SURVEI BEBERAPA METODE DALAM SISTEM AKUI

MAKALAH SEMINAR ELEKTRONIKA DAN INSTRUMENTASI

SURVEI BEBERAPA METODE DALAM SISTEM AKUISISI DATA
SINYAL EEG

Ega Felik Sudana
13 / 351321 / PA / 15643

Program Studi S1 Elektronika dan Instrumentasi
Departemen Ilmu Komputer dan Elektronika
Fakultas Matematika dan Ilmu Pengetahuan Alam
Universitas Gadjah Mada
Yogyakarta
2016

LEMBAR USULAN

MAKALAH SEMINAR ELEKTRONIKA DAN INSTRUMENTASI

SURVEI BEBERAPA METODE DALAM SISTEM AKUISISI DATA SINYAL EEG

Telah dipersiapkan dan disusun oleh

Ega Felik Sudana
13/351321/PA/15643

Telah disetujui
pada tanggal 26 Mei 2016

Dosen Pembimbing,

Catur Atmaji, S.Si.
NIP 112010042

LEMBAR PENGESAHAN

MAKALAH SEMINAR ELEKTRONIKA DAN INSTRUMENTASI

SURVEI BEBERAPA METODE DALAM SISTEM AKUISISI DATA SINYAL EEG

Telah dipersiapkan dan disusun oleh

Ega Felik Sudana
13/351321/PA/15643

Telah didiseminasikan
pada tanggal

Dosen Pembimbing,

Dosen Penguji,

Catur Atmaji, S.Si.
NIP 112010042

NIP

Survei Beberapa Metode dalam Sistem Akuisisi
Data Sinyal EEG
Ega Felik Sudana1, Catur Atmaji, S.Si2


Abstract— Data acquisition system in the processing of
brain waves or Electroencephalography is a essential process
in the operation of the EEG. Acquisition of data which related
to processing of the wave is start from the recording process
and releasing the results of signal processing. Research to be
conducted at this time is related to how fast data retrieval can
be done, how good recording results obtained, and how
efficient the EEG created. In this paper itself will be discussed
on a comparison of some of the paper that will generate the
best data acquisition system of brain waves / EEG. This paper
will a low power consumption channel model[1] with a very
simple form with single-unit sensor[2] that use wireless
system for transferring data.
Keywords—data acquisition system, Electroencephalography,
low power consumption[1], single-unit sensor[2], wireless.

1. PENDAHULUAN

S

istem akuisisi data merupakan proses yang berkaitan
dengan perekaman, amplifikasi dan pemrosesan data
gelombang otak atau EEG. Hal ini sangat dibutuhkan
dalam pemrosesan gelombang otak. Akusisi data
merupakan ujung tombak dalam hal pengambilan data
EEG (Electroencephalography) hal ini disebabkan
karena ketika terjadi kesalahan dalam proses akuisisi
data yang ditangkap maka sinyal digital yang dihasilkan
tidak dapat diproses untuk kepentingan yang lainnya.
Saat ini banyak penelitian yang dilakukan untuk
menghasilkan suatu sistem amplifikasi dan akuisisi data
yang terbaik. Penelitian yang dilakukan menghasilkan
beberapa hal seperti menghasilkan EEG dengan
konsumsi daya yang rendah yaitu 262nW per channelnya[1], atau menghasilkan EEG yang perekamanan
datanya dilakukan dengan hanya sebuah sensor yang
dimana channel-channel-nya berada didalam sensor
tersebut[2]. Penelitian lainnya juga menyatakan tetang
penggunaan komponen tambahan seperti front-end
analog[1], atau Driving Right Leg circuit[3].

1

Ega Felik Sudana adalah mahasiswa Program Studi Elektronika dan
Instrumentasi, Departemen Ilmu Komputer Elektronika, Fakultas MIPA,
Universitas Gadjah Mada (egafeliksudana@gmail.com)
2
Catur Atmaji, S.Si. adalah staf pengajar Departement Ilmu Komputer
dan Elektronika, Fakultas MIPA, Universitas Gadjah Mada.

2. METODE PENELITIAN
Penelitian dilakukan dengan membandingkan
penelitian–penelitian sebelumnya yang telah berhasil
menciptakan suatu pembaharuan dalam sistem akuisisi
data pada pemrosesan gelombang otak atau EEG.
2.1.

