Stroke merupakan penyebab utama penyakit saraf dengan jumlah kematian akibat stroke mencapai kedua tertinggi di dunia. Penyakit ini disebabkan oleh adanya gangguan peredaran darah pada otak yang mampu menyebabkan kelumpuhan hingga kematian pada pasien. Salah satu bagian yang paling rentan terkena stroke adalah ekstremitas atas, yang menyebabkan penurunan fungsi fisik seperti menggenggam dan mengangkat beban.
Rehabilitasi fisik merupakan suatu upaya untuk meningkatkan atau mengembalikan fungsi fisik pada pasien seperti pasien pasca stroke. Rehabilitasi dilakukan dengan latihan fisik yang dilakukan secara berulang-ulang untuk pola gerakan normal. Salah satunya dalam pengembangan sistem rehabilitasi dengan menggunakan bantuan robot seperti exoskeleton. Dengan rehabilitasi robotik, pasien dapat melakukan rehabilitasi tanpa harus berada di klinik rehabilitasi atau terus dibimbing oleh ahli.
Mikrokontroler merupakan perangkat yang terjangkau namun akurat untuk pemrosesan sinyal digital dan dapat menangani komputasi pemrograman yang cukup kompleks. Salah satu sinyal digital yang dapat dimanfaatkan dalam perangkat exoskeleton adalah sinyal EMG, yang merupakan sinyal biologis yang diperoleh dari otot untuk mendeteksi perubahan aktivitas muskuloskeletal. Sehingga, sinyal biologis ini sangat penting dalam menentukan gerakan yang dilakukan pengguna dalam sistem rehabilitasi robotik.
Metode ARIMAX merupakan metode yang efektif untuk mengestimasi sinyal EMG ketika subjek mengalami kelelahan otot. Metode mampu memperkirakan sudut sendi siku dengan menggunakan rata-rata bergerak terintegrasi auto-regresif dengan input eksogen (ARIMAX) dari sinyal EMG. Dengan sudut siku sendiri menjadi bagian penting untuk dimodelkan guna memperkirakan gerakan ekstremitas atas pada exoskeleton.
Penelitian ini bertujuan untuk memodelkan sinyal EMG otot bisep brachii dengan metode ARIMAX berbasis mikrokontroler untuk mengestimasi sudut sendi siku. Data sinyal EMG akan diambil pada otot biceps brachii yang diperoleh dengan menggunakan Olimex EMG Shield. Sedangkan sudut siku dari sensor sudut optical encoder yang akan diambil secara bersamaan dari pasien sebagai masing-masing data input dan output dari pemodelan.
Data yang diperoleh akan dilakukan pengolahan data menggunakan MATLAB R2019a. Dengan data EMG asli berupa nilai ADC yang dikonversi ke nilai tegangan dalam mV. Data ini akan diolah sebelum diimplementasikan dalam struktur model ARIMAX untuk menghasilkan hubungan matematis antara sinyal EMG dan sudut siku.
Pengolahan data yang dilakukan dengan menggunakan MA filter. Data akan dimuat dan kemudian diinisialisasi sesuai dengan urutan filter. Selanjutnya dilakukan dilakukan inisialisasi koefisien filter dengan penyaringan data menggunakan algoritma filter FIR (finite impulse response). Setelah diproses, dataset akan dibagi dua untuk digunakan sebagai estimasi model dan untuk validasi atau pengujian model.
Setelah pengolahan data, langkah selanjutnya adalah pemodelan sinyal EMG dan sudut siku yang diolah menggunakan metode identifikasi sistem dengan struktur model ARIMAX. Orde dari model dan delay input-output dipilih dengan pemodelan iteratif. Kemudian, kombinasi orde model terpilih diperoleh melalui perbandingan nilai AIC model terkecil.
Selain itu, pemilihan orde model lainnya dilakukan dengan membandingkan nilai RMSE terkecil yang dihitung dari model. Hasil dari langkah ini adalah fungsi transfer model dengan input-output berupa sinyal EMG dan sudut yang direpresentasikan dalam sebuah persamaan. Hasil estimasi juga dilakukan dengan menggunakan NMRSE. Dan model ditentukan dengan menghitung goodness of fit menilai kesesuaian data dengan model yang telah diestimasi.
Dengan menggunakan struktur model ARIMAX, akan ditentukan orde model yang dapat menghasilkan indeks Akaike Information Criteria (AIC) atau Root Mean Square Error. Model yang dihasilkan dalam penelitian ini akan diuji dengan membandingkan output yang terukur dengan hasil output model untuk mengetahui seberapa baik model yang dihasilkan dalam mengestimasi sudut siku. Sehingga model matematis dari sistem input sinyal EMG otot biceps brachii dan output sudut siku dapat ditentukan.
Tahapan terakhir adalah validasi model untuk mengetahui apakah model yang telah diperoleh sebelumnya merupakan model yang baik dan sesuai untuk sistem yang dimaksud. Dalam validasi model, sudut yang diprediksi dibandingkan dengan sudut sebenarnya. Data validasi yang merupakan setengah bagian terakhir dari dataset yang diperoleh dari pasien yang sama akan diujikan dengan data matematis model yang diperoleh dari estimasi.
Penelitian ini menunjukkan estimator sudut model ARIMAX menunjukkan performa akurasi terbaik untuk frekuensi sampling 166,3248 Hz. Dari dua model, model pertama dan model kedua masing-masing mengalami penurunan sebesar 0,86% menjadi 20,46% dan 4,563% menjadi 21,18%. Hal ini menunjukkan bahwa model menghasilkan estimasi terbaik berdasarkan minimasi nilai RMSE, dan menunjukkan performa yang konsisten pada data estimasi dan validasi.
Penulis: Dr. Riries Rulaningtyas, M.T
Informasi detail dari riset ini dapat dilihat pada tulisan kami di:
https://aip.scitation.org/doi/abs/10.1063/5.0108512
Amelia Lita, I Made Mas Dwiyana Prasetya Wibawa, Alinda Anggraini, Akif Rahmatillah, Riries Rulaningtyas, alfian Pramudita Putra, Khusnul Ain ” Elbow angle estimation for medical rehabilitation device based on EMG sensor with ARIMAX method”, AIP Conference Proceedings 2663, 020005(2022)
