Implementasi Pengenalan Pergerakan Bola Mata Menggunakan Elektroda Dengan Exponential Filter
Vol. 2, No. 9, September 2018, hlm. 3093-3102 http://j-ptiik.ub.ac.id
Implementasi Pengenalan Pergerakan Bola Mata Menggunakan Elektroda
Dengan Exponential Filter
1 2 3 Ichwanul Muchlis , Rizal Maulana , Hurriyatul FitriyahProgram Studi Teknik Komputer, Fakultas Ilmu Komputer, Universitas Brawijaya 1 3 Email: ichwan.tkj@gmail.com hfitriyah@ub.ac.id
Abstrak
Pada dasarnya seorang manusia adalah makhluk sosial yang saling membutuhkan satu sama lain.Tentunya setiap manusia pasti berharap hidup normal dengan tubuh yang sehat. Seseorang yang kehilangan fisik atau cacat tubuh pasti akan menjadi sebuah tantangan bagi mereka untuk bisa menjalani kehidupan sosial bersama masyarakat lainnya. Beberapa pasien penyandang disabilitas khususnya tunadaksa membutuhkan sebuah alat agar mereka dapat berinteraksi secara normal dengan bantuan alat rehabilitasi. Perancangan alat rehabilitasi memanfaatkan dari salah satu sistem cerdas bio-sinyal yaitu sinyal electrooculography teknik pengukuran untuk merekam aktivitas elektrik dari gerakan mata. Implementasi hardware menggunakan sensor lima elektroda ditempel pada sekitar mata, penguat instrumentasi OP07 dengan penguatan 416 disertai high pass filter orde 2 frekuensi cutoff 0.1Hz dan low pass filter orde 2 frekuensi cutoff 16Hz serta sumber daya tegangan dari rangkaian 9V. Menggunakan metode baseline dengan kombinasi perhitungan nilai bobot exponential filter dan
threshold . Terdapat proses perancangan dan implementasi perangkat keras dalam printed circuit board.
Perangkat lunak pertama dengan pencarian nilai baseline kedua channel, proses perhitungan nilai bobot 0.3 exponential filter agar noise bisa teratasi dengan tepat dan mengeluarkan hasil yang lebih akurat, penentuan katagori kelima gerakan mata yaitu depan, kanan, kiri, atas, dan bawah dengan nilai
threshold . Hasil dari pengujian menyatakan bahwa pengujian pertama masing-masing gerakan mata
dilakukan pada 3 subyek mencapai rata-rata tingkat akurasi 98,66%, kedua 5 gerakan mata berurutan dilakukan pada 3 subyek mencapai rata-rata tingkat akurasi 96% dan ketiga pengujian delay mencapai rata-rata tingkat akurasi 93,33%.
Kata kunci: electrooculography, baseline, exponential filter, gerakan mata, elektroda
Abstract
Basically a human being is a social creature that needs each other. Surely every human must expect a
normal life with a healthy body. A person who loses a physical or a physical disability will definitely be
a challenge for them to be able to live social life with other people. Some patients with disabilities,
especially those with disabilities, need a tool to enable them to interact normally with the help of
rehabilitation tools. The design of rehabilitation tools utilizes from one of the intelligent bio-signal
systems ie electrooculographic signal measurement techniques to record the electrical activity of eye
movements. The hardware implementation uses five electrode sensors affixed around the eyes, an
instrumentation amplifier OP07 with 416 amplification accompanied by high pass filter order 2 cutoff
frequency 0.1Hz and low pass filter 2nd order 16Hz cutoff frequency and voltage source of the 9V
circuit. Using the baseline method with a combination of calculating the exponential filter and threshold
weight values. There is a process of designing and implementing hardware in a printed circuit board.
The first software with the search for baseline values of both channels, the process of calculating the
weight value of 0.3 exponential filter for the noise can be resolved correctly and issued more accurate
results, the determination of the five categories of eye movement ie front, right, left, top, and bottom
with threshold value. The results of the test indicate that the first test of each eye movement is performed
on 3 subjects reaching an average accuracy rate of 98.66%, the second of 5 consecutive eye movements
performed on 3 subjects reaching an average accuracy rate of 96% and the third delay testing reaching
flat the accuracy rate of 93.33%.Keywords: electrooculography, baseline, exponential filter, eye movement, elektroda Fakultas Ilmu Komputer Universitas Brawijaya
3093
1. PENDAHULUAN
secara tidak sengaja mengikuti gerakan kepala (Brahmaiah V.Prinyaka, et al., 2017).