A 262nW Analog Front End with a DigitallyAssisted Low Noise Amplifier for Batteryless
EEG Acquisition [1]

Paper ini menjelaskan tentang pembentukan
amplifier yang rendah noise dan tanpa baterai,
sedangkan untuk elektrodenya mengkonsumsi tenaga
yang rendah yaitu 262nW per-channel-nya. Hal ini dapat
dicapai karena menggunakan bahan atau material yang
digunakan berupa Chopper-stabilization Amplifier yang
didalamnya terdapat folded-cascode chopper amplifier.
Metode untuk Chopper-stabilization Amplifier sendiri
diaplikasikan dengan menggunakan blocking capasitor
dan feedback resistor yang dipasang sebelum chopper
modulation. Chopper-stabilization ini digunakan untuk
menghilangkan 1/f noise pada amplifier frekuensi
rendah. Dengan memodulasikan sinyal inputan EEG
menjadi frekuensi yang bernilai lebih tinggi dari bagian
1/f noise sebelum proses amplifikasi, noise akan jauh
lebih mudah untuk diredam dengan sistem modulasi dan
filter low pass. Berikut ini adalah gambar implementasi
dari folded-cascode chopper amplifier dengan garis
merah merupakan jalur digital feedback.

Gambar 1 Blok diagram dari akuisisi data sinyal EEG

Metode yang digunakan untuk mengecilkan atau
mengurangi daya yang digunakan adalah dengan
mengecilkan arus bias pada LNA (Low Noise Amplifier).
Arus pada 1/f noise bersifat proporsional untuk arus
bias, hal ini merupakan keunggulan tambahan dalam

mengurangi pembangkitan signal 1/f noise. Karena nilai
1/f noise berkurang maka bandwidth dari chopper
amplifier yang dibutuhkan juga berkurang.
Metode selanjutnya yang juga digunakan adalah
dengan menggunakan kontrol filter digital yang dapat
menghilangkan nilai offset yang dapat menghilangkan
nilai ADC sebelum diamplifikasi ketika melewati data
kritis dari EEG, tanpa ada penambahan komponen
analog. Setelah sinyal ADC tersebut akan dikirim ke
filter digital atau FFT (Fast Fourier Transform).
Kemudian hasil sinyal kembali diberikan balik ke LNA
dan LNA menerima gelombang yang dibatalkan pada

M3/M4 dan bekerja sebaliknya pada differential yang
utama yaitu M1/M2, menghilangkan setiap offset pada
tahanan rendah sebelum proses amplifikasi (lihat gambar
berikut Gambar 2).

2.2. A wireless multichannel EEG recording

platform[8]
EEG yang dibentuk menggunakan elektode yang
cukup banyak dan menggunakan sebanyak mungkin
COTS (commercial off the shelf). Material yang
digunakan yaitu MSP430 yaitu mikrokontroler dengan
tenaga yang sangat rendah, hal ini bertujuan untuk
mengontrol modul yang berbeda, serta digunakan juga
Zarlink yaitu modul data link nirkabel dengan tenaga
yang rendah.
ASIC CINESIC32 (Application Specific Integrated
Component Circuit for Neuronal Signal Conversion)
dikembangkan dengan dua tujuan utama yaitu konsumsi
tenaga yang sangat rendah dan aman untuk pasien.

Berikut ini adalah bentuk arsitektur dari CINESIC8.

Gambar 3 Arsitekur ASIC CINESIC32
Gambar 2 Blok diagram differential chopper-stabilized folded-cascode
chopper amplifier dengan VOC pada M3/M4

Sebagai hasilnya kita mendapatkan filter yang sangat
kuat dari pita frekuensi yang fleksibel yang didapat dari
kontrol digital atas gelombang yang dibatalkan atau
dihilangkan. Dengan mengisolasi pita frekuensi dari
daya tarik atas suatu pengukuran, penguatan yang besar
dapat digunakan kedalam AFE tanpa melemahkan
sistem dengan sinyal aslinya.
Pada penelitian dihasilkan suatu model EEG yang
mengimplementasikan
front-end
design
yang
menunjukkan referensi input noise-nya 1.77μVrms, nilai
gain dari channel adalah 53-63 dB, nilai offset dapat

diredam sebesar 35dB, besar tenaga yang digunakan
0.26μW, ratio CMRR sebesar 120 dB. Hasil ini dapat
dibandingkan dengan hasil penelitian sebelumnya seperti
pada tabel berikut ini.

