PENGOLAHAN SINYAL ELEKTROMIOGRAFI PADA LENGAN UNTUK MENGGERAKKAN LENGAN ROBOT DENGAN 3 DOF (DEGREE OF FREEDOM)

Safarudin Basri, Paulus Susetyo W, ST, Ir. Rika Rokhana, M.T, Ir. Kemalasari, M.TJurusan Teknik Elektronika, Politeknik Elektronika Negeri Surabaya

Kampus PENS-ITS Sukolilo,Surabaya

Abstrak – Otot adalah bagian tubuh manusia yang berfungsi dalam sistem gerak. Electrmography berfungsi untuk mendeteksi adanya potensial listrik yang dihasilkan pada saat otot kontraksi dan relaksasi sehingga dapat digunakan untuk mengendalikan sistem. Makalah ini akan memanfaatkan sinyal EMG untuk menggerakkan lengan robot. Level tegangan dari sinyal elektromiografi berkisar antara 100μV hingga 90mV. Pengolahan sinyal electromyography menggunakan bandpass filter FIR (Finite Impuls Response) dengan teknik windowing hamming. Penggunaan jenis filter ini dimaksudkan untuk melewatkan sinyal yang memiliki frekuensi antara fc1 dan fc2 sehingga noise artifact yang muncul dapat difilter dan diperoleh sinyal yang lebih stabil.

I. PENDAHULUAN1.1 Latar Belakang

Perkembangan ilmu pengetahuan dan teknologi saat ini berjalan cepat dan berdampak pada perkembangan teknologi khususnya di bidang elektronika, utamanya biomedical engineering. Penelitian tentang EMG (Electromyography) yang merupakan salah satu dari ilmu biomedical engineering itu sendiri telah berkembang cepat. Penelitian tentang EMG untuk aplikasi biosignal dalam kontrol buatan pada manusia maupun untuk mendeteksi kelainan aktifitas otot. Hal ini disebabkan karena adanya gerakan tubuh baik secara periodic maupun non periodik yang membangkitkan sinyal elektrik.

Pada tugas akhir kali ini, mencoba meneliti dan memanfaatkan sinyal elektrik yang ada di dalam tubuh manusia agar dapat digunakan sebagai input untuk menggerakkan lengan robot. Munculnya sinyal elektrik ini dibangkitkan oleh aktifitas neuromuscular.

Pada tugas akhir ini sinyal yang dihasilkan otot direkam dengan metode surface EMG, karena bersifat non – invasive (tidak melukai), sehingga sangat aman. Perekaman sinyal dilakukan melalui rangkaian instrumentasi dan mengacu pada perekaman sinyal oleh BIOPAC MP – 30 yang merupakan alat standart perekaman sinyal yang memiliki tingkat keakuratan yang baik. Hasil perekaman sinyal oleh rangkaian instrumentasi ini akan diolah menggunakan beberapa metode pengolahan sinyal sehingga dapat diidentifikasi karakteristik tiap – tiap sinyal yang kemudian diharapkan dapat digunakan sebagai input untuk menggerakkan robot lengan.

II. TINJAUAN PUSTAKA

2.1 Otot Manusia Unit motor adalah motoneuron bersama dengan

axon dan seluruh serabut otot yang diinervasinya. Pada saat sebuah motoneuron beraksi, seluruh serabut otot yang diinervansinya berkontraksi. Satu serabut saraf dapat menginervasi banyak serabut otot karena axon mempunyai banyak cabang. Sehingga dapat disimpulkan bahwa psikologi kontraksi otot dikontrol oleh:

a. Aktifitas dari motor unit dengan otot.b. Mengontrol frekuensi dari rangsangan

motor neuron dari masing – masing motor unit.

Tabel 2.1 Otot yang digunakan [11]Gerakan Otot

Abduksi DeltoidSupraspinatus

Adduksi Coracobrachialis

Ekstensi Teres MajorLatissimus Dorsi

Fleksi Pectoralis Major

Externa R InfrapinatusTeres Minor

Internal R Subcapularis

(a) (b)

(c)Gambar 2.2 (a) Gerak extensi dan flexi pada shoulder joint, (b) Gerak

extensi dan flexi pada elbow joint, (c) Gerak abduction dan adduction pada shoulder joint.