2.1 Gambaran Umum Sistem
Pada tahapan ini, menjelaskan tentang gambaran umum sistem perancangan perangkat keras, perangkat lunak beserta implementasinya.
IMPLEMENTASI
2. PERANCANGAN DAN
perangkat lunak exponential filter sebagai metode untuk meminimalisir noise yang terjadi pada sinyal electrooculography sehingga keluaran sinyal lebih akurat. Implementasi pengenalan pergerakan bola mata ini dapat diaplikasikan ke berbagai banyak hal yang berguna dalam membantu perkerjaan manusia seperti yang sudah dijelaskan sebelumnya. Pergerakan bola mata akan di katagorikan sebagai output light emitting diode (LED) Diharapkan fungsionalitas sistem pengenalan pergerakan bola mata memberikan fasilitas pada orang-orang berkebutuhan khusus dan orang- orang normal lainnya dalam melakukan aktivitas sehari-hari.
electrooculography dengan implementasi
Dapat diambil kesimpulan dari berbagai permasalahan yang ada, terdapat beberapa fokus untuk membuat sebuah sistem pengenalan pergerakan bola mata menggunakan sensor elektroda sebagai sensor akusisi data sinyal
Pada dasarnya seorang manusia adalah makhluk sosial yang saling membutuhkan satu sama lain. Seseorang yang kehilangan fisik atau cacat tubuh pasti akan menjadi sebuah tantangan bagi mereka untuk bisa menjalani kehidupan sosial bersama masyarakat lainnya. Dapat kita ketahui bahwa penyandang disabilitas khususnya para tunadaksa yang artinya cacat tubuh tanpa tangan dan kaki, masih belum mendapat perhatian maksimal dilingkungan masyarakat. Berdasarkan Pusat Data Informasi Nasional yang didapat dari Kementrian Sosial pada tahun 2010, tercatat jumlah penyandang disabilitas tunadaksa berjumlah 3.010.830 orang. Angka tersebut akan semakin meningkat diikuti meningkatnya angka kecelakaan yang ada (Nuansa, 2014).
Berdasarkan kondisi yang ada, para peneliti mengembangkan sebuah sistem cerdas berbasis bio-sinyal yang ada pada setiap tubuh manusia sebagai desain interface untuk mengontrol dan memonitoring sebuah obyek. Contohnya Interaksi manusia dan komputer telah dikembangkan dengan pengendalian melalui bio-sinyal dalam tubuh manusia, sehingga untuk mengoperasikan komputer tidak perlu menggunakan mouse dan keyboard, dengan lirikan mata ke kanan, ke kiri, ke atas maupun kebawah seseorang dapat menjalankan komputer dengan baik.
noise dari sinyal aslinya. Exponential filter adalah sebuah metode sederhana untuk memperlancar pengukuran noise dari pembacaan sensor analog tanpa menggunakan memori yang banyak. Exponential filter mempunyai faktor nilai bobot [0, 100]. Klasifikasi gerakan mata dapat ditentukan dari orientasi mata dengan ke empat gerakan mata sebagai berikut: Saccade movements gerakan mata akan bergerak secara bergantian vertikal maupun horizontal, Smooth-pursuit movements gerakan mata akan mengikuti obyek yang digerakkan, Vergence movements gerakan mata akan fokus ke tengah melihat obyek, ketika obyek datang mata akan fokus, ketika obyek hilang mata akan kembali normal, Vestibulo
exponential filter sebagai solusi untuk meredam
Untuk mengatasi noise akan diberikan sebuah perancangan perangkat lunak yaitu
V.Prinyanka, et al. (2017) sinyal eog yang diperoleh dengan range voltase mikro dan sangat rentan terhadap noise.
Tegangan akan diperoleh berdasarkan perubahan orientasi mata. Tegangan mata mempunyai voltase sekitar +0.40 sampai +1.0 milivolt, ini terjadi karena retina memiliki tingkat metabolisme yang lebih tinggi dibanding kornea. Seperti yang dijelaskan oleh Brahmaiah
Electrooculography adalah metode yang didasarkan pada pengamatan gerakan mata.