Setiap channel dihubungkan dengan kapasitor
eksternal (1.5nF), bertujuan untuk meredam risiko atas
kebocoran arus dalam keadaan normal, atau berada
dalam kondisi normal dalam aplikasi medis. Channel
analog terdiri dari low-noise amplifier yang diikuti
dengan amplifier penguat tegangan dan low-pass filter.
Konsumsi tenaga atas channel analog ini adalah ~34μA.
Aplikasi channel memiliki bandwidth yang berada pada
nilai sekitar [0.5Hz; 300Hz] dan penguatan tegangan
sebesar 60dB. Setiap data analog menjadi digital melalui
12-bit ADC (10.7 ENOB). Setiap channel-nya memiliki
frekuensi sampling 1kHz per channel, dan chip
CINESCIC8 didesain dengan teknologi CMOS 0.35μm.
Modul mikrokontroler MSP430F2618-EP digunakan
karena memiliki karakteristik konsumsi tenaga yang

rendah, modul ini adalah tatap muka komunikasi ganda.
MSP430 mengontrol baik RF-link dan akuisisi data dari
ASIC. 3 axis accelerometer juga dihubungkan dengan
mikrokontroler.
Modul komunikasi RF ZL70101, berasal dari Zarlink,
digunakan karena memiliki karakteristik konsumsi
tenaga yang rendah (5mA dalam RX/TX), nilai rate data
yang tinggi berkisar pada ~800 kbps untuk data asli dan

~480 kbps untuk rate data effective dan untuk tujuan
medis maka akan beroperasi pada pita 402 – 405 Mhz
MICS (Medical Implantable Communications Service).
Metode yang digunakan pada paper ini yaitu untuk
karakteristik noise digunakan cara mengatur semua input
channel dari ASIC ke ground agar nilai referensi noise
dari input dapat dievaluasi. Untuk nilai referensi atas
noise input RMS pada BW1 yaitu pada jaran 0,5Hz;
300Hz dan nilai ini dihitung untuk channel yang
berbeda. Untuk nilai median dari RMS noise-nya
725nV.

Gambar 5 Arsitektur dari WIBEEM

Platform WIBEEM akan menawarkan antarmuka yang
user-friendly yang memungkinkan pengaturan cepat dan
mudah dari parameter akuisisi data seperti frekuensi
sampling perangkat dan keuntungan dari masing-masing
elektroda tergantung pada aktivitas bioelektrik yang
diukur. Selain itu, semua data dari 32 channel dapat
disimpan dapat dipanggil ulang dengan software
WIBEEM atau dianalisis kemudian menggunakan
software Spike2.

2.3. A Feasibility Study on a Single-Unit Wireless
EEG Sensor[2]

Gambar 4 Spectral tenaga dimana elektrode diatur pada ground

Proses evaluasi data transmisi digunakan metode
dengan menggunakan ECRINS board, dengan metode
ini dapat dilihat bahwa kemungkinan dari transmisi 32
channel dengan resolusi 12-bit dimana pengambilan
sampel pada 1kHz untuk setiap channelnya. Data efektif
yang melalui sistem sebesar 400kbps sampai 450kbps
dengan nilai toleransi kehilangan data yaitu 0.5%.
Sedangkan metode yang digunakan untuk pencatatan
sinyal dengan CINESIC adalah dengan mentransmisikan
sinyal EEG secara nirkabel. Perangkat yang digunakan
yaitu dengan toolkit receptor dari Zarlink. Elektrodeelektrodenya sendiri dihubungkan satu sama lain dengan
menggunakan kabel melalui free-rotating connector
menuju ke AISC CINESIC8.
Penelitian ini juga menghasilkan suatu model platform
WIBEEM (Wireless BCI EEG Electronics module),
terdiri dari 32 channel EEG, konsumsi tenaga pada
modul ini berkisar 25mA pada 3.3V. Blok diagram dari
WIBEEM dapat dilihat pada gambar berikut ini.