2.2 Sinyal ElektromiografiElektromiografi adalah suatu sistem pemetaan

sinyal bioelektrik tubuh. Singyal bioelektrik tubuh tersebut dihasilkan oleh suatu kontraksi otot yang disebabkan oleh depolarisasi serat – serat otot. Sinyal EMG mempunyai sifat random karena bergantung pada ukuran, bentuk, dan penempatan electrode pada permukaan dari bagian yang akan diuji.

Sinyal EMG mempunyai rentang amplitude sebesar 0 – 10mV, dengan dominan pada 200 – 400uV. Sinyal EMG mempunyai rentang frekuensi yang lebar antara 20Hz – 500Hz, sehingga diperlukan rangkaian amplifier dengan penguatan yang besar dan mempunyai Common Mode Rate Ratio (CMRR) yanga baik serta rangkaian band pass filer (BPF). Frekuensi cut off low 20 Hz digunakan untuk menapis gerakan dari artifak pada saat melakukan gerakan tubuh. Frekuensi cut off high 500Hz digunakan untuk menapis frekuensi tinggi.

Dengan menggunakan parameter amplitude tegangan yang dihasilkan oleh otot, maka diperlukan amplifier untuk menguatkannya.

2.3 Noise ArtifactNoise Atifact adalah sinyal atau kumpulan sinyal

yang dihasilkan secara teknis maupun pengganggu lain yang tidak disebabkan oleh aktifitas otak. Beberapa artifact yang muncul, yaitu:

1) 50 – 60 Hz power line interferenceArtifact ini adalah paling umum. Hal ini terjadi karena adanya transmisi dari peralatan listrik. Dengan menggunakan filter jenis notch filter dalam perangkat lunak, dapat digunakan untuk menghilangkan noise ini.

Gambar 2.4 50 – 60 Hz power line interference [3]

2) EKG artifact

Sinyal yang dihasilkan oleh jantung dan dapat terekam pada saat pengukuran sinyal EMG.

Gambar 2.5 EKG Artifact [3]

3) Movement artifactArtifact ini terjadi ketika objek bergerak dan elektroda terganggu atau terjadi penarikan pada kabel. Elektroda harus ditempatkan secara langsung dengan kulit dan kabel harus dikencangkan untuk menghindari artifact. Filter (hardware atau software) dapat diaplikasikan untuk menghilangkan artifact.

Gambar 2.6 Movement Artifact [3]

4) DC offsetHasil dari perbedaan potensial aksi antara kulit dan elektroda – elektroda.

5) Muscle crosstalkHasil dari sinyal – sinyal yang dihasilkan oleh otot – otot lain selain otot yang bersangkutan..

2.5 RMS, TURNS COUNT, ENVELOPEThe root mean-squared value adalah root mean

squared dari raw signal (sinyal asli EMG) dan merepresentasi mean power dari sinyal. Hal ini berguna saat mempelajari waktu pengaktivan otot dan untuk mengukur level aktivasi otot seperti level istirahat atau menghitung kekuatan yang dibangkitkan otot. Nilai RMS dari suatu sinyal x(n) durasi total N sample adalah

RMS=( 1N

∑n=0

N−1

x2 (n ))12

Tetapi untuk perhitungan tingkat sinyal (yang berhubungan dengan kekuatan), bagaimanapun tidak dapat digunakan dalam analisa sinyal nonstationary. Jalannya pehitungan nilai RMS dari sinyal yang terkomputasi melebihi M sampel, maka

RMS=[ 1M

∑k=0

M−1

x2(n−k )]12

durasi dari window M membutuhkan pemilihan yang sesuai dengan bandwith sinyal, dengan M << N.Merode Turns Count serupa dengan mengcounting nilai point dengan cara random. Metode ini sangat signifikan

pada perubahan fase. Envelope digunakan untuk memperoleh nilai absolute dari sinyal dengan mengikuti Butterworth Low Pass Filter orde N=8 dan frekuensi cutoff fc = 8 Hz.

