Kebijakan “Lockdown” pemerintah untuk mengurangi penularan COVID-19 membawa dampak sosial, termasuk meningkatnya stres. Bahkan setelah pembatasan dilonggarkan, masalah stres masih muncul karena orang harus bekerja lebih keras untuk memulihkan stabilitas ekonomi. Stres itu sendiri terbagi menjadi stres kognitif dan stres neurologis. Ketakutan, kecemasan, dan kekhawatiran terus-menerus dan pikiran yang berkecamuk disimpulkan sebagai stres kognitif. Sebagai perbandingan, tekanan neurologis disebabkan oleh penyakit neurologis. Salah satu faktor yang paling signifikan yang dapat mempengaruhi kesehatan mental adalah stres. Ketika seseorang menerima terlalu banyak tekanan eksternal, mereka akan menjadi gelisah, mudah cemas, mudah tersinggung, dan sulit berkonsentrasi untuk mengurangi aktivitasnya sehari-hari. Jika seseorang mengalami begitu banyak stres, itu dapat membahayakan kondisi fisik dan mentalnya. Penyebab stres memainkan peran penting dalam menentukan seberapa besar tekanan yang mungkin Anda terima. Situasi yang dapat memicu stres adalah beban kerja, panas, dingin, kebisingan, ruangan yang berbau menyengat, cahaya yang terlalu terang, lingkungan yang kotor, dan ventilasi yang tidak memadai. Stres dapat menyebabkan kondisi berbahaya dalam tubuh, seperti gangguan kecemasan dan depresi.
Menurut spesialis kedokteran jiwa Indonesia Teddy Hidayat, terdapat 80%-90% kasus bunuh diri karena gangguan mental-emosional, terutama depresi. Selain itu, Maramis dan Maramis, dalam bukunya Mental Medicine, menyatakan bahwa stres berkontribusi 50%-70% terhadap timbulnya penyakit kardiovaskular, hipertensi, kanker, dan gangguan metabolisme dan hormonal. Kejang pada epilepsi juga bisa dipicu oleh stres. Epilepsi dikenal sebagai penyakit neurologis yang paling umum. Data WHO tahun 2018 menunjukkan sekitar 50 juta orang di dunia mengalami gangguan ini. Jika serangan epilepsi tidak ditangani, pasien dapat mengalami kematian mendadak yang tidak terduga pada epilepsi. SUDEP adalah kematian mendadak yang tidak terduga pada pasien epilepsi. Selain itu, perintah “bekerja dari rumah” yang digunakan untuk mengendalikan penyebaran pandemi juga menyebabkan stres kognitif dan menurunkan sistem kekebalan. Dengan demikian, memantau strategi kesehatan mental untuk membantu mengelola stres dan meningkatkan sistem kekebalan telah menjadi prioritas.
Berdasarkan penelitian sebelumnya, EDA menjadi salah satu metode noninvasif yang menjanjikan yang banyak digunakan dalam mendeteksi stres dan emosi. EDA adalah metode yang ampuh untuk pengukuran real-time dan terkait secara linier dengan gairah. EDA mengukur perubahan konduktansi listrik kulit, yang bergantung pada jumlah keringat yang dikeluarkan oleh kelenjar keringat ekrin di hipodermis daerah palmar dan plantar. Keringat yang disekresikan di daerah palmar dan plantar terutama disebabkan oleh aktivitas saraf pusat yang berhubungan dengan keadaan afektif dan kognitif, termasuk keringat mental atau emosional. Oleh karena itu, EDA dapat digunakan sebagai indeks stimulasi emosional atau kognitif yang berkaitan dengan stres atau kesehatan mental.
EDA memiliki komponen tonik dan phasic, di mana komponen tonik terkait dengan sinyal yang berubah lambat dan karakteristik latar belakang sinyal. Komponen tonik juga dikenal sebagai tingkat konduktansi kulit (SCL). Sebaliknya, komponen phasic adalah elemen sinyal yang cepat berubah, juga dikenal sebagai skin conductance response (SCR) atau fluktuasi spontan dari respons kulit karena hanya ada dalam periode tertentu. SCR muncul ketika simpatis. sistem saraf bereaksi terhadap rangsangan tertentu. Oleh karena itu, SCR dapat dikaitkan dengan stimulus dan dapat membantu mengukur tingkat stres kognitif. Namun, komponen EDA tidak dapat langsung diekstraksi. Hasil pengukuran sinyal dari sensor EDA yang berupa sinyal raw skin conductor (SC) biasanya diukur dalam satuan microsiemens. Sinyal SC perlu didekonvolusi untuk mendapatkan komponen SCL dan SCR. Jika sinyal SC asli tidak dipisahkan, SCR yang tumpang tindih akan menyebabkan informasi yang kurang tepat saat fitur diekstraksi. Oleh karena itu, penting untuk memisahkan sinyal SCR dan SCL dengan mendekonvolusi sinyal SC.
