Mahasiswa Ubaya Terapkan Sistem Artificial Intelligence pada Tangan Prostetik Sesuai Gerakan Otot

SURYA.co.id | SURABAYA - Mahasiswa Teknik Elektro Universitas Surabaya (Ubaya), Celvin, mengembangkan sistem kontrol tangan prostetik dengan penerapan teknologi artificial intelligence (AI).

Teknologi ini dapat membuat gerakan pada tangan protestik tersistem otomatis hanya dengan prediksi gerakan otot.

Tangan prostetik atau lebih dikenal tangan palsu adalah prototipe tangan manusia yang biasa digunakan oleh amputee atau individu yang mengalami amputasi tangan.

Celvin menerangkan inovasi sistem kontrol pada tangan prostetik yang diciptakannya menggunakan sinyal listrik yang dihasilkan otot bernama sinyal EMG (Elektromiografi).

Sinyal ini diproses oleh AI dan bertugas untuk memprediksi gerakan.

“Hasil dari prediksi tersebut kemudian dikirim ke tangan prostetik untuk digerakkan. Kondisi jari tangan prostetik yang bisa diprediksi yakni ‘menekuk’ dan ‘netral’,” jelasnya.

Mahasiswa lulusan SMA Methodist Binjai School itu menambahkan, sistem kontrol tangan prostetik ini diuji pada 19 gerakan tangan yang berbeda.

Hasilnya 13 dari 19 gerakan dapat diprediksi dengan baik, meskipun ada delay waktu sekitar 2-5 detik.

Gerakan tersebut seperti menggerakkan jari angka 1-5, mengangkat tiga jari sekaligus, dan lain-lain.

Gerakan juga bisa dimodifikasi sesuai dengan kebutuhan pengguna.

Gerakan jari yang dipredikasi sinyal EMG menggunakan AI.

“Selain itu, kelebihan dari inovasi ini adalah menggunakan multi-label classification yang artinya dapat memprediksi gerakan dari kelima jari secara independen. Berbeda dengan kebanyakan sistem sebelumnya yang hanya bisa memprediksi satu gerakan dalam satu waktu,” imbuhnya.

Kelebihan lainnya adalah penggunaan AI yang membuat tangan prostetik menjadi lebih canggih.

Saat ini inovasi tersebut masih bersifat sebagai penelitian tugas akhir.

Namun ke depannya, ia akan melakukan beberapa perkembangan pada inovasi ini.

Beberapa diantaranya adalah meningkatkan akurasi prediksi dari AI, meningkatkan variasi gerakan yang dapat diprediksi, serta mengurangi delay yang terjadi.

“Harapannya, individu yang mengalami amputasi pada lengan dapat kembali memiliki tangan yang dapat digerakkan sesuai dengan keinginan mereka,” pungkasnya.