Teknik ini satu-satunya sumber daya yang sepenuhnya dapat membantu pasien melalui teknik berbasis bio-sinyal. Perancangan dan implementasi perangkat rehabilitasi dapat memanfaatkan dari salah satu bio-sinyal tersebut, penulis fokus melakukan penelitian pada sinyal Electrooculography (EOG) sebagai pengenalan pergerakan bola mata yang nantinya dapat diaplikasikan ke banyak hal diperuntukkan bagi semua kalangan dengan desain interface yang menarik dan mudah digunakan antara lain: sebagai kendali personal komputer, bermain game, monitoring ruangan, penggerak kursi roda, smarthome, dan lain sebagainya.
ocular gerakan mata vertikal dan horizontal Gambar 1. Gambaran Umum Sistem
Sistem menggunakan lima buah elektroda yang akan dipasang pada sekitar mata untuk mengukur perbedaan potensial dari mata depan, kanan, kiri, atas, dan bawah. Input dari lima elektroda tersebut akan diolah Instrument Amplifer sebagai penguat tegangan dari mata dengan diperoleh nilai penguatan 416 kali sehingga tegangan yang diperoleh akan lebih maksimal dapat mengetahui rentang perubahan terhadap satu gerakan dengan gerakan lainnya.
Dibutuhkan rangkaian filtering untuk mengatasi noise dari sinyal menggunakan High
Pass cutoff
0.1Hz dan Low Pass Filter cutoff
16Hz. Output akan dikirimkan ke Analog To Digital Converter (ADC) pada Arduino Uno. Hasil Keputusan gerakan depan, kanan, kiri, atas, dan bawah akan diolah menggunakan perancangan perangkat lunak yang sudah ditanamkan pada Mikrokontroller. Sebagai outputnya akan dikoneksikan pada kelima Light Emitting Diode (LED) R, G, B.
Pada tahap ini akan dijelaskan tentang proses bagaimana perancangan sistem perangkat keras yang digunakan yaitu peletakan sensor elektroda, rangkaian skematik penguat instrumentasi, rangkaian high pass filter (HPF) dan low pass filter (LPF) serta rangkaian power dc 9V agar bisa digunakan untuk merekam hasil sensing electrode yang menghasilkan output sebuah sinyal electrooculography (EOG). Peletakan elektroda dapat dilihat pada Gambar 2, penguat instrumentasi dapat dilihat pada Gambar 3, rangkaian HPF dan LPF dapat dilihat pada Gambar 4 dan Gambar 5, serta rangkaian power dc 9V dapat dilihat pada Gambar 6 sebagai berikut:
Gambar 2. Perancangan Peletakan Elektroda
Mengacu pada Gambar 2, pemasangan sensor elektroda 2 channel yaitu vertikal dan horizontal. Peletakan channel 1 yaitu vertikal dua elektroda diletakkan pada mata kanan dengan posisi satu elektroda diatas bulu alis mata dan satu elektroda dibawah mata. Sedangkan untuk peletakan channel 2 yaitu horizontal dua elektroda diletakkan pada kedua samping kanan kiri mata serta satu lagi untuk ground diatas jidad.
Gambar 3. Penguat Instrumentasi
Pada umumnya penguat instrumentasi digunakan sebagai penguat tegangan langsung dari sensor atau tranduser. Peneliti merancangan rangkaian penguat instrumentasi seperti pada Gambar 3. Rangkaian penguat instrumentasi disusun dari penguat penyangga (buffer) dan penguat diferensial dasar yang dihubungkan ke tahanan R2 dan R5.
2.2 Perancangan Perangkat Keras
Dari kedua opamp OP07CP masukan penguat penyangga terdapat pengikut tegangan yang berfungsi untuk mempertahankan resistansi masukan yang tinggi, dan tiga tahanan yang berfungsi untuk mengatur besarnya nilai penguatannya. Tahanan R3 merupakan resistor gain (RG) yang digunakan untuk mengatur penguatan. Dengan mengatur resistor R3 maka penguatan dapat diatur untuk menyesuaikan tegangan output dari sinyal electrooculography. Pada sinyal EOG ini akan ditetapkan sebesar 416 kali penguatan, ini bertujuan untuk mendapatkan amplitudo sinyal EOG yang bernilai diatas 1 volt agar amplitudo dapat diolah oleh ADC mikrokontroller Arduino Uno.
