Dr Diah Risqiwati ST MT saat memaparkan disertasinya pada Sidang Terbuka Doktor Departemen Teknik Elektro ITS

Kampus ITS, ITS News —Pemeriksaan kondisi otak menggunakan elektroensefalografi (EEG) dalam dunia neurosains kerap menghadapi tantangan akibat kompleksitas data. Hal tersebut mendasari salah satu doktor Institut Teknologi Sepuluh Nopember (ITS) Dr Diah Risqiwati ST MT dalam meneliti metode deteksi kondisi relaks berakurasi tinggi melalui analisis sinyal otak yang disebut Effective Relax Acquisition (ERA).  

Perempuan yang akrab disapa Kiki ini menjelaskan bahwa kondisi relaks merupakan faktor penting dalam terapi stres, kesehatan mental, dan peningkatan kualitas hidup. Di samping deteksi kondisi relaks secara fisik, penggunaan EEG kerap menjadi alternatif karena mampu mengukur gelombang aktivitas otak secara komprehensif. “Namun, data yang dihasilkan oleh EEG berdimensi tinggi sehingga proses klasifikasi data menjadi tantangan tersendiri,” ujarnya.

Guna menjawab tantangan tersebut, alumnus S2 Program Studi Telematika Departemen Teknik Elektro ITS ini mengembangkan konsep Effective Relax Acquisition (ERA). Metode tersebut menggunakan pendekatan seleksi fitur ruang dan waktu (spasio-temporal) dari sinyal EEG. “Karena kondisi relaks tidak hanya pada satu titik aktivitas otak, tetapi juga dalam berbagai area otak seiring waktu,” beber perempuan asal Malang ini.

Dr Diah Risqiwati ST MT sebagai penerima pendanaan riset Shibaura Institute Technology (SIT) Japan 2023

Dalam penerapannya, papar Kiki, metode ERA diawali dengan perekaman aktivitas otak menggunakan EEG. Perekaman berfokus pada gelombang Alpha yang merupakan indikator utama kondisi relaks. Data yang diperoleh selanjutnya diolah menggunakan metode Continuous Wavelet Transform (CWT) untuk menganalisis sinyal dalam domain waktu dan frekuensi secara rinci.

Lebih lanjut, istri dari Dr Hanugra Aulia Sidharta ST MMT ini menguraikan bahwa sinyal EEG yang telah diolah selanjutnya dipilah sesuai dengan karakteristik sinyal untuk kondisi relaks. Sistem mengenali pola perubahan aktivitas otak berdasarkan lokasi elektroda (spasial) dan perubahan gelombang dari waktu ke waktu (temporal). “Setelah itu, data diklasifikasikan menggunakan algoritma machine learning,” imbuhnya.

Adapun algoritma machine learning yang digunakan Kiki adalah model K-Nearest Neighbour (K-NN) dan Mamdani Intuitionistic Fuzzy Rules Set (MIFRS). Kedua model tersebut menghasilkan tingkat akurasi yang berbeda, yakni 90,63 persen untuk model K-NN dan 92,45 persen untuk model MIFRS. “Sehingga, penggunaan model MIFRS lebih disarankan pada metode ERA untuk hasil yang akurat,” terang penerima Beasiswa Pendidikan Pascasarjana Dalam Negeri (BPPDN) ini.

Dr Diah Risqiwati ST MT saat menghadiri Konferensi Flagship IEEE IEACON 2024

Ke depannya, dosen kelahiran 1982 tersebut berencana mengembangkan penelitian ini dengan menerapkan deep learning untuk menyederhanakan proses analisis sinyal EEG. Selain itu, ia juga berharap adanya kolaborasi dengan rumah sakit dan lembaga penelitian untuk mengimplementasikan sistem ini dalam dunia medis. “Supaya membantu terapi kesehatan mental dan pemantauan kondisi pasien secara real-time,” tuturnya penuh harap. 

Penelitian yang dikembangkan oleh Kiki ini turut mendukung pencapaian Sustainable Development Goals (SDGs) poin ketiga, yakni kehidupan sehat dan sejahtera. Dengan meningkatkan akurasi deteksi kondisi relaks berbasis analisis sinyal EEG, metode Effective Relax Acquisition (ERA) ini dapat berkontribusi dalam upaya pencegahan dan penanganan di bidang kesehatan mental sekaligus meningkatkan kualitas hidup masyarakat secara berkelanjutan. (*)

Reporter : Aghnia Tias Salsabila
Redaktur: Nurul Lathifah