SISTEM REALTIME PENGUKURAN GONIOMETER MENGGUNAKAN KAMERA SENSOR

SISTEM REALTIME PENGUKURAN GONIOMETER MENGGUNAKAN KAMERA SENSOR

Tavipia Rumambi Jurusan Teknik Informatika

Universitas Gunadarma, Depok Jl. Margonda No. 100 – Depok tavipia @staff.gunadarma.ac.id

Abstrak – Microsoft Kinect adalah suatu perangkat input dan perangkat game tambahan yang dibuat oleh Microsoft Coorporation yang diperuntukan untuk game console yaitu Xbox 360. Kinect memiliki kamera RGB, sensor kedalaman dan mikrofon yang berjalan di perangkat software khusus, yang menyediakan kemampuan untuk menangkap gerak secara 3D, mengenali wajah dan mengenali suara. Sensor kedalaman merekam data video 3D dalam kondisi pencahayaan apapun. dan dapat mengakses informasi kedalaman Kinect, memproses gambar kedalaman baku untuk mendeteksi pemain (pengguna) dan menemukan posisi sendi dalam 3D dan melacak skeleton tubuh. Selama ini pengukuran untuk mengukur ROM adalah dengan alat ukur goniometer. Dengan segala keterbatasan dari alat ukur goniometer, maka dengan dengan Kinect maka dapat mendeteksi gerakan dan melacak kerangka tubuh manusia, dapat melakukan pengukuran real time gerakan SLR. Test SLR digunakan dalam pemeriksaan dokter untuk penyebab Nyeri Punggung Bawah (Low Back Pain). Metode yang digunakan adalah metode akuisisi citra RGB, kalibrasi pose, citra kedalaman hingga ekstraksi fitur kedua kaki membentuk Range of Motion. Hasil dari penelitian ini, Kinect ternyata mampu melacak skeleton kaki pengguna dalam pose berbaring dengan satu tungkai kaki mengangkat ke atas (SLR). Dengan tampilan frame image, grafik pergerakan sudut yang dapat disimpan dalam database, Kinect sangat menjanjikan untuk dapat digunakan sebagai alat meendeteksi dan mengukur secara real time Range of Motion dari gerakan SLR dimana hasilnya dapat digunakan membantu dalam dunia medis terutama digunakan utntuk mendekteksi gejala Low Back Pain dan memonitoring kemajuan latihan rehabilitasi.

Kata Kunci : Straight Leg Raise, Depth, sensor, Kinect.

1. PENDAHULUAN

Microsoft Kinect adalah suatu perangkat input dan perangkat game tambahan yang dibuat oleh Microsoft Coorporation yang diperuntukan untuk game console yaitu Xbox 360. Kinect didasarkan dari teknologi perangkat lunak yang dikembangkan secara internal oleh Rare, anak perusahaan dari Microsoft Game Studios milik Microsoft, dan teknologi kamera oleh pengembang Israel, Prime Sense. Kinect memiliki kamera RGB, sensor kedalaman dan mikrofon yang berjalan di perangkat software khusus, yang menyediakan kemampuan untuk menangkap gerak secara 3D, mengenali wajah dan mengenali suara [1]. Sensor kedalaman merekam data video 3D dalam kondisi pencahayaan apapun. dan dapat mengakses informasi kedalaman Kinect, memproses gambar kedalaman baku untuk mendeteksi pemain (pengguna) dan menemukan posisi sendi dalam 3D dan melacak skeleton tubuh.Data pengguna yang

disediakan oleh OpenNI memberikan sebuah aplikasi informasi yang akurat tentang posisi sendi pengguna (kepala, bahu, siku, pergelangan tangan, dada, pinggul, lutut, pergelangan kaki, dan kaki) setiap saat ketika mereka sedang menggunakan aplikasi [2]. Penangkapan objek pose tubuh setelah kalibrasi berhasil,maka dapat mendeteksi pengguna dan melacak skeletonnya[3]. Kemampuan Kinect dalam mendeteksi gerakan dan bentuk tubuh dapat diterapkan untuk mendeteksi SLR dan mendapatkan hasil ekstraksi sudut yang lebih akurat serta dapat dilakukan secara realtime. Penelitian [4] menggunakan Kinect dalam tes rehabilitasi fisik untuk mengukur kemampuan seseorang untuk berjalan dalam rentang 10 meter dan pengukuran rentang gerakan sendi leher, bahu siku, paha atas, lutut , Terdapat pengukuran sendi paha atas tapi tidak spesifik SLR.