Sistem EEG yang coba dibentuk adalah dengan
mengkombinasikan elektrode, konektor elektrode dan
penguat signal (amplifier) menjadi satu miniatur sensor
dan dengan menghilangkan semua kabel konektor
membuat EEG ini menjadi nirkabel atau wireless seperti
pada gambar berikut.

Gambar 6 Model miniatur satu sensor

Sensor berbentuk bulat dengan ukuran diameter 20mm
dan ketebalan 13mm. Model ini kemudian dibagi
menjadi 4 bagian, dimana setiap bagiannya berperan
seperti empat buah elektrode. Pada setiap ujung dari
sensor ini terdapat bagian yang menonjol seperti gear
yang akan menempel dengan erat pada pada kulit dan
membuat sensor ini memiliki impedansi yang rendah.
Bagian berongga dari elektode memuat baterai koin dan
jalur elektrik untuk amplifikasi sinyal, filter, digitalisasi
dan transmisi nirkabel dari data yang diproses. Dari
keempat elektrode, dua diantaranya terkoneksi dengan
differential amplifier sebagai sinyal input dan dua
elektrode lainnnya saling terhubung satu sama lain
kemudian terhubung dengan input referensi dari
amplifier yang sama. Berikut adalah blok gambar dari
sensor.

Gambar 7 Blok gambar sensor.

Data EEG diperoleh dengan membuat jaringan
amplifier yang terdiri dari instrumentasi amplifier,
amplifier penguat dan satu paket filter high-pass dan
low-pass.
Rekaman
data
dilakukan
dengan
menggunakan software LabVIEW 2010, dimana nilai
sampling-nya sebesar 500Hz dengan resolusi 16-bit.
Software ini dapat menampilkan data sinyal EEG yang
terekam dengan real-time dan menyimpan data untuk
pengolahan data lebih lanjut.
Pemilihan sinyal EEG difokuskan pada gelombang
alpha dalam perekaman EEG dimana sinyal ini sangat
dekat asosiasinya dengan keadaan waspada dan
kesiagaan dari manusia. Gelombang alpha berada pada
rentang 8-13 Hz. Pemrosesan data dilakukan dengan
menggunakan jendela Hamming dengan sampel data
500Hz dalam waktu lima detik. Hal ini
diimplementasikan pada setiap bagian. DFT (Discrete
Fourier Transform) diaplikasikan pada setiap bagian
jendela dengan zeros sehingga panjang data dari DFT
adalah sebesar 4096. Dalam analisis data, digunakan
sistem analisis ANOVA untuk melakukan pengujian
terhadap hipotesis null yang diindikasikan ada pada
setiap orientasi elektrodenya.

Gambar 8 Gelombang EEG ketika subjek membuka mara(diatas) dan ketika
menutup mata (dibawah).

Gambar dibawah ini menunjukkan spektrum daya
rata-rata lebih dari semua segmen data untuk enam
bentuk koneksi elektrode. Dari angka ini, gelombang
alpha dapat diamati dengan jelas berada pada frekuensi
8-13Hz.

Penelitian menghasilkan suatu model EEG yang
menggunakan empat buah elektrode yang ditempatkan
pada lobus oksipital. Sistem amplifier yang digunakan
dapat memperoleh dan mengamplifikasi sinyal dengan
penguatan 7320 dan rasio common-mode rejection
(CMRR) lebih dari 110dB. Dalam penelitian ini,
dilakukan pengamatan sinyal EEG pada keadaan subjek
beristirahat dengan mata terbuka. Kemudian, gelombang
alpha diamati setelah subjek menutup mata. Berikut ini
adalah hasil pengamatannya.

