 -20.08 Gerakan -17.22 Gerakan 3 19.62 Bukan Gerakan 79.48 Bukan Gerakan 4 126.35 Bukan Gerakan 3.64 Bukan Gerakan 5 -30.19 Gerakan -44.10 Gerakan 6 0.47 Bukan Gerakan 25.31 Bukan Gerakan 7 -28.25 Gerakan -5.17 Gerakan 8 -25.91 Gerakan -40.07 Gerakan 9 -9.69 Gerakan -45.98 Gerakan 10 -62.06 Gerakan -71.09 Gerakan 11 -31.28 Gerakan -40.05 Gerakan 12 10.60 Bukan Gerakan -5.72 Gerakan 13 32.66 Bukan Gerakan -47.22 Gerakan 14 -35.34 Gerakan -39.48 Gerakan 15 20.50 Bukan Gerakan -31.74 Gerakan Jumlah Gerakan 8 Jumlah Gerakan 12
Hasil perhitungan pada Gambar 5A dan 5B pada dasarnya berasal dari data sinyal EEG yang sama. Namun dengan metode CAR, hasil pendeteksian ERD/ERS menjadi lebih baik. Dengan demikian dapat dikatakan proses CAR mampu membuat penghitungan ERD/ERS menjadi lebih presisi jika dibandingkan dengan metode mastoid reference.
Hasil keseluruhan perbandingan penghitungan ERD/ERS untuk semua subyek ditunjukkan dalam bentuk grafik pada Gambar 6. Pada Gambar 6 didapatkan jumlah keberhasilan pendeteksian gerakan terbesar melalui fitur ERD/ERS ditunjukkan oleh Subyek 2 sebanyak 28 kali dengan metode mastoid dan 35 kali dengan metode CAR. Pada Gambar 6 juga terlihat bahwa selalu ada peningkatan jumlah pendeteksian dari metode mastoid ke metode CAR. Peningkatan ini terlihat di semua subyek. Jumlah persentase peningkatan ini terhadap metode mastoid ditunjukkan pada Tabel 3.
108 Prosiding Seminar Nasional Teknik Elektro Volume 2 tahun 2017: 104-108
(A)
(B)
Gambar 5. Hasil perhitungan ERD/ERS pada Subyek 1 Sesi 1 Gerakan 1. (A) Dengan metode CAR. (B) Dengan metode mastoid reference.
Gambar 6. Hasil rekapitulasi pendeteksian gerakan dari keseluruhan subyek.
Tabel 3. Persentase peningkatan pendeteksian ERD/ERS (%) pada semua subyek.
Subyek Peningkatan Pendeteksian (%)
Subyek 1 32.00
Subyek 2 25.00
Subyek 3 7.14
Dari Tabel 3, dapat disimpulkan bahwa urutan peningkatan terbesar dimulai dari Subyek 1 sebesar 32%, Subyek 2 sebesar 25%, dan terakhir Subyek 3 dengan 7.14%. Semua subyek mengalami peningkatan
keberhasilan pendeteksian sehingga dapat dikatakan bahwa metode CAR mampu meningkatkan kemampuan perhitungan ERD/ERS dalam mendeteksi ada tidaknya gerakan pada sinyal EEG.
IV. Kesimpulan
Dari proses analisa perbandingan penghitungan Event Related Desynchronization / Event Related Synchronization (ERD/ERS) pada Brain Computer Interface menggunakan metode mastoid reference dan Common Average Reference (CAR) dapat disimpulkan bahwa metode CAR dapat mengurangi tingkat noise dari sinyal EEG yang dibuktikan berkurangnya ripple sinyal berfrekuensi tinggi pada sinyal EEG.
Metode CAR juga mampu meningkatkan tingkat keberhasilan pendeteksian gerakan. Pendeteksian gerakan ini menggunakan hasil dari penghitungan ERD/ERS. Dengan metode CAR terdapat peningkatan pendeteksian di semua subyek yaitu sebesar 32% pada Subyek 1, 25% pada Subyek 2, dan 7.14% pada Subyek 3. Sehingga dari hasil perbandingan ini dapat disimpulkan bahwa metode CAR lebih baik dalam melakukan penghitungan ERD/ERS daripada metode mastoid reference.
V. Daftar Acuan
[1] Martin Lotze, Ulrike Halsband. Motor imagery. Journal of Physiology - Paris 99 (2006) page 386– 395.
[2] Gert Pfurtscheller, Gernot R. Muller, Jorg Pfurtscheller, Hans Jurgen Gernerd, Rudiger Ruppd. ‘Thought’ – control of functional electrical stimulation to restore hand grasp in a patient with tetraplegia. Neuroscience Letters 351 (2003) page 33–36.
[3] Fatoni, Muhammad Hilman. Wiantara, Eka. Arifin, Achmad. Analisa Sinyal EEG Saat Menggerakkan Kedua Kaki Sebagai FES Control Command Pada Proses Rehabilitasi Pasien Pasca Stroke. Seminar Nasional Bioteknologi 2014.
[4] G. Pfurtscheller, F.H. Lopes da Silva. Event-related EEG/MEG synchronization and desynchronization: basic principles. Clinical Neurophysiology 110 (1999) page 1842-1857.
[5] G. Alarcon, C.N. Guy, C.D. Binnie, A simple algorithm for a digital three-pole Butterworth filter of arbitrary cut-off frequency: application to digital electroencephalography. Journal of Neuroscience Methods 104 (2000) pp. 35–44.
109