III. PERANCANGAN DAN PEMBUATAN ALAT3.1 Rangkaian Instrumentasi

Rangkaian instrumentasi ini dirancang dengan penguatan sebesar 100kali. Jika ingin memperbesar nilai penguatan cukup dengan mengubah nilai dari komponen yang mempengaruhi nilai penguatannya.Agar sinyal noise tidak lebih besar dari sinyal Electromyography maka diperlukan konfigurasi pendeteksian secara differensial. Teknik rangkaian diferensial ditunjukkan pada gambar 3.1.

U1A3

2

11

4

1

U1B

3

2

11

4

1

R5

R6

R7

7

5

v1v1

v2v2

v1av1a

v2av2a

U1C

3

2

11

4

1

R1

R2

R3

R4

Output

Out put

3

0

2

v1av1a

v2av2a

Gambar 3.1 Rangkaian pada tiap amplifier

Gain=1+( R 5R 6

+ R 7R 6 )… ……….(4)

100=1+( 2 RR 6 )

100=1+( 2 x 47 k ΩR 6 )

R 6=2 x 47 k Ω100−1

R 6=949.494 k Ω

Gain= R 2R 1

Dimana R1 = R2 = R3 = R4 = R5 = R6 = R7 = R = 47KΩ

3.2 Rangkaian FilterKarena frekuensi dari sinyal EMG memiliki berada

pada range frekuensi tertentu yaitu 20Hz – 500Hz, maka filter pertama yang digunakan adalah rangkaian filter Band Pass Filter.

U1A3

2

11

4

1

U1B3

2

11

4

1

R1V2

V3

R8

1

C1C2

4

5

0

0

R2

R7

8V4 0

12 11

0

C3 C4

R5 R6

R3 R4

10

9

22

3

6

0

0

Gambar 3.2 Rangkaian Band Pass Filter [13]

Karena frekuensi sinyal EMG melewati frekuensi dari jala – jala listrik maka diperlukannya frekuensi untuk menghilangkan frekuensi jala – jala listrik, yang sering kita sebut rangkaian Notch Filter.

C10.22uF-POL

C20.22uF-POL

C4

0.22uF-POL

C3

0.22uF-POL

R4

15.0k

R1

15.0k

R315.0k

R215.0k

1 2

Gambar 3.3 Rangkaian Notch Filter [13]

3.3 Mengurangi RFISolusi terbaik untuk mengurangi RF interference

adalah menggunkan differensial low pass filter. Low pass filter ini dapat melakukan tiga hal, yaitu: menghapus sebanyak mungkin energi RF dari input, menjaga keseimbangan sinyal ac antara jalur dan ground, menjaga impedansi input yang tinggi atas pengukuran bandwith untuk menghindari loading sumber sinyal.

Gambar 3.4 Rangkaian penghilang RFI [10]

3.4 Perancangan SoftwareFlowchart sistem sebagaimana ditampilkan pada

gambar 3.5 menjelaskan proses sistem perangkat lunak secara keseluruhan, yaitu dimulai dari pengambilan sinyal EMG menggunakan rangkaian instrumentasi. Karena

terdapat tiga titik perkaman sinyal elektromiografi maka terdapat 3 penguat instrumentasi untuk merekamnya dan dilakukan pemilihan sinyal di dalam IC Multiplexer. Kemudian data perekaman sinyal akan difilter menggunakan filter digital dan di ekstraksi sehingga diperoleh nilai output yang dapat diproses dan ditampilkan pada visual basic

Gambar 3.5 Flowchart Software Sistem [8]

IV. PENGUJIAN PERANGKAT KERAS4.1 Rangkaian Instrumentasi

U1A3

2

11

4

1

U1B

3

2

11

4

1

U1C

3

2

11

4

1

R1 R2

R3 R4

R5

R6

R7

1

4

7

5

0

V3

V410

11

0

0

3

2

OutputOut put

Gambar 4.1 Rangkaian Instrumentasi

Terdapat tiga titik pengambilan sinyal elektromiografi. Berdasarkan tabel 2.1 elektrode – elektrode ditempelkan untuk merekam sinyal elektromiografi.Berikut adalah hasil dari perekaman sinyal elektromiografi,