Gambar 9 Plot spectral atas 6 buah orientasi elektrode

2.4. Design and Simulation of Cost Effective
Wireless EEG Acquisition System for Patient
Monitoring[9]
EEG didesain dengan menggunakan IR untuk sistem
perekamannya. Sistem ini bisa diperbaharui dengan
beberapa teknik komunikasi nirkabel. Dalam
membentuk EEG ini digunakan elektrode basah untuk
mendapatkan sinyal EEG. Kemudian sinyal ini diberikan
kepada amplifier AD642 untuk diamplifikasi. Sinyal
penguatan kemudian dilalui ke filter low-pass
Butterworth dengan nilai frekuensi cutoff 45.12 Hz.
Sinyal EEG sendiri mengandung data gelombang otak
dibawah 100 Hz. Sinyal penting dari EEG yaitu alpha,
beta, theta, gamma, dan mu berada pada range 45 Hz.
Setiap sinyal frekuensi diatas frekuensi tersebut akan
dihilangkan tanpa menghilangkan data informasi yang
dibutuhkan. Sinyal dari output akan ditransmisikan
dengan transmiter IR dan diterima dengan menggunakan
receiver photodioda. Blok diagram dari akuisisi dan
transmisi data dapat dilihat pada diagram (a) sedangkan
blok diagram dari proses receiver dan kontrol unit
dimana menunjukkan sistem patient monitor.

Gambar 4 Hasil simulasi instrumentasi amplifier

Transmiter dan receiver yang digunakan dalam
penelitian ini berbasis pada IR. Infrared digunakan
karena radiasi sinyal elektromagnetiknya memiliki
gelombang yang lebih panjang dibandingkan dengan
gelombang tampak lainnya. Nilai gelombangnya
berkisar pada nilai 430 THz menuju 300 GHz. Berikut
ini adalah gambaran sirkuit atau rangkaian dari
transmiter dan receiver yang digunakan.

Gambar 11 Sirkuit transmitter dan reciever

2.5. EEG Acquisition System based on Active
Electrodes with Common-Mode Interference
Suppression by Driving Right Leg Circuit[3]
Gambar 10 Blok diagram

Pada penelitian ini digunakan simulasi untuk
instrumentasi amplifier yaitu simulator Proteus 7.6, hasil
simulasi dapat dilihat pada Gambar 11 , sedangkan
untuk simulator industri digunakan SPICE3F5 yang
dikombinasikan dengan simulator digital dengan
kecepatan tinggi. Filter yang digunakan yaitu filter lowpass Butterworth orde 4. Filter Butterwoth digunakan
karena kemampuannya meredam nilai response
magnitude dari filter tersebut. Nilai atenuasi-nya berada
pada nilai -3dB pada nilai frekuensi cutoff. Diluar nilai
cutoff, nilai atenuasi-nya berada pada nilai -20dB. Filter
lowpass Butterworth orde 4 ini dirancang untuk
menghilangkan nilai frekeunsi tinggi yang tidak
diinginkan.

Paper ini memaparkan tentang implementasi yang
fleksibel dari sistem yang dibentuk dengan
menggunakan Driving Right Leg (DgRL), dimana
common mode interference VCM dideteksi dengan
reference elektrode (REF) dan dialirkan ke tegangan
VR. Skemanya dapat dilihat pada gambar berikut ini.

