Peneliti dari 51¶¯Âþ berhasil mengembangkan sistem kendali cerdas berbasis Online PID-Neural Network (PID-NN) untuk meningkatkan performa eksoskeleton rehabilitasi tungkai bawah. Riset ini merupakan kolaborasi antara tim Teknik Biomedis 51¶¯Âþ, Badan Riset dan Inovasi Nasional (BRIN), dan Swinburne University of Technology, Australia.
Eksoskeleton rehabilitasi tungkai bawah (Lower Limb Rehabilitation Exoskeleton / LLRE) adalah perangkat robotik yang membantu pasien dengan gangguan berjalan, seperti penderita stroke, cedera tulang belakang, atau ataksia. Perangkat ini bekerja dengan mengatur gerakan sendi panggul dan lutut agar menyerupai pola langkah alami manusia. Kunci keberhasilan eksoskeleton ini terletak pada sistem kendalinya”yakni kemampuan perangkat mengikuti lintasan gerak yang diinginkan secara presisi dan adaptif terhadap perubahan kondisi pasien.
Selama ini, sistem kendali yang umum digunakan adalah Proportional-Integral-Derivative (PID), karena strukturnya sederhana dan mudah diterapkan. Namun, PID memiliki kelemahan utama dalam menentukan nilai parameter yang optimal, terutama ketika sistem mengalami perubahan atau gangguan eksternal. Untuk mengatasi keterbatasan tersebut, tim peneliti mengusulkan pendekatan baru dengan mengombinasikan PID dan Neural Network (NN). Dalam sistem ini, jaringan saraf tiruan digunakan untuk menyesuaikan parameter PID secara online”artinya parameter dapat diperbarui secara otomatis selama sistem berjalan.
Metode penelitian ini diawali dengan pemodelan matematis eksoskeleton dua derajat kebebasan (2-DoF) yang merepresentasikan gerak sendi panggul dan lutut, lengkap dengan aktuator motor DC sebagai penggeraknya. Setelah itu, peneliti menentukan parameter awal PID menggunakan metode klasik Ziegler“Nichols. Data latih untuk jaringan saraf dibuat melalui simulasi menggunakan lintasan langkah manusia nyata dari basis data terbuka. Neural network kemudian dilatih menggunakan metode gradient descent with momentum backpropagation untuk menghasilkan pembaruan parameter PID yang adaptif.
Uji performa dilakukan dengan dua skenario: tanpa gangguan dan dengan gangguan eksternal berupa sinyal acak pada sistem. Hasil simulasi menunjukkan bahwa sistem PID-NN mampu memberikan kinerja lebih baik dibanding PID konvensional. Nilai Mean Squared Error (MSE), Root Mean Squared Error (RMSE), dan Mean Absolute Error (MAE) yang dihasilkan lebih rendah, baik pada sendi panggul maupun lutut. Hal ini menandakan pergerakan eksoskeleton lebih halus dan presisi dalam mengikuti lintasan langkah yang diinginkan, bahkan saat terjadi gangguan.
Namun, penelitian ini juga menemukan tantangan baru. Pada beberapa kondisi, sinyal kendali yang dihasilkan cukup besar dan dapat menyebabkan saturasi pada aktuator motor DC. Peneliti merekomendasikan penggunaan anti-windup compensator sebagai solusi pada penelitian lanjutan untuk menghindari ketidaksesuaian antara sinyal kendali perhitungan dan sinyal aktual yang diterima sistem.
Secara keseluruhan, penelitian ini menunjukkan potensi besar penggabungan kontrol PID dan kecerdasan buatan untuk teknologi rehabilitasi. Pendekatan Online PID-NN terbukti mampu meningkatkan adaptivitas sistem, sehingga eksoskeleton dapat menyesuaikan diri terhadap variasi kondisi pasien secara real-time. Dengan penyempurnaan lebih lanjut, sistem ini diharapkan dapat diaplikasikan secara klinis untuk mempercepat pemulihan pasien gangguan motorik melalui terapi berjalan yang lebih efektif, aman, dan cerdas.
Penulis: Prof. Dr. Khusnul Ain, S.T, M.Si.
Informasi detail dari riset ini dapat dilihat pada tulisan kami di:
Ummi Hanifah, Aura Adinda, Akif Rahmatillah, Imam Sapuan, Khusnul Ain, Harry Septanto, Rifai Chai, 2025, Online PID-neural network for tracking lower limb rehabilitation exoskeleton angular position, Bulletin of Electrical Engineering and Informatics, Vol. 14 (5), DOI: 10.11591/eei.v14i5.9395