Gambar 6. Perancangan Power DC 9v
Pada tahap perancangan rangkaian pembalik
Gambar 4. Perancangan High Pass Filter Orde 2
tegangan DC ini, peneliti menggunakan salah Pada tahap ini peneliti melakukan satu voltage converter IC jenis ICL7660S pemfilteran dengan menggunakan High Pass berfungsi sebagai pengubah input tegangan
Filter orde 2 untuk melewatkan frekuensi tinggi
positif menjadi output tegangan negatif, yaitu +9 dan meredam frekuensi rendah dapat menjadi -9. Skema ICL7660S dapat ditunjukkan ditunjukkan pada Gambar 4 tersebut. HPF akan pada Gambar 6 tersebut. Dengan memanfaatkan memberikan output yang tetap dimulai pada rangkaian konverter DC ICL7660S diharapkan frekuensi cut-off dan tidak mengeluarkan output mampu menghemat penggunaan tempat pada jika frekuensi input berada dibawah frekuensi perangkat EOG ini, sehingga dapat memperoleh
cut-off . Filter High Pass orde 2 dapat disusun
bentuk prototype yang kecil dan relatif lebih dari 2 kapasitor dan 2 resistor. Dimana frekuensi murah tidak membutuhkan transformator.
cut-off adalah 0.1Hz. Untuk menghitung
2.3 Perancangan Perangkat Lunak
frekuensi cut-off dapat ditentukan dalam Mulai persamaan (1).
1 = (1) Inisialisasi Variabel Sensor 2 √ 1 2 1 2 Inisialisasi Baseline Electrode Sensor Akuisisi Data Gambar 5. Perancangan Low Pass Filter Orde 2 Perhitungan Exponential
Pada tahap ini peneliti melakukan Filter pemfilteran dengan menggunakan Low Pass
Filter orde 2 untuk melewatkan frekuensi rendah
dan meredam frekuensi tinggi dapat ditunjukkan Pengambilan Data Sampel pada Gambar 5. LPF akan memberikan output Setalah Di FIlter yang tetap dimulai pada frekuensi dibawah cut-
off dan tidak mengeluarkan output jika frekuensi
input berada diatas frekuensi cut-off. Filter High
A
Pass orde 2 dapat disusun dari 2 kapasitor dan 2 resistor. Dimana frekuensi cut-off adalah 16Hz.
Gambar 7. Perancangan Perangkat Lunak Pertama
Untuk menghitung frekuensi cut-off sama seperti Pada tahap selanjutnya ini akan dijelaskan HPF pada persamaan (1). bahwa bagaimana sistem ini akan bekerja, perancangan output disini tidak terlalu diutamakan, nanti bisa dikembangkan ke berbagai aplikasi pintar lainnya karena sistem ini mengutamakan fungsional alat.
Gambar 9. Fungsi Baseline
Perhitungan exponential filter dilakukan untuk mengurangi noise, perumusan exponential
filter dapat ditentukan dalam persamaan (2).
Yn = w ∗ xn + (1 − w) ∗ yn– 1 (2) Gambar 8. Perancangan Perangkat Lunak Kedua
Dapat diketahui: Gambar 7 dan Gambar 8 dapat dijelaskan
Yn adalah output dari filter pada saat bersamaan
bahwa perancangan perangkat lunak sebagai n. Xn adalah nilai input baru pada saat output LED dimulai dari inisialisasi variabel bersamaan n. Yn-1 adalah nilai output filter sensor menggunakan A0 dan A1 pada Arduino sebelumnya.
Uno. Pencarian baseline digunakan sebagai titik
W adalah faktor nilai pembobotan dalam
pusat nilai yang akan dijadikan acuan program kisaran [0, 100]. Nilai tinggi w ditentukan untuk mengkatagorikan kelima gerakan mata berdasarkan user. Jika nilai w tinggi maka akan dengan pengambilan data sampel sebanyak 50 mirip dengan sinyal aslinya sedangkan jika nilai data pada masing-masing channel. w rendah akan jauh berbeda dari sinyal aslinya. Pada Gambar 9 adalah perancangan fungsi
Kemudian dilakukan pengambilan data 10 kali
baseline sebagai informasi dasar yang disimpan
setelah difiter sebagai penentuan kelima jenis sebelum suatu program akan dijalankan. Data gerakan mata.
baseline masing-masing channel ini kemudian
2.4 Implementasi Perangkat Keras
digunakan sebagai pembanding untuk memperkirakan dampak program pada input selanjutnya. Rata-rata nilai baseline akan ditampilkan pada “serial monitor” sebagai acuan nilai katagori jenis gerakan mata.
