Pada era perkembangan teknologi yang semakin pesat, salah satu inovasi yang berdampak signifikan adalah pada bidang medis, terutama dalam rehabilitasi pasien pasca-stroke. Salah satu tantangan terbesar bagi pasien pasca-stroke adalah pemulihan fungsi motorik, termasuk gerakan jari-jari tangan. Jari-jari merupakan bagian tubuh yang sangat penting dalam kehidupan sehari-hari, mulai dari menggenggam objek hingga melakukan aktivitas lainnya. Oleh karena itu, teknologi robotik, khususnya prosthetic robotic arm atau lengan robot prostetik, menjadi solusi untuk membantu memulihkan fungsi motorik pasien yang mengalami hemiparesis.
Hemiparesis dan Tantangan dalam Pemulihan Motorik
Hemiparesis adalah kondisi medis yang menggambarkan kelemahan pada satu sisi tubuh, terutama akibat dari stroke. Kondisi ini dapat menyebabkan pasien mengalami kesulitan dalam menggerakkan bagian tubuh tertentu, seperti tangan atau kaki di satu sisi. Stroke sendiri terjadi ketika aliran darah ke otak terganggu, baik karena penyumbatan (stroke iskemik) atau pecahnya pembuluh darah (stroke hemoragik).
Pemulihan fungsi gerakan pada pasien hemiparesis, khususnya pada tangan dan jari, memerlukan intervensi medis yang intensif. Salah satu upaya pemulihan tersebut adalah melalui rehabilitasi medis menggunakan teknologi. Dengan memanfaatkan lengan robot prostetik, gerakan jari yang sulit dikendalikan dapat dibantu sehingga pasien dapat mengembalikan fungsinya secara bertahap.
Peran Square Root Ensemble Kalman Filter dalam Rehabilitasi
Salah satu teknologi terbaru yang digunakan dalam mengestimasi gerakan jari pada lengan robot adalah Square Root Ensemble Kalman Filter (SR-EnKF). Metode ini telah terbukti andal dalam mengestimasi gerakan dengan tingkat kesalahan yang sangat kecil, sehingga memberikan hasil yang akurat dalam rehabilitasi gerakan jari pasien.
Dalam studi yang dilakukan oleh Herlambang dkk., metode SR-EnKF diterapkan untuk mengestimasi gerakan jari telunjuk pada lengan robot prostetik. Penelitian ini melibatkan simulasi dengan menggunakan tiga variasi jumlah ensemble, yaitu 250, 500, dan 750 ensemble. Hasil simulasi menunjukkan bahwa penggunaan 750 ensemble menghasilkan akurasi tertinggi dengan tingkat kesalahan hanya sekitar 2%. Sedangkan untuk 500 ensemble tingkat kesalahan sekitar 2,68%, dan 250 ensemble memiliki tingkat kesalahan lebih tinggi, yaitu sekitar 7,5%.
Model Robot Lengan Jari dan Estimasi Gerakan
Robot lengan jari yang digunakan dalam penelitian ini terdiri dari tiga sendi, yang meniru gerakan alami jari manusia. Pada setiap sendi, gerakan dikendalikan oleh sudut yang dihitung melalui metode kinematika maju. Kinematika maju memungkinkan robot untuk menentukan posisi ujung jari berdasarkan sudut-sudut yang diberikan pada masing-masing sendi.
Dalam simulasi yang dilakukan, gerakan jari telunjuk diestimasi menggunakan metode SR-EnKF. Dengan metode ini, gerakan jari diestimasi dalam bentuk gerakan melingkar setengah lingkaran pada bidang dua dimensi (sumbu X dan Y). Hasil simulasi menunjukkan bahwa estimasi gerakan ini sangat akurat dan dapat diandalkan dalam rehabilitasi jari pasien pasca-stroke.
Manfaat dan Potensi Penggunaan Teknologi Ini di Masa Depan
Penggunaan metode SR-EnKF dalam estimasi gerakan jari pada lengan robot prostetik memiliki potensi besar untuk diterapkan dalam rehabilitasi medis di masa depan. Dengan akurasi yang tinggi dan kemampuan untuk menyesuaikan dengan berbagai model gerakan, teknologi ini dapat membantu pasien memulihkan fungsi jari mereka secara lebih cepat dan efektif.
Selain itu, teknologi ini juga dapat dikembangkan lebih lanjut untuk digunakan pada bagian tubuh lainnya, seperti lengan atau kaki, guna membantu pemulihan gerakan pasien hemiparesis. Penggunaan teknologi robotik dalam dunia medis tidak hanya meningkatkan efektivitas rehabilitasi, tetapi juga memberikan harapan baru bagi pasien pasca-stroke untuk kembali menjalani kehidupan yang mandiri.
Kesimpulan
Teknologi Square Root Ensemble Kalman Filter merupakan inovasi yang sangat bermanfaat dalam rehabilitasi gerakan jari pada pasien hemiparesis pasca-stroke. Dengan tingkat akurasi yang tinggi, teknologi ini mampu memberikan dukungan yang efektif bagi pasien dalam memulihkan fungsi motorik mereka. Di masa depan, pengembangan lebih lanjut dari teknologi ini diharapkan dapat memberikan solusi yang lebih komprehensif untuk berbagai masalah rehabilitasi medis.
Penulis: Rachman Sinatriya Marjianto
