Stroke merupakan penyakit yang banyak diderita oleh masyarakat. Menurut data Global Stroke Fact Sheet 2022 dari World Stroke Organization (WSO), stroke merupakan penyebab kematian terbanyak kedua di dunia dan penyebab kecacatan ketiga terbanyak di dunia. Perkiraan kerugian global akibat stroke telah meningkat secara signifikan, dengan peningkatan sebesar 70% pada insiden stroke, peningkatan sebesar 43% pada kematian terkait stroke, peningkatan sebesar 102% pada stroke umum, dan peningkatan sebesar 143% pada tahun hidup yang disesuaikan dengan disabilitas (DALYs). Gangguan motorik yang dialami pasien stroke sebagai penyebab utama kematian dan kecacatan juga berdampak pada kualitas hidup mereka. Hal ini secara substansial dapat mempengaruhi kualitas hidup seseorang, baik secara bijaksana maupun finansial. Rehabilitasi pasca stroke sangat penting dalam membantu penderita stroke untuk mendapatkan kembali fungsi fisik yang hilang atau terganggu akibat kerusakan otak yang disebabkan oleh stroke. Peningkatan fungsi motorik pada pasien stroke setelah rehabilitasi mungkin dapat dianggap sebagai ukuran keberhasilan rehabilitasi. Karena sifatnya sebagai sinyal otot yang kompleks, sinyal Elektromiograf (EMG) dapat menjadi salah satu penanda dalam rehabilitasi dan pengganti yang dapat digunakan untuk menilai keberhasilan rehabilitasi. Rekaman EMG ini akan mengungkap informasi tentang aktivasi otot sistem saraf; semakin banyak otot berkontraksi, semakin banyak potensial aksi yang tercatat, dan semakin tinggi nilai EMG. Penelitian ini bertujuan untuk menganalisis kompleksitas sinyal EMG yang berasal dari fleksi otot fleksor karpi radialis dengan berbagai bobot yang menunjukkan keadaan rehabilitasi. Penting untuk memantau kemajuan rehabilitasi, yang dapat dilakukan dengan menggunakan analisis kompleksitas.
Karya ini mengkaji kompleksitas EMG dengan menggunakan pengukuran entropi yaitu Approximate Entropy (ApEn), Sample Entropy (SampEn), dan Fuzzy Approximate Entropy (fApEn). Kami berkonsentrasi pada otot fleksor karpi radialis menggunakan latihan fleksi-ekstensi dan memvariasikan beban beban. Sebelum mengukur kompleksitas sinyal EMG, parameter fApEn dioptimalkan menggunakan sinyal simulasi yang disebutkan sebelumnya, yang telah memiliki kompleksitas berbeda berdasarkan probabilitas. Hasil dari metode fApEn adalah kontinuitas relatif, monotonisitas, dan konsistensi. Parameter n dan r dalam proses fApEn telah dioptimalkan, yang nantinya akan digunakan dalam sinyal EMG. Hasil perolehan data dari sinyal EMG masih banyak mengandung noise. Fungsi elektroda menyebabkan kondisi tersebut sebagai sensor terhadap berbagai bentuk artefak seperti baseline Wander, noise akibat pergerakan tubuh yang acak atau pergerakan elektroda itu sendiri, dan noise PLI. Langkah penyaringan menggunakan filter band-stop Butter-worth diterapkan untuk menghilangkan noise dari sinyal EMG.
Hasil penelitian ini menunjukkan adanya perbedaan kompleksitas sinyal EMG pada otot fleksor karpi radialis saat melakukan gerakan fleksi-ekstensi. Semakin berat beban yang dibawa, semakin tinggi sinyal EMG yang dihasilkan dan semakin luas jangkauan kontraksinya. Data ketegangan otot diperoleh dengan mengolah data sinyal EMG yang disaring menggunakan fApEn, ApEn, dan SampEn. Tiga perbedaan dikorelasikan berdasarkan nilai ApEN, SampEn, dan fApEn. Analisis Kompleksitas menggunakan fApEn menunjukkan korelasi terbaik pada R = 0,9966 yang dapat digunakan untuk mengevaluasi proses rehabilitasi. Peningkatan bobot tersebut diikuti dengan kenaikan nilai fApEn yang menunjukkan bahwa nilai tersebut dapat digunakan untuk menilai proses rehabilitasi. Kompleksitas sinyal EMG otot fleksor karpi radialis dengan tiga kondisi beban menunjukkan tren linier positif. Hasil ini sejalan dengan penelitian lain yang juga menunjukkan kompleksitas meningkat ketika kontraksi otot meningkat. Kontraksi otot yang lebih banyak menunjukkan laju pembakaran yang lebih besar pada unit motorik. Akibat juga terjadi jika unit motorik mengalami kondisi patologis, seperti pada pasien pasca stroke. Nilai fApEn pada sinyal EMG pasien pasca stroke lebih rendah dibandingkan sinyal EMG pada subjek sehat.
Informasi kompleksitas dapat digunakan sebagai alat untuk mengukur sinyal EMG. Penggunaan bobot yang berbeda digunakan untuk menunjukkan kondisi sinyal EMG yang semakin meningkat. Kondisi ini dapat menggambarkan kemajuan proses rehabilitasi. Rulaningtyas dkk. penelitian juga menunjukkan perilaku yang sama dengan penelitian ini. Mereka menunjukkan bahwa kompleksitas sinyal EMG pada pasien stroke lebih tinggi pada sisi yang tidak terkena dampak dibandingkan pada sisi yang terkena dampak. Analisis kompleksitas sinyal EMG dari gerakan fleksi pada fleksor karpi radialis dengan berbagai bobot dapat menunjukkan kemajuan rehabilitasi.
Penelitian ini telah dipublikasikan dalam Lecture Notes in Electrical Engineering, vol 1182. Springer, Singapore. Proceedings of the 4th International Conference on Electronics, Biomedical Engineering, and Health Informatics. ICEBEHI 2023.
Katherine et al. (2024). Entropy-Based Analysis of Electromyography Signal Complexity During Flexion of the Flexor Carpi Radialis Muscle Under Varied Load Conditions. In: Triwiyanto, T., Rizal, A., Caesarendra, W. (eds) Proceedings of the 4th International Conference on Electronics, Biomedical Engineering, and Health Informatics. ICEBEHI 2023. Lecture Notes in Electrical Engineering, vol 1182. Springer, Singapore.
Penulis: Alfian Pramudita Putra