Gambar 10. Perancangan Peletakan Elektroda rumus 1 dikurangi nilai bobot dari exponential filter, a adalah nilai bobot yang kita tetapkan 0.3 atau 30%, prevy0 adalah nilai fiter sebelumnya dan dilakukan pengambilan sampel data 10 kali hasil dari exponential filter pada masing-masing channel sebagai data yang akan ditentukan nilai
Pengujian analisis dilakukan terhadap semua sistem yang telah diimplementasikan dan berdasarkan skenario yang telah ditentukan.
Gambar 11. Implementasi Sistem Electrooculography
Implementasi perangkat keras seperti pada Gambar 11. sesuai dengan perancangan yang telah dilakukan. Rangkaian tersebut dicetak dengan printed circuit board dengan beberapa komponen resistor, kapasitor, ic op07cp, icl7660s dengan konsumsi baterai 9V. Arduino Uno sebagai pengolah data, kemudian output
light emitting diode (LED) sebagai pengenalan kelima gerakan mata tersebut.
2.5 Implementasi Perangkat Lunak
Implementasi perangkat lunak menjelaskan proses realisasi program untuk sistem deteksi gerakan mata dengan penentuan kelima gerakan mata berdasarkan perancangan yang telah dilakukan. Program yang digunakan pada mikrokontroller yaitu berupa inisialisasi library, variabel, akuisisi data, perhitungan baseline, perhitungan exponential filter dan proses mengkatagorikan jenis gerakan mata.
Dimana perulangan untuk mencari baseline ini dilakukan dengan for (int i = 1; i < 50; i++) dan akan dijumlahkan ke semua data sum = sum
Dilihat dari Gambar 12 terdapat 2 keluaran yang dibandingkan pada grafik sumbu x adalah waktu sumbu y adalah tegangan ADC. Channel 1 electrode sensor dengan warna biru, sedangkan hasil exponential filter dengan warna merah. ketika nilai bobot 0,1 sinyal akan telat responnya terlalu pelan dibandingkan sinyal aslinya. Tetapi hasilnya lebih akurat dibanding sinyal aslinya bisa untuk mengatasi noise.
Gambar 12. Hasil Pengujian Pada Nilai Bobot 0,1
Pengujian dilakukan dengan salah satu channel dikarenakan grafik sinyal dari kedua channel adalah sama. Membandingkan hasil keluaran sinyal sebelum difilter dan hasil sesudah difilter dengan pengujian 3 nilai bobot yang berbeda yaitu bernilai 0,1, 0,3, dan 0,8. Hasil pengujian dapat ditunjukkan pada Gambar 12 dan Gambar 13 serta Gambar 14.
3.1 Pengujian Exponential Filter
Lima buah sensor elektroda ditempelkan pada sisi wajah pengguna seperti pada Gambar 10, dengan aturan penempatan sensor bahwa pin rangkaian channel vertikal akan diletakkan pada sisi atas dan bawah mata untuk akuisisi gerakan mata atas dan bawah. Sedangkan pin rangkaian channel horizontal akan diletakkan pada sisi samping kanan dan kiri mata untuk akuisisi gerakan mata kiri dan kanan serta satu buah elektroda diatas tegah jidad pengguna sebagai ground atau refrensi.
threshold berdasarkan nilai ADC puncak
maksimal dikurangi nilai ADC depan saat grafik naik.