Test SLR digunakan dalam pemeriksaan dokter untuk penyebab Nyeri Punggung Bawah (Low Back Pain). Penelitian oleh Schafer, RC [5] menyatakan test SLR khusus ditujukan untuk mendeteksi iritasi akar saraf pada lumbar termasuk HNP, test SLR positif diindentifikasi pada saat sciatica dihasilkan pada ketinggian elevasi 30o dan 60o , dan disc

herniation paling sering terjadi pada antara akar saraf vetebra lumbar keempat dan ke lima

(L4-L5) dan antara akar saraf lumbar vertebra sacral kelima dan pertama (L5-S1). Penelitian Fabunmi, AA., and Awakan,TA., [6] melakukan penelitian membandingan cara menilai test SLR dengan instrumen yang disebut goniometer, flexometer atau atau pita pengukur. Goniometer adalah alat ukur lingkup gerak sendi (Range of Motion).

LANDASAN TEORI Alat ukur Goniometer

Goniometer merupakan salah satu alat ukur untuk lingkup gerak sendi (Range of

Motion ) . Rotasi adalah gerakan khas di sendi. Ini disebut gerakan "sudut", karena gerakan ini

angular, unit "derajat" digunakan ketika mengukur Range of Motion daripada inci atau milimeter. Lingkup Gerak Sendi (LGS) atau Range of Motion(ROM) adalah luas lingkup gerak sendi yang bisa dilakukan oleh suatu sendi. LGS dapat juga diartikan sebagai ruang gerak/batas-batas gerakan dari suatu kontraksi otot dalam melakukan gerakan, apakah otot tersebut dapat memendek atau memanjang secara penuh atau tidak.

Gambar 1. Goniometer [7]

Pada gambar.1 adalah pengukuran dengan goniometer harus memastikan bahwa pasien tidak menggerakkan anggota tubuh yang lainnya ketika menggerakan sendi supaya pengukuran yang lebih akurat. Selanjutnya melakukan pembacaan pada goniometer dan memastikan pembacaan akurat berdasarkan tingkat gerak pada goniometer itu dan secara konsisten menggunakan tanda stasioner dan bergerak sama pada tubuh ketika mengukur, untuk memastikan konsistensi lalu melakukan pencatatan berbagai gerakan persendian.

Gambar 2. menjelaskan cara goniometer digunakan untuk mengukur Range of Motion pada sendi tungkai. Alat ini merupakan alat yang sangat penting bagi fisioterapi dan berfungsi sebagai alat pemeriksaan dan alat evaluasi.

Gambar 2. Pengukuran sudut dengan goniometer Kinect

Kinect adalah input device untuk mendeteksi gerakan dan merupakan sensor

RGB-Depth dari Microsoft menggunakan teknologi Light Coding dari PrimeSense, perusahaan milik

Apple Inc. Light Coding merupakan teknologi yang dapat merekonstruksi peta kedalaman 3

dimensi suatu keadaan secara realtime dan detail.

Kinect mempunyai beberapa keunggulan lebih dari sekedar device untuk game :

1. Capture real-time video menggunakan sensor warna.

2. Pelacakan tubuh manusia dan merespon gerakan dan gerak tubuh sebagai antarmuka pengguna alami.

3. Mengukur jarak dari objek dan meresponnya.

4. Menganalisis data 3D dan membuat model 3D dan pengukuran. 5. Menghasilkan peta kedalaman dari objek yang dilacak.

6. Mengenali suara manusia dengan aplikasi yang dapat dikontrol dengan suara. Beberapa contoh penerapan sensor Kinect pada bidang - bidang kehidupan : [1] :

1. Kesehatan : Sensor Kinect dapat membangun aplikasi yang berbeda untuk kesehatan,seperti pengukuran dalam olahraga, pemantauan pasien, gerakan tubuh pasien, dan sebagainya,[8].

