Kecacatan manusia dapat berkembang melalui Cerebral Palsy (CP), stroke, Spinal Cord Injury (SCI), Traumatic Brain Injury (TBI), dan humerus. Rehabilitasi pasien cacat ini dapat dicapai dengan menggunakan perawatan tradisional dan modern. Perawatan modern menggunakan virtual reality, robotika, simulasi, dan exergame. Exergame adalah sebuah video permainan yang dapat dikatakan sebagai bentuk lain olahraga. Exergame menggunakan teknologi untuk mendeteksi gerakan dan reaksi tubuh. Permainan exergame tergolong augmented reality yang memungkinkan pengguna merasakan sensasi nyata saat menggunakan aplikasi tersebut.
Sistem Virtual Reality Teraphy (VRT) melibatkan penggunaan virtual reality sebagai alat asisten untuk proses rehabilitas. Exergame adalah sistem VRT yang digunakan oleh pasien yang menderita cacat gerak pada anggota tubuh yang tidak bergerak. Melalui beberapa prosedur pelatihan, exergame membantu pasien untuk memperbaiki gerakan fisik otot sehingga mereka dapat menggerakkan bagian tubuh yang diam secara bertahap.
Virtual reality digunakan dalam exergame untuk membantu pasien penyandang disabilitas meningkatkan pergerakan anggota geraknya. Pengaturan exergame, seperti kesulitan permainan, memainkan peran penting dalam hasil rehabilitasi. Demikian pula, pengaturan exergame suboptimal dapat mempengaruhi keakuratan hasil yang diperoleh. Dengan demikian, peningkatan kinerja gerakan pasien merupakan harapan yang diinginkan.
Platform Medical Interactive Recovery Assistant (MIRA) adalah jenis aplikasi VRT yang dikembangkan untuk membuat fisioterapi menghibur dan menyenangkan pasien. Platform ini mengubahlatihan terapi fisik menjadi video game yang dirancang secara klinis. MIRA adalah sistem efektif yang memungkinkan pasien memainkan jalannya menuju pemulihan. Dalam platform MIRA akan digunakan K-Nearest Neighbours (KNN), Collaborative Filtering (CF), and Bacterial Foraging Optimization Algorithm (BFOA).
Fisioterapis menggunakan pengaturan default yang selalu menurunkan akurasi dalam memainkan exergame dan mengurangi performa pasien. Untuk mengatasi masalah tersebut, diperlukan Recommender System (RS) pada platform MIRA. Penggunaan ReComS sebagai antarmuka untuk setiap exergame, dengan menggunakan riwayat pergerakan pasien sebagai tolok ukur. ReComS diusulkan untuk merekomendasikan preferensi platform MIRA. Preferensi ini digunakan untuk menentukan pengaturan imput dari exergame dengan mempelajari perilaku yang tepat dari pasien. ReComS mengintegrasikan KNN dan CF untuk mengklasifikasikan nilai prediksi dengan mengurangi nilai error. Nilai error diperoleh dengan menggunakan nilai yang diproyeksikan dan aktual dari sesi exergame sebelumnya. ReComS (KNN dan CF), ReComS+ (K-Means, KNN, dan CF) dan ReComS++ (BFOA, K-Means, KNN, dan CF).
Pendekatan ReComS diusulkan untuk memprediksi variabel pengaturan input sesuai dengan data riwayat pasien. Karena ReComS diharapkan memberikan akurasi prediksi yang rendah, ini terintegrasi dengan metode pengelompokan disebut sebagai pendekatan ReComS+. ReComS+ memberikan akurasi prediksi yang baik. ReComS++ dikembangkan dengan mengintegrasikan lebih jauh ReComS+ dengan algoritme BFOA untuk mempelajari fitur laten pasien dan menurunkan nilai RMSE selama proses iterasi pembelajaran. Hasil percobaan ReComS dan ReComS+ digunakan untuk membandingkan performa prediksi dari pendekatan ReComS++.