Gambar 12 Skema akuisisi data dengan menggunaan DgRL

Tahap single-ended akan berperan sebagai differential
dan akan memicu sedikit common mode sebagai input,
akan meredam interferensi secara otomatis dan
mengecilkan nilai maksimum dan akurasi amplifikasi
pada tahap penguatan (gain). Nilai dari pembagi
potensial pada input akan diredam karena nilai
impedansi input dari amplifier akan langsung
dimasukkan ke sinyal referensi.
Sistem yang dibentuk mendeskripsikan tentang
implementasi pertama sirkuit DgRL kedalam elektrode
aktif, hal ini menunjukkan level dari CMR yang dapat
diterima, cukup untuk EEG mendapat sinyal masukan
atau input-an yang bagus, dimana network inteference
diredam. Paper ini mengambil 8 channel untuk ADC,
hal ini diambil untuk meminimalkan jumlah kabel yang
berada diantara kepala dan back-end, menyederhanakan
koneksi dan membuat sistem lebih tersusun rapat ringan
dan mudah untuk digunakan.
Proses amplifikasi sinyal EEG dilakukan dengan
menggunakan operational amplifier yang hemat tenaga
dan rendah noise. Resistor pelindung digunakan untuk
membatasi arus bantu pasien pada kesalahan sistem.
Operational Amplifier yang digunakan yaitu OPA378
yang memiliki arus diam 125 μA dan noise yang rendah
arus dan tegangan, serta tanpa ada peningkatan yang
signifikan pada frekuensi rendah. Sumber tegangan dari
O.A. berasal dari sinyal output dari tahap amplifikasi.
Output bias oleh tahap berikutnya yang memerlukan
resistor 6,8 kΩ dan sumber tegangan 3,5 V. Output dari
tahap amplifikasi dapat berada diantara 2V sampai 2,4V
pada tahap konversi A/D. Tahap amplifikasi
dikonfigurasi untuk penguataan sinyal DC sebesar 1,12
dan penguatan AC di bandwidth sinyal EEG (0,5 untuk
100 Hz) sekitar 45, yang cukup untuk meredam noise
input dari tahap konversi A/D 16-bit. Sinyal input
maksimum ± 100 μV, input DC berada pada rentang
tegangan 1.96 V ± 174 mV
Konversi Analog/Digital didasarkan pada 8-channel
dengan daya rendah, 16-bit analog front-end untuk
pengukuran biopotential (ADS1198 dari Texas
Instruments). Berat yang ringan (≈ 2gr/m) kabel koaksial
dengan diameter 1mm menghubungkan elektrode aktif
ke bagian ADC. Sinyal elektrode yang low-pass ditapis
oleh filter pasif RC dengan bandwidth 16 kHz dan
dikirim ke input non-inverting dari ADC. Sebuah pitakabel standar 6-core (panjang variabel antara 2 dan 120
cm) menghubungkan papan ADC ke back-end,
membawa power supply dan ground, ditambah empat
sinyal digital untuk transfer data SPI.
Sirkuit Driving Right Leg memiliki sebuah ground
yang terisolasi dan terpisah dan power supply dari
seluruh sistem yang berdasarkan pada dua elektrode

(REF dan GND). REF adalah elektrode aktif dengan
kesatuan gain yang dapat mendeteksi tegangan referensi
dan terhubung ke tegangan referensi yang menjaga
perbedaan potensial (VR -VG1) ke nilai tetap, memaksa
VG1 dan semua tegangan tetap mengikuti potensial pada
elektrode REF. Elektrode ground (GND) memperbaiki
potensi subjek sehubungan dengan ground G2 yang
terisolasi untuk menghindari kejenuhan OAR. Resistor
perlindungan digunakan untuk membatasi arus tambahan
pasien saat dalam kasus kesalahan sistem. Karena
impedansi keluaran yang terbatas, potensi pada subjek
akan berisi gangguan residual dari induk (sehubungan
dengan G2 tanah terisolasi). Kedua OAR dan OAG yang
digunakan adalah OPA378 yang berasal dari Texas
Instruments.
Penelitian menghasilkan karakteristik elektrik berupa
hubungan antara posisi ADC yang menentukan tingkat
besarnya noise, dimana posisi paling ideal yaitu berada
mendekati elektrode. Dengan posisi ini, sistem
menunjukan bahwa noise akan naik pada level 1.3
μVRMS. Berikut ini adalah hasil evaluasi kinerja dari
CMR.

Gambar 13 Pengaturan (atas) dan hasil analisis kinerja CMR

Nilai maksimum dari residual common mode
interference berkisar pada 150 μV, nilai ini 6 kali lebih
kecil dari batas atas yang ditetapkan oleh standar.
Adapaun konsumsi arus yang digunakan per bagian
yaitu : Amplifier 190 μA per channel, ADC 200 μA per
channel, Back-end 4 mA, dan DgRL < 1 mA. Common
mode interference dari listrik (50 Hz) telah diukur dan
memiliki nilai 2,5 mVRMS untuk elektrode basah dan 5.2
mVRMS untuk elektrode kering. Berkat DgRL, common
mode inteference pada output dari sistem akuisisi
berkurang menjadi kurang dari 1 μVRMS dan 1,8 μVRMS
masing-masing (dengan penurunan lebih dari 70 dB) dan
tidak mempengaruhi kualitas sinyal.

