Perancangan Sistim Mekatronika Berbasis Arduino dengan Menggunakan Sensor Electroenchepalogram (EEG) untuk Pembacaan Sinyal Otak

Authors

  • Gilar Pandu Annanto Wahid Hasyim University
  • Agung Nugroho Jurusan Teknik Mesin, Fakultas Teknik, Universitas Wahid Hasyim Jl. Menoreh Tengah X/22, Sampangan, Semarang 50236.
  • Imam Syafaát Jurusan Teknik Mesin, Fakultas Teknik, Universitas Wahid Hasyim Jl. Menoreh Tengah X/22, Sampangan, Semarang 50236.
  • Hendrawan Ariefudin Jurusan Teknik Mesin, Fakultas Teknik, Universitas Wahid Hasyim Jl. Menoreh Tengah X/22, Sampangan, Semarang 50236.
  • Sholeh Budi Utomo Jurusan Teknik Mesin, Fakultas Teknik, Universitas Wahid Hasyim Jl. Menoreh Tengah X/22, Sampangan, Semarang 50236.

DOI:

https://doi.org/10.36499/jim.v18i2.7349

Abstract

Electroencephalogram (EEG) merupakan salah satu biomedical sensor yang mampu membaca gelombang otak. Sama halnya dengan biomedical sensor lainnya (EMG/ECG), sensor ini mampu dikembangkan lebih lanjut diberbagai bidang salah satunya dibidang robotika. Penelitian ini menghasilkan sebuah sistim mekatronika yang mampu untuk membaca gelombang otak menggunakan sensor electroencephalogram (EEG). Hasil dari sinyal yang ditangkap kemudian diolah menjadi suatu sinyal atensi yang digunakan untuk mengetahui tingkat fokus dari seseorang. Sinyal atensi inilah yang kemuadian digunakan sebagai trigger apabila nilai yang didapat mampu melewati threshold yang ditetapkan.

Author Biography

Gilar Pandu Annanto, Wahid Hasyim University

 Jurusan Teknik Mesin, Fakultas Teknik, Universitas Wahid Hasyim

Jl. Menoreh Tengah X/22, Sampangan, Semarang 50236.

References

Annanto, G.P., Haryanto, I. and Ismail, R., 2021, October. A Computational Stress Analysis of Active Prosthetic Hand “Asto Hand V4†for the Loaded Hook Position. In 2021 IEEE International Biomedical Instrumentation and Technology Conference (IBITeC) (pp. 130-135). IEEE.

Annanto, G.P., Ismail, R., Haryanto, I., Ariyanto, M. and Pambudi, K.A., 2019, October. Numerical Analysis of Stress and Displacement on The Middle Finger of The Prosthetic Hand Due to Hook Position. In 2019 International Biomedical Instrumentation and Technology Conference (IBITeC) (Vol. 1, pp. 123-126). IEEE.

Ariyanto, M., Caesarendra, W., Mustaqim, K.A., Irfan, M., Pakpahan, J.A., Setiawan, J.D. and Winoto, A.R., 2015, October. Finger movement pattern recognition method using artificial neural network based on electromyography (EMG) sensor. In 2015 International Conference on Automation, Cognitive Science, Optics, Micro Electro-Mechanical System, and Information Technology (ICACOMIT) (pp. 12-17). IEEE.

Casson, A.J., Abdulaal, M., Dulabh, M., Kohli, S., Krachunov, S. and Trimble, E., 2018. Electroencephalogram. In Seamless healthcare monitoring (pp. 45-81). Springer, Cham.

Datasheet, A.U., 2012. Farnell. London, UK.

Liu, N.H., Chiang, C.Y. and Chu, H.C., 2013. Recognizing the degree of human attention using EEG signals from mobile sensors. sensors, 13(8), pp.10273-10286.

Pambudi, K.A., Ismail, R., Ariyanto, M., Setiawan, J.D. and Annanto, G.P., 2019, October. Performance Test of Fingers on 3D Printed Myoelectric Prosthetic Hand. In 2019 International Biomedical Instrumentation and Technology Conference (IBITeC) (Vol. 1, pp. 37-40). IEEE.

Sezer, A., İnel, Y., Seçkin, A.Ç. and Uluçınar, U., 2015, May. An investigation of university students’ attention levels in real classroom settings with NeuroSky’s MindWave mobile (EEG) device. In Intenational educational technology conference, İstanbul, Turkey (Vol. 27, No. 29, pp. 88-101).

Studio, I., 2010. HC-05-Bluetooth to serial port module. Datasheet, June.

Zubrzycki, J., Jonak, K., Opielak, G., Krukow, P. and Maciejewski, R., 2015. Application of IT Methods for the Identification and Analysis of EEG Signals. In Applied Mechanics and Materials (Vol. 791, pp. 335-341). Trans Tech Publications Ltd.

Downloads

Published

2022-10-31

Issue

Section

Articles