2. Robotika: Kinect dapat digunakan sebagai sistem navigasi untuk robot baik dengan melacak gerakan manusia, perintah suara, atau dengan gerakan tubuh manusia [9]. 3. Pendidikan: Kinect dapat membangun berbagai aplikasi untuk siswa dan anak-anak

dalam mendidik dan membantu mereka untuk mempelajari mata pelajaran dengan gerakan dan perintah suara dari mereka sendiri. Berikut ini adalah penelitian-penelitian yang telah dilakukan yang berhubungan dengan bidang pendidikan [10].

4. Sistem Keamanan: Kinect dapat digunakan untuk mengembangkan sistem keamanan di mana dapat melacak gerakan tubuh manusia atau wajah dan mengirim notifikasinya. [11]

5. Virtual Reality: Teknologi Kinect 3D dan pelacakan isyarat/penanda dari gerak tubuh manusia dapat dikembangkan beberapa aplikasi virtual reality dengan menggunakan sensor Kinect, seperti penelitian-penelitian yang dilakukan [12].

6. Pelatihan : Kinect dapat berpotensi digunakan sebagai pelatihan dengan mengukur gerakan sendi tubuh manusia, memberikan umpan balik hidup untuk pengguna jika sendi bergerak dengan cara yang sesuai dengan membandingkan gerakan dengan data yang tersimpan sebelumnya. Penelitian [13].

7. Militer: Kinect dapat digunakan untuk membangun suatu drone (alat pemantau) cerdas untuk memata-matai gerakan musuh. Seperti pada penelitian [14]

Sensor Kinect terdiri dari komponen fisik : RGB Camera, 3D Depth Sensors, Motorized Tilt, Multi-Array Microphone seperti pada gambar 3:

Gambar 3. Bentuk fisik Kinect [15]

B. Kerangka Kerja OpenNI

OpenNI merupakan singkatan dari Open Natural Interaction, yaitu sebuah organisasi

non-profit yang bertujuan meningkatkan kegunaan dari perangkat natural user interface (NUI). Kerangka kerja OpenNI memungkinkan terbentuknya komunikasi dengan perangkat visi dan sensor audio. Hasil komunikasi ini berupa data representasi tubuh user, representasi lokasi tangan, hingga data depth map. [16]

C. Skeletal Tracking

Pengguna pada saat kalibrasi dengan anatomi kerangka penuh dengan elips merah di posisi OpenNI telah disediakan untuk sendi dan garis-garis hitam yang menghubungkan ini sebagai "anggota badan". Gambar 4 ini adalah pelacakan seendi anggota badan. [3].

Gambar 4. skeletal Tracking. D. Straight Leg Raise (SLR)

Straight Leg Raise Test adalah gerakan mengangkat salah satu kaki keatas lurus dalam posisi tidur terlentang. Gerakan mengangkat kaki lurus keatas secara perlahan akan membentuk sudut hip antara kedua kaki seperti gambar 5. Gerakan SLR ini dibatasi oleh rasa sakit, tes ini positif dan menunjukkan suatu sciatica dari lumbosakral (tulang belakang) [5]

3. METODOLOGI

Tahapan pengukuran besarnya sudut antara 2 kaki pada saat SLR dapat digambarkan dalam diagram alur sebagai berikut :

Gambar 6. Tahapan pemrosesan data SLR 1. Persiapan akses dengan Kinect.

Algoritma untuk persiapan awal ini hanya akan mengakses Kinect dan library Kinect terinstal dan Kinect terhubung ke komputer, sehingga Processing memulai Pengolahan dan menjalankan algortima. Lakukan kegiatan memasuki area Kinect dan menghadap Kinect, hal ini adalah salah satu kegiatan inti yang disebut Kalibrasi. Kamera kedalaman Kinect mempunyai warna pixel pada gambar kedalaman mewakili seberapa jauhnya hal tersebut, dengan gambar yang lebih cerah karena lebih dekat dan dan akan lebih gelap bilamana lebih jauh dari Kinect. Jarak kinect dengan objek sekitar 190 cm dan jarak peletakan kinect dari lantai sekitar 60 cm .

2. Deteksi keberhasilan Tracking skeleton

Setelah pose terkalibrasi, pelacakan skeleton berhasil yang membentuk skeleton pada bagian hip manusia serta bagian kedua paha, betis hingga telapak kaki. Tujuan pembentukan skeleton bagian tubuh tersebut adalah untuk memudakan pengguna atau user dalam mengamati pergerakan tubuh (kaki).