Jumlah Elektrode

Jenis Elektrode

Sistem Transfer Data

Konsumsi Daya

Referensi input noise-nya

Paper 1

-

-

Nirkabel

0.26μW

1.77μVRMS

Paper 2

32 buah

-

Nirkabel

82,5mW

725nVRMS

Paper 3

4 buah

Kering

Nirkabel

-

-

Paper 4

-

Basah

Nirkabel

-

-

Paper 5

8 buah

Kering

-

-

1.3 μVRMS

3. HASIL DAN PEMBAHASAN
3.1. Jumlah dan Jenis Elektrode
Proses akuisisi data dimulai dari elektrode yang di
pasang. Semakin banyak jumlah elektrode yang
dipasang maka semakin bagus hasil yang didapatkan
tetapi akan mengganggu kenyamanan dari pengguna
EEG itu sendiri. Dari paper yang telah dilakukan
penelitian maka jika merujuk pada kebutuhan jumlah
elektrode yang terpasang paling sedikit yaitu 4 buah
elektrode. Hal ini paling ideal karena sinyal yang ingin
diambil berupa gelombang alpha, ini merupakan hasil
dari paper ketiga pada paper pertama tidak dijelaskan
tentang jumlah elektrodenya begitu juga pada paper
keempat, sedangkan pada paper kelima menyatakan
penggunaan delapan buah elektrode dan paper kedua, 32
elektrode. Jenis elektrode yang digunakan adalah jenis
elektrode kering seperti yang dipaparkan pada paper
tiga, empat, dan lima, sedangkan pada paper pertama
dan kedua tidak membahas tentang jenis elektrode.
Elektrode yang digunakan juga sebaiknya bersifat
nirkabel sehingga menggurangi ketidak-nyamanan dari
pengguna, baik paper pertama, kedua, ketiga dan
keempat sudah menerapkan sistem nirkabel pada
elektodenya.
3.2. Pemrosesan Data Gelombang Otak
Pada proses filtering, paper pertama memiliki proses
filtering yang baik, jika ditinjau dari konsumsi daya.
Dengan menggunakan metode chopper-stabilized
folded-cascode chopper amplifier dengan VOC didapat
penggunaan daya hanya 0.26μW per channel-nya
sedangkan referensi input noise-nya 1.77μVRMS, dan
nilai gain dari channel adalah 53-63 dB. Pada paper
kedua mengkonsumsi lebih banyak tenaga yaitu
82,5mW dengan noise-nya 725nVRMS dan gain sebesar
60dB, aplikasi channel memiliki bandwidth yang berada
pada nilai sekitar [0.5Hz; 300Hz]. Paper ketiga tidak
menjelaskan tentang daya yang digunakan dan hanya
menjelaskan nilai common-mode rejction ratio (CMRR)

sebesar 110dB sedangkan pada paper pertama nilainya
lebih besar yaitu pada nilai 120dB. Paper keempat
karena hanya sebatas simulasi maka tidak membahas
tentang besaran nilai yang dihasilkan. Paper kelima
dengan menggunakan metode penempatan ADC
mendekati elektrode dapat menghasilkan nilai input
noise-nya 1.3 μVRMS. Pada paper ini juga, dengan
menggunakan DgRL nila common mode inteference
pada output dari sistem akuisisi berkurang menjadi
kurang dari 1 μVRMS dan 1,8 μVRMS. Adapun konsumsi
arus yang digunakan per bagian yaitu : Amplifier 190 μA
per channel, ADC 200 μA per channel, Back-end 4 mA,
dan DgRL < 1 mA.
3.3. Jenis Filter
Untuk jenis filter yang digunakan adalah pada
dasarnya adalah filter lowpass, hal ini karenakan sinyal
gelombang otak atau EEG merupakan sinyal yang
sangatlah kecil. Sedangkan sinyal noise biasanya jauh
lebih besar dari sinyal gelombang otak, atas dasar itulah
maka pada setiap paper masing-masing menggunakan
dengan jenis filter lowpass. Pada paper keempat
dijelaskan penggunaan filter lowpass Butterworth orde
4, filter ini dipilih karena kemampuannya meredam nilai
respons magnitude dari filter tersebut.
4. KESIMPULAN
Penelitian yang dilakukan mencakup tentang proses
akuisisi data yang digunakan pada gelombang otak atau
EEG. Metode yang digunakan banyak mengacu pada
penghematan tenaga serta kesederhanaan dalam
penggunaan EEG itu sendiri. Dari hasil penelitian diatas,
kita dapat membentuk suatu model EEG yang mencakup
semua keunggulan dari masing–masing penelitian
tersebut. Kita dapat membentuk suatu EEG dalam
bentuk hanya sebuah sensor[2] dimana pengambilan data
dilakukan secara nirkabel[8]. Sistem ini juga
menggunakan metode IR dalam proses transmiter dan
receiver data[9], dilakukan juga pengaplikasian metode
Chopper-stabilization Amplifier yang didalamnya
terdapat folded-cascode chopper amplifier, yang