Kontribusi utama dari makalah ini adalah untuk mengeksplorasi tingkat stres yang terkait dengan sinyal biomedis, yang belum pernah diselidiki sebelumnya. Sebagian besar penelitian sebelumnya hanya berkonsentrasi antara kondisi stres dan non-stres. Selanjutnya, makalah ini menyelidiki penggunaan EDA hanya untuk memantau stres tanpa menggabungkannya dengan sinyal biomedis lainnya, seperti plethysmograph, elektrokardiograf, dan suhu. Selain itu, perbandingan dengan metode dekonvolusi paling populer untuk dekonvolusi sinyal SC dan mengklasifikasikan sinyal berdasarkan tingkat stres menggunakan beberapa fitur juga disediakan. Secara praktis, lebih sedikit sensor dengan lebih sedikit fitur sangat penting untuk operasi waktu nyata.
Dalam penelitian ini, dekonvolusi diperoleh dengan menggunakan metode continuous deconvolution analysis (CDA) dibandingkan dengan pendekatan optimasi cembung, yang disebut pendekatan optimasi cembung untuk pemrosesan EDA (cvxEDA). Metode ini dipilih karena lebih cepat dan lebih efisien daripada analisis dekonvolusi nonnegatif diskrit. Proses dekonvolusi ini bertujuan untuk mendapatkan SCR yang jelas tanpa overlapping dan mendapatkan driver SCR baseline yang nol. Puncak SCR yang jelas sangat penting untuk mengidentifikasi respons yang terkait dengan stimulus (stresor). Langkah selanjutnya adalah mengekstraksi fitur SCR untuk mengklasifikasikan tingkat stres kognitif berdasarkan stimulus yang diberikan. Studi ini menggunakan fitur statistik seperti rata-rata sampel, standar deviasi (SD), perbedaan mutlak pertama, dan perbedaan mutlak pertama yang dinormalisasi, yang sederhana dan umum digunakan untuk menganalisis emosi dan pengenalan kecemasan jangka pendek. Sistem ini dapat membantu mengatasi efek berbahaya dari stres yang tidak diobati karena ketidaktahuan gejala stres. Selain itu, ini juga dapat membantu orang memantau kesehatan mental mereka selama bekerja berlebihan, mengurangi bunuh diri karena depresi dan kecemasan.
Hasil penelitian menunjukkan bahwa EDA berpotensi untuk mengklasifikasikan tingkat stres. Klasifikasi tingkat stres menggunakan EDA memberikan akurasi setinggi akurasi EDA jika dikombinasikan dengan sinyal fisiologis lainnya, seperti suhu kulit, akselerometer, detak jantung, dan tingkat oksigen arteri, dan PPG. Selain itu, berdasarkan proses dekonvolusi dan klasifikasi, menunjukkan bahwa CDA atau cvxEDA untuk memisahkan SCR dapat memperoleh akurasi lebih dari 94%, bahkan dengan empat fitur statistik. Namun, penelitian tentang EDA untuk identifikasi tingkat stres, seperti tingkat stres akibat stres fisik, kognitif, atau neurologis yang dapat memicu kejang pada epilepsi, masih perlu ditemukan. Sangat penting untuk memperluas penelitian untuk memantau kesehatan mental mereka selama bekerja berlebihan, yang menyebabkan kecemasan dan depresi karena stres yang tidak diobati.
Penulis: Osmalina Nur Rahma, S.T., M.Si.
Hasil penelitian ini telah dipublikasikan di Journal of Medical Signals and sensors. Berikut ini adalah link dari artikel tersebut:
https://www.jmssjournal.net/text.asp?2022/12/2/155/345075
Rahma ON, Putra AP, Rahmatillah A, Putri YS, Fajriaty ND, Ain K, Chai R. Electrodermal activity for measuring cognitive and emotional stress level. J Med Sign Sens 2022;12:155-62.