Studi dilakukan di pusat rehabilitasi Melaka, Malaysia untuk menganalisis data yang dihasilkan menggunakan platform MIRA dengan uji etik no PRPTAR.600-5(27) oleh Pusat Rehabilitasi Perkeso Sdn. Bhd., Lot PT 7263, Bandar Hijau, Hang Tuah Jaya, 75450 Bemban, Melaka, Malaysia. File data pasien platform MIRA berisi informasi pribadi pasien seperti nama depan dan belakang, ID pasien, dan tanggal lahir. Selain itu informasi terkait game yang dimainkan seperti ID sesi, nama game, ID gerakan, nama gerakan, dan tanggal juga digunakan.
Setiap permainan dan gerakan yang dipilih bertindak sebagai satu exergame dengan variabel input dalam dialog pengaturan item. Pengaturan meliputi sisi yang digunakan (kiri atau kanan), durasi, kesulitan, toleransi, rentang minimum dan maksimum. Nilai variabel ini dapat diperbaiki berdasarkan nilai default atau disesuaikan oleh fisioterapis setelah mengevaluasi kinerja pasien. Platform MIRA dapat menghasilkan 17 variabel yang signifikan berdasarkan exergame atau cognigame (game yang melatih fungsi kognitif), yaitu durasi permainan, waktu berhenti permainan, wktu bergerak benar, waktu bergerak dalam latihan, akselerasi rata-rata, deselerasi rata-rata, akurasi rata-rata, rata-rata waktu reaksi jawaban benar, rata-rata waktu reaksi jawaban salah, persentase rata-rata, kecepatan rata-rata, variasi rata-rata, jarak, persentasi maksimum, persentasi minimum, pengulangan, dan poin. Data eksperimen berisi 3.553 catatan yang dihasilkan oleh 61 pasien dengan berbagai jenis diagnosis: 41 pasien stroke, 14 pasien TBI, 7 pasien SCI, 1 pasien CP, dan 2 pasien humerus.
Fisioterapis yang berurusan dengan aplikasi ini perlu memprediksi nilai variabel input pada pengaturan item untuk setiap pasien secara manual, yang merupakan tantangan utama dalam aplikasi MIRA. Oleh karena itu, digunakan sistem rekomendasi untuk menyarankan pengaturan yang paling sesuai untuk pergerakan pasien berdasarkan riwayat pergerakannya. Fisioterapis mengamati setiap pasien yang melakukan exergame dan mencatat kinerja aktivitasnya sebagai positif (P) atau Negatif (N). Hasil evaluasi menunjukkan persentase preferensi positif yang lebih tinggi dibandingkan dengan preferensi negatif.
Exergame menghasilkan berbagai fitur, analisis otomatis diperlukan untuk memberikan ringkasan kinerja (pergerakan) pasien. Untuk mengatasi tantangan tersebut, tiga pendekatan eksperimental: (1) ReComS dengan pendekatan CF dan K-NN; (2) ReComS+ dengan CF, K-NN; dan (3) pendekatan K-Means, selain ReComS++ dengan pendekatan CF, KNN, K-Means dan BFOA; diusulkan dan kekurangannya diuji dengan prosedur pembelajaran. Hasil percobaan menunjukkan bahwa ReComS+ menghasilkan prediksi yang lebih akurat bila dibandingkan dengan ReComS sementara ReComS++ mencapai akurasi yang lebih tinggi dibandingkan dengan ReComS+. Secara keseluruhan, ReComS++ berkinerja terbaik untuk exergame MIRA karena memberikan MIRA prediksi paling akurat untuk kotak dialog pengaturan input. pendekatan ReComS++ memprediksi pengaturan exergame terbaik. kinerja exergame untuk pasien dengan akurasi 85,76%. Dengan demikian membantu pasien untuk melakukan exergame MIRA dengan benar.
Penulis: Rimuljo Hendradi