Gambar 4.2 Output dari perekaman pada gerak flexi dan ektensi pada elbow joint

Gambar 4.3 Output dari perekaman pada gerak abduksi dan adduksi pada shoulder joint

4.2 Rangkaian Op – Amp

U1A

TL084CN3

2

11

4

1

U1B

TL084CN3

2

11

4

1

R1

10.0kR2

10.0k

R5

20.0kR6

20.0k1

5 Out put

R910.0k

9

R1010.0k

10

0

OutputOut put

InputI nput

Gambar 4.3 Rangkaian Op – Amp

Tabel 4.1 Output Rangkaian Op - Ampfrekuens

i Vin (mV) Vout Gain

10 150 563 3.75333320 150 563 3.75333330 150 568 3.78666740 150 563 3.75333350 150 566 3.773333

4.3 Rangkaian Band Pass Filter

U1A3

2

11

4

1

U1B3

2

11

4

1

R1V2

V3

R8

1

C1C2

4

5

0

0

R2

R7

8V4 0

12 11

0

C3 C4

R5 R6

R3 R4

10

9

22

3

6

0

0

Frekuensi Vin (mV) Vout (mV)0 152 335 152 64

10 152 11915 152 20220 152 26430 152 319

100 152 347200 152 264350 152 300400 152 319450 152 180550 152 136600 152 117700 152 78750 152 44

V. KESIMPULAN

Sinyal elektris otot yang diperoleh masih belum stabil karena adanya noise baik dalam rangkaian maupun dari pengaruh luar.

Dari hasil pengukuran rangkaian instrumentasi EMG menggunakan parameter tegangan yang diperoleh bahwa besar tegangan sinyal EMG dipengaruhi oleh efek pembebanan atau kontraksi otot.Sehingga diperoleh relasi antara aktivitas otot dan sinyal elektris yang dihasilkan. Semakin besar kontraksi otot maka semakin besar tegangan yang dihasilkan oleh keluaran rangkaian instrumentasi.

DAFTAR PUSTAKA

1. Selected Topics in Surface Electromyography For Use in The Occupation Setting: Expert Perspectives, U.S. Department of Health And Human Services, National Institute for Occupational Safety and Health.

2. http://en.wikipedia.org/wiki/ Driven_right_leg_circuit.

3. Quach, Jee Hong. 2007. Surface Electromyography: Use, Design & Technological Overview. Concordia University.

4. De Luca, Carlo J. 1993. The Use of Surface Electromyography in BioMechanics. NeuroMuscular Research Center, Boston University.

5. Kim, Jonghwa., Mastnik, Stephan., Andre, Elisabeth., 2008. EMG – Based Hand Gestured Recognition for Realtime Biosignal Interfacing. Lehrstuhl fur Multimedia Konzepte und ihre Anwendungen Eichleinerstr. Augsburg. Germany.

6. Saravanan, N. and Kazi M.S., Mr. Mehboob., Biosignal Based Human – Machine Interface for Robotic Arm. Madras Institute of Technology.

7. Crawford, B., Miller, K., Shenoy, P., Rao, R., 2005. Real Time Classification of Electromyographic Signal for Robotic Control. Department of Computer Science. University of Washington. United State of America.

8. Susianti, M., 2009. Identifikasi Sinyal Electromyography (EMG) Pada Gerak Ekstensi – Flexi Siku Dengan Metode Konvolusi dan Jaringan Saraf Tiruan Untuk Input Robot Lengan. Politeknik Elektronika Negeri Surabaya – Institut Teknologi Sepuluh Nopember. Surabaya.

9. Kitchin, Charles and Counts, Lew. 2006. A Designer’s Guide to Instrumentation Amplifier. Third Edition. Analog Device. United State of America.

10. Active Filter Design Techniques. Texas Instrument11. http://binhasyim.wordpress.com/2008/04/04/

fungsi-unit-motor-elektromiografi-bag4/12. Hamdy, Nadder. 2008. Applied Signal Processing:

Concept, Circuits, and Systems. CRC Press. London

13. Buku Diktat RE3, PENS - ITS