bertujuan untuk menekan konsumsi tenaga dari channel
yang digunakan sampai 262nW[1]. Pengecilan arus bias
pada LNA (Low Noise Amplifier) juga dilakukan untuk
mengecilkan atau mengurangi daya yang digunakan[1].
Penempatan ADC dilakukan mendekati posisi elektrode
sehingga dapat menghasilkan nilai input noise-nya
1.3μVRMS[3]. Proses filtering dapat dilakukan dengan
menggunakan filter lowpass Butterworth orde 4[9].
Sistem DgRL[3] juga digunakan agar common mode
inteference pada output dari sistem akuisisi berkurang
menjadi kurang dari 1μVRMS dan 1,8μVRMS masingmasing (dengan penurunan lebih dari 70 dB) dan tidak
mempengaruhi kualitas sinyal[3].
DAFTAR PUSTAKA
[1] Pavan Bhargava, W. David Hairston, Robert M. Proie., “A 262nW
Analog Front End with a Digitally-Assisted Low Noise Amplifier for
Batteryless EEG Acquisition”, Subthreshold Microelectronics
Technology Unified Conference (S3S) 2014, IEEE. Millbrae, CA. 2014
[2] Bo Luan, Wenyan Jia, Parthasarathy D. Thirumala, Jeffrey Balzer, Di
Gao, Mingui Sun., “A Feasibility Study on a Single-Unit Wireless EEG
Sensor”, 2014 12th International Conference on Signal Processing
(ICSP), IEEE. Hangzhou. 2014.
[3] Marco Guermandi, Alessandro Bigucci, Eleonora Franchi Scarselli,
Roberto Guerrieri., “EEG Acquisition System based on Active Electrodes
with Common-Mode Interference Suppression by Driving Right Leg
Circuit”, 2015 37th Annual International Conference of the IEEE
Engineering in Medicine and Biology Society (EMBC), IEEE. Milan.
2015.
[4] Harrison, R.R., "A low-power, low-noise CMOS amplifier for neural
recording applications," Circuits and Systems, 2002. ISCAS 2002. IEEE
International Symposium on , vol.5, no., pp.V-197,V-200 vol.5, 2002
[5] Fan Zhang; Mishra, A; Richardson, AG.; Otis, B., "A Low-Power
ECoG/EEG Processing IC With Integrated Multiband Energy
Extractor," Circuits and Systems I: Regular Papers, IEEE Transactions
on , vol.58, no.9, pp.2069,2082, Sept. 2011
[6] Verma, N, et Al. "A Micro-Power EEG Acquisition SoC With Integrated
Feature Extraction Processor for a Chronic Seizure Detection System,"
Solid-State Circuits, IEEE Journal of , vol.45, no.4, pp.804,816, April
2010
[7] Denison, T.; Consoer, K.; Santa, W.; Avestruz, A-T.; Cooley, J.; Kelly,
A, "A 2 μW 100 nV/rtHz Chopper-Stabilized Instrumentation Amplifier
for Chronic Measurement of Neural Field Potentials," Solid-State
Circuits, IEEE Journal of , vol.42, no.12, pp.2934,2945, Dec. 2007
[8] S. Filipe, G. Charvet, M. Foerster, J. Porcherot, J.F. Bêche, S. Bonnet, P.
Audebert, G. Régis, B. Zongo, S. Robinet, C. Condemine, C. Mestais, R.
Guillemaud, “A wireless multichannel EEG recording platform”, 2011
Annual International Conference of the IEEE Engineering in Medicine
and Biology Society, IEEE. Boston, MA. 2011.
[9] Md. Kamrul Hasan, Rushdi Zahid Rusho, Toufiq Md. Hossain, Tarun
Kanti Ghosh, Mohiuddin Ahmad., “Design and Simulation of Cost
Effective Wireless EEG Acquisition System for Patient Monitoring”,
Informatics, Electronics & Vision (ICIEV), 2014 International
Conference on, IEEE. Dhaka. 2014.