3. PENGUJIAN ANALISIS
- s1 kemudian disimpan prevs1 = s1 dan terakhir dilakukan rata-rata sebagai baseline sum = sum /
diketahui bahwa y0 adalah nilai exponential
filter yaitu y0 = a * i0 + (1 - a) * prevy0 dapat
Sedangkan perhitungan rumus exponential
49. Pencarian nilai baseline dilakukan secara bergantian pertama channel1 kedua dilanjutkan oleh channel2.
Gambar 13. Hasil Pengujian Pada Nilai Bobot 0,3
Dilihat dari Gambar 13. terdapat 2 keluaran yang dibandingkan pada grafik sumbu x adalah waktu sumbu y adalah tegangan ADC. Channel 1 electrode sensor dengan warna biru, sedangkan hasil exponential filter dengan warna merah. Jika nilai bobot 0,3 sinyal lebih baik responnya tidak terlalu lama dan sesuai dengan yang diinginkan
filter , i0 adalah data analog saat ini, (1 - a) adalah
Gambar 15. Posisi Pengujian Kelima Gerakan Mata
Posisi pengujian pada Gambar 15, sebagai prosedur pengujian yang akan dilakukan pada 3
Gambar 14. Hasil Pengujian Pada Nilai Bobot 0,8 orang subyek.
Dilihat dari Gambar 14 terdapat 2 keluaran yang dibandingkan pada grafik sumbu x adalah
Tabel 1. Hasil Rata-Rata Akurasi Sistem Pada
waktu sumbu y adalah tegangan ADC. Channel
Gerakan Mata
1 electrode sensor dengan warna biru, sedangkan
No Gerakan Subyek Subyek Subyek hasil exponential filter dengan warna merah.
Mata
1
2
3 Jika nilai bobot 0,8 maka letak perubahan
1 Depan 100% 100% 100% sinyal hampir tidak ada mirip sekali dari
2 Atas 100% 100% 100% sinyal aslinya. Sehingga disimpulkan bahwa
3 Bawah 100% 100% 90% jika nilai bobot semakin besar maka sinyal tidak berbeda jauh dengan sinyal aslinya,
4 Kanan 100% 100% 90% sedangkan jika nilai bobot semakin kecil
5 Kiri 100% 100% 100% maka sinyal akan lebih bagus dan stabil dari
Rata-Rata Akurasi 100% 100% 96% sinyal aslinya. Rata-Rata Akurasi 98,66%
3.2 Pengujian Gerakan Mata
Keseluruhan
Pengujian ini dilakukan dengan memberikan
Rata-Rata 1,33%
sebuah obyek warna atau acuan pada dinding
Kesalahan
sebagai titik pusat setiap gerakan mata yaitu depan, kekanan, kekiri, ke atas, dan kebawah Pada Tabel 1 merupakan hasil total rata-rata dengan posisi duduk melihat ke dinding dengan keseluruhan dari 3 orang subyek disaat jarak 100cm, jarak depan ke kanan 50cm, jarak pengujian mencapai akurasi 98,66%. Dan rata- depan ke kiri 50cm, jarak depan ke atas 50cm, rata kesalahan sistem 1,33%. dan jarak depan ke bawah 50cm, pada ketiga
3.3 Pengujian Gerakan Mata Berurutan
orang subyek berbeda akan melakukan masing- Pengujian kelima gerakan mata sekaligus masing gerakan sebanyak 10 kali dapat dilakukan dengan cara berurutan sebanyak 5 kali ditunjukkan pada Gambar 15. kepada ketiga subyek yang berbeda. Gerakan
Pengujian tingkat akurasi dengan perumusan mata kekanan akan dikembalikan netral kedepan pada persamaan (3). dahulu selanjutnya diikuti dengan gerakan lainnya.
Tabel 2. Hasil Rata-Rata Akurasi Sistem Pada Gerakan Mata Berurutan Kelima Peng Subyek 1 Subyek 2 Subyek 3 ujian
Gerakan ke- Depan, kanan, kiri,
1 80% 100% 80% atas dan bawah Depan, kanan, kiri, atas dan bawah
2 100% 100% 100% Depan, kanan, kiri, atas dan bawah 3 100% 100% 100%
3 √ Tidak Atas LED
Kanan 1 √ Tidak 2 √
Tidak
3 √ Tidak Kiri LED
Kiri
1 √ Tidak
2 √ Tidak
3 √ Tidak Rata-Rata Akurasi Sistem 93,33%
Rata-Rata Tingkat Kesalahan 6,66%
Pada Tabel 4, merupakan hasil pengujian delay 550ms dengan dilakukan pengujian sebanyak 3 kali pada setiap gerakan dengan respon agak lambat. Rata-rata akurasi sistem mencapai 93,33% dengan tingkat kesalahan sistem adalah 6,66%.