Ektraksi fitur skeleton dengan membentuk Vektor adalah Vektor yang menggabungkan dua skeleton antara sendi panggul ke lutut dan dari lutut ke kaki. Mengasumsikan bentuk SLR seperti gambar di bawah ini, menggunakan rumus trigonometri.

Gambar 7. Rumus trigonometri Vektor-vektor yang terbentuk adalah :

[Ax, Ay] = Koordinat sendi kaki bawah (foot) [Bx, By] = Koordinat sendi panggul (hip) [Cx, Cy] = Koordinat proyeksi kaki atas yang terangkat terhadap lantai.

Kemudian menghitung jarak antara vektor-vektor tesebut dan mencari sudut denga fungsi atan2.

4. HASIL DAN PEMBAHASAN

Setelah proses kalibrasi selesai dan OpenNI mendeteksi bahwa pengguna hadir merupakan kandidat agar OpenNI ini memproses deteksi kerangka dan mengakses setiap informasi sendi atau menggambar sesuatu di atas gambar kedalaman. Seperti pada gambar 8.:

Gambar 8. Gambar RGB dan Kedalaman

Uji kasus dilakukan pada objek manusia sebanyak 10 orang dengan berbeda orang dari ukuran badan dan tinggi yang berbeda Gambar dibawah ini adalah penulis mengambil sampel data image depth SLR pada 1 objek dalam 6 frame saja. Frame-frame terebut menggambarkan pergerakan kaki keatas, dan bilamana diperlukan berhenti misalnya karena berhenti sampai pusat rasa sakitnya, maka sudut itu yang akan diambil sebagai patokan dan semua data tersebut disimpan dalam suatu database. Dari besar sudut serta rasa sakit paramedis dapat mendeteksi rasa sakit berdasarkan gejala serta faktor-faktor pendukung lainnya untuk memastikan suatu deteksi awal adanya gejala Low Back Pain.

Gambar 9. Frame citra dari 1 objek dengan citra kedalaman SLR dalam 6 frame Koordinat y dari data yang diperoleh dari skeleton Kinect . Grafik di dibawah ini telah diplot dengan mengambil y - koordinat sudut yang terbentuk saat SLR pada sumbu y dan nomor frame (berdasarkan nomor id yang direkam oleh Kinect) pada sumbu x. Tes ini dilakukan sebagai berikut: subjek yang mulai masuk dalam area Kinect, agar dapat dikenal dan bergerak dengan gerakan seperti berjalan kaki sebentar sampai skleleton terlacak yaitu skeleton kedua kaki bagian bawah , setelah terlacak kemudian objek berbaring tidur pada bidang datar (lantai), Sebelum melakukan gerakan SLR objek tidur mengesamping dan menghadapSensor Kinect, agar vektor2 keduakaki terbentuk dan kaki diturunkan kembali , kemudian tidur terlentang kembali dan mulai melakukan gerakan mengangkat kaki ke atas (SLR) kembali dan kaki berhenti pada posisi yang dirasa tidak nyaman atau sakit. Untuk setiap gerakan SLR , posisi sendi direkam dan apabila bila merasakan nyeri maka aplikasi akan mencatat dan berhenti merekam. Hasil dari capture Kincet hingga membentuk sudut derajat dan mengukur secara manual panjang kaki atas proyeksi ke bawah dan panjang kaki berbaring dengan alat ukur yang dapat digunakan (pita ukur, busur besar atau hitung manual lainnya) yang disimpan dalam database dan dianalisa. Seperti pada tabel 1.

Tabel 1. Perbandingan pengukuran manual dan aplikasi SLR

No. id Peng-ukuran manual Apl. SLR selisih Prosen tasi selisih 1. 7 69,12 70,47 1,35 1,95% 2. 12 61,02 62,89 1,87 3,06% 3. 14 73,02 74,33 1,31 1,79% 4. 21 60,04 61,09 1,05 1,75% 5. 22 45,11 46,82 1,71 3,79% 6. 23 57,01 59,79 2,78 4,88% 7. 24 62,04 63,24 1,2 1,93% 8. 49 63,16 62,11 1,05 1,66% 9. 51 65,4 63,51 1,89 2,89% 10. 52 81,59 84,21 2,62 3,21%

Total persentasi dibagi jumlah objek akan mendapat tingkat akurasi dari aplikasi SLR ini adalah 100% - 2,08%= 97,92%. Dari semua sendi dilacak oleh Kinect, penulis menemukan bahwa

pelacakan sendi relevan untuk digunakan dalam masalah deteksi pengenalan dini nyeri tulang belakang.

