JTIM : Jurnal Teknologi Informasi dan Multimedia

Vol. 1, No. 2, Agustus 2019, hlm 143-149 e-ISSN:2684-9151

Pengembangan Sistem Pengendali Kursor Menggunakan

Sinyal Elektrookulogram (EOG)
(Development of Cursor Controller System based on Electrooculogram Signal)
Hasbian Fauzi Perdana[1], Fiky Yosef Suratman[2], Achmad Rizal[3]*

Fakultas Teknik Elektro

Universitas Telkom, Bandung, Indonesia
E-mail: [email protected][1] [fysuratman, achmadrizal]@telkomuniversity.ac.id[2][3]

KEYWORDS: ABSTRACT
Electrooculogram, Thresholding, Amyotrophic Lateral Sclerosis (ALS) is an illness due to lack of nourishment in human
Cursor, Motor Disability motoric nerves. This illness causes the sufferer a loss in motoric movement. Thankfully there
is still an organ that move well regardless the illness, and that is eye movement. Eye tracking
method have been applied to controlling computer. Majority of eye tracking methods are
divided into two methods, video-oculography (VOG), and electrooculography (EOG). VOG
used camera as video recorder and processed using image processing to track eye movement.
EOG used skin electrode that were usually used in electrocardiography, which could detect
electrical activity on the back of eye. The principle in this research is to design a cursor
controlling system using EOG sensor and classified the signal using simple thresholding
method. The result would be cursor movement based on eye movement. Purpose