Tabel 5. Hasil Pengujian Delay 1000ms Gerakan Mata Perintah Peng ujian Ke-
Hasil Kesalahan Depan LED Depan
1 √ Tidak
2 √ Tidak
Atas
2 √ Tidak
1 √ Tidak
2 √ Tidak 3 √ Tidak
Bawah LED Bawah 1 √
Tidak
2 √ Tidak
3 √ Tidak Kanan LED
Kanan 1 √ Tidak 2 √ Tidak
3 √ Tidak Kiri LED
Kiri
1 √ Tidak
2 √ Tidak 3 √ Tidak
Rata-Rata Akurasi Sistem 100% Rata-Rata Tingkat Kesalahan 0%
Pada Tabel 5, merupakan hasil pengujian delay 1000ms dengan dilakukan pengujian sebanyak 3 kali pada setiap gerakan dengan
3 √ Tidak Kanan LED
Bawah LED Bawah 1 × LED Depan
Depan, kanan, kiri, atas dan bawah
2 √ Tidak 3 √ Tidak
1 √ Tidak
Atas
3 √ Tidak Atas LED
2 √ Tidak
1 √ Tidak
Hasil Kesalahan Depan LED Depan
Tabel 4. Hasil Pengujian Delay 550ms Gerakan Mata Perintah Peng ujian Ke-
4 100% 100% 80% Depan, kanan, kiri, atas dan bawah 5 100% 100% 100%
Rata-Rata Akurasi 96% 100% 92% Rata-Rata Akurasi Keseluruhan 96%
Rata-Rata Kesalahan Sistem 4%
Pada Tabel 2, merupakan hasil total rata-rata keseluruhan dari 3 orang subyek disaat pengujian mencapai akurasi 96%. Dan rata-rata kesalahan sistem 4%.
3.4 Pengujian Delay
2 √ Tidak
Hasil Kesalahan Depan LED Depan
Pada Tabel 3, merupakan hasil pengujian delay 150ms dengan dilakukan pengujian sebanyak 3 kali pada setiap gerakan hasilnya respon sangat cepat. Rata-rata akurasi sistem mencapai 86,67% dengan tingkat kesalahan sistem adalah 13,33%.
Rata-Rata Akurasi Sistem 86,67% Rata-Rata Tingkat Kesalahan 13,33%
2 √ Tidak 3 √ Tidak
LED Kiri 1 × LED Atas
Pada pengujian ini akan dilakukan penentuan nilai delay untuk menghetahui seberapa cepat respon yang diberikan sistem dan seberapa akurat tingkat akurasi sistem ketika delay rendah dan tinggi terhadap katagori gerakan mata pada keluaran LED. Nilai delay antara lain 150ms, 550ms, dan 1000ms.
Tabel 3. Hasil Pengujian Delay 150ms Gerakan Mata Perintah Peng ujian Ke-
1 × LED Atas 2 √ Tidak 3 √
Tidak
Tidak Atas LED Atas
1 √ Tidak
2 √ Tidak
3 √ Tidak Bawah
LED Bawah 1 √
Tidak 2 √ Tidak 3 √ Tidak Kanan respon lambat. Rata-rata akurasi sistem mencapai 100% dengan tingkat kesalahan sistem adalah 0%. Dimana pengujian delay ini berpengaruh pada keakuratan sistem.
3 √ Tidak Kiri
LED Kanan 1 √
4. KESIMPULAN DAN SARAN
Kesimpulan yang diperoleh dari hasil penelitian serta saran-saran yang bersifat mendukung untuk pengembangan lebih lanjut dari sistem ini .
4.1 Kesimpulan
0.1Hz serta LPF dengan frekuensi cutoff
Medicine and Biology Society (EMBC), 2014 36th Annual International Conference of the IEEE, II(12). Pp. 610-613.
Pada penelitian ini telah dirancang sebuah sistem untuk merekam kelima gerakan mata menggunakan rangkaian perangkat keras penguat instrumentasi dengan penguatan 416 kali, dan HPF dengan frekuensi cutoff
Tahun 2016 . [Online] Available
Kementerian Dalam Negeri, 2016. UU No.8
Engginering and Technology (IRJET), IV(04), pp.3378-3382.