5. KESIMPULAN

Berdasarkan analisa dan pengujian berdasarkan data objek manusia melakukan test SLR bahwa potensi menjanjikan dari Microsoft Kinect sebagai alat untuk membantu suatu diagnosa penyebab Low Back Pain. Data posisi sendi dikumpulkan dari 10 objek berbagai jenis kelamin, tinggi, dan bentuk tubuh. Dalam penelitian ini masih dilakukan pada orang sehat, diharapkan dikemudian hari dapat dilakukan pada pasien dengan kondisi nyeri pinggang bawah. Begitu juga diharapkan untuk membuat suatu perbandingan pengukuran yang manual dan pengukuran aplikasi SLR untuk keakuratan pengukuran Range of Motion. Beberapa perubahan posisi dari berdiri, berebaring telentang, miring menghadap kinect dan bergerak melakukan SLR di depan Kinect,hasilnya mudah diidentifikasi dari grafik data posisi dari Kinect. Data-data ini disimpan dalam database yang dapat digunakan kembali sebagai data sejarah riwayat pasien dan sebagai data monitoring pasien pada rehabilitasi medis.

DAFTAR REFERENSI

[1] A. Jana, Kinect for Windows SDK Programming Guide, Packt Publishing, Birmingham, Mumbai, 2012 .

[2] A. Davidson, Kinect Open Source Programming Secrets: Hackingthe Kinect with OpenNI,

NITE, and Java,2012

[3] G. Borenstein, Making Things See, Canada, 2012

[4] N. Kitsunezaki, E. Adachi, T. Masuda, J. Mizusawa.,KINECT Applications for The Physical

Rehabilitation. 2013

[5] Schafer, RC, Lumbar Spine, Pelvic and Hip Injuries, Chiropractic Management of Sports and Recreational Injuries, ACAPress. ,2013

[6] Fabunmi,AA., Awakan,TA., 2015, Straight Leg Raising Test - a comparison of two

instruments, Journal of the Romanian Sports Medicine Society , Medicina Sportiva. Vol. XI,

no 3, 2617-2620.

[7] Richey,R., 2015, Goniometric Assement, NASM Faculty Instructor. p.9-10.

[8] Hondori, H.M., and Khademi,M., 2014, A Review on Technical and Clinical Impact of

Microsoft Kinect on Physical Therapy and Rehabilitation, Journal of Medical

Engineering,Volume 2014 (2014), Article ID 846514, 16 pages.

[9] Oliver,A., Kang,S.,Wünsche,B.C., MacDonald,B., 2012, Using the Kinect as a Navigation

Sensor for Mobile Robotics. ,IVCNZ ’12, November 26 - 28 2012, Dunedin, New Zealand.

[10] Zeid,A.,Taqi,A., ElKhatib, O., Al.T., 2014, KinEd: A Kinect-based E-learning Platform

to Enhance Collaborative and Kinesthetic Learning. International Journal of Computer

[11] Camba, D.R.P., Torregoza, J.M., 2012, Real-Time Human Posture Recognition with

Jitter Reduction using Coordinate Translation for Kinect based Robbery Alert System.

[12] Kammergruber,F., Ebner,A., Günthner ,W.A. 2012, Navigation In Virtual Reality Using

Microsoft Kinect,12th International Conference on Construction Application of Virtual

Reality. November 1-2, 2012, Taipei, Taiwan.

[13] Zelai Saenz-de-Urturi, Begonya Garcia-Zapirain Soto, 2016, Kinect-Based Virtual Game

for the Elderly that Detects Incorrect Body Postures in Real Time, Published online 2016.

[14] Theilmann,C.A., 2015, Integrating Autonomous Drones into the National Aerospace

System.

[15] Billie,G., 2011, Microsoft Kinect Sensor Evaluation, NASA USRP Intern, Human

Interface Branch, Johnson Space Center, Southwestern Indian Polytechnic Institute., New Mexico.

[16] R. Budiman, I. Kuswardayan, D. Sunaryono, Integrasi Kinect dan Unreal Development

Kit Menggunakan Kerangka Kerja OpenNI Pada Studi Kasus Game Berbasis Interaksi