R.Borkar Ashay, 2017. Study of EOG signal generation, Analyses, and Acquisition System. International Research Journal of
III(12), pp. 716-721. Kanwade A.B., V.Gone Rajat, J. Ahire Snehal,
International Advance Computing Conference,
Brahmaiah V.Priyanka, Sai Y.Padma, Prasad M.N.Giri, 2017. Data Acquisition System of Electrooculogram. IEEE 7 th
Acuna O Vicente, Aqueveque, and J. Pino Esteban, 2014. Eye-Tracking Capabilieties Of Low-Cost EOG System. Engginering in
16Hz. Lima buah electrode sensor yang digunakan dalam penelitian ini berhasil mengakuisisi kelima gerakan mata depan, kanan, kiri, bawah dan atas.
5. DAFTAR PUSTAKA
Dapat disimpulkan dari hasil pengujian yang sudah dilakukan dalam penelitian ini, maka dapat diambil beberapa poin antara lain: 1.
2. Sistem dapat dikembangkan dengan menambahkan algoritma kecerdasan buatan sebagai metode klasifikasi gerakan mata dari perhitungan algoritma tersebut.
Sistem gerakan mata dapat dikembangkan menjadi beberapa gerakan yaitu berkedip, kanan-atas, kiri-atas, bawah-kiri, dan bawah-kanan.
Beberapa saran yang diberikan oleh peneliti agar sistem ini dapat dikembangkan lebih lanjut sebagai berikut: 1.
4.2 Saran
5. Pada penelitian ini didapatkan rata-rata tingkat akurasi sistem pada pengenalan pergerakan bola mata terbagi menjadi 3 poin yaitu pertama rata-rata tingkat akurasi sistem pada masing-masing gerakan mata pada 3 subyek yang telah diujikan mencapai 98,66% dengan tingkat kesalahan 1,33%. Kedua rata-rata tingkat akurasi sistem pada kelima gerakan berurutan pada 3 subyek mencapai 96% dengan tingkat kesalahan 4%. Ketiga rata-rata tingkat akurasi delay 150ms mencapai 86,67% dengan tingkat kesalahan 13,33% sedangkan rata-rata delay 550ms mencapai tingkat akurasi 93,33% dengan tingkat kesalahan 6,66% dan delay 1000ms mencapai tingkat akurasi 100% dengan tingkat kesalahan 0%. Disimpulkan bahwa sistem pengenalan pergerakan bola mata berhasil mengkatagorikan kelima gerakan mata dan mendapatkan akurasi yang baik serta kecepatan respon yang bagus.
4. Nilai delay akan menentukan sebuah kecepatan respon pada pergerakan bola mata terhadap keluaran sistem. 550ms akan dipilih untuk penentuan nilai delay yang optimal berdasarkan pengujian yang telah dilakukan.
3. Berdasarkan hasil pengujian exponential filter didapatkan beberapa hasil pengujian yang berbeda-beda dari ketiga nilai bobot tersebut. Pemakaian exponential filter sangat berpengaruh pada akurasi dan kecepatan respon sistem dimana nilai bobot yang dipakai 0.3 atau 30% berhasil menjadikan penentuan nilai bobot yang diambil dalam proses meminimalisir noise dari sinyal tersebut dan menghasilkan keluaran lebih akurat dari sinyal aslinya.
2. Sistem katagori kelima gerakan mata dari sinyal electrooculography berhasil ditentukan dengan pencarian baseline pada kedua channel electrooculography secara bergantian dengan pengambilan data sampel masing-masing channel 50 data berdasarkan grafik sinyal keluaran dari elektroda pada rangkaian penguat dan filter ke mikrokontroller Arduino.
3. Sistem dapat dikembangkan dan diimplementasikan pada sistem kendali atau sistem kontrol lainnya.
[Diakses 12 Oktober 2017]. Nuansa. A. W, 2014. Kesetaraan Hak Pilih
Untuk Penyandang Disabilitas. [Online]
politik.kompasiana.com/2014/03/22/kesetar aan-hak-pilih-untuk-penyandang- disabilitas-643235.html> [Accessed 10 Oktober 2017]. Siddiqui Uzma, Shaikh A.N, 2013. An Overview of “Electrooculography”. International
Journal of Advanced Research in Computer and Communication Engginering, 2(12), pp.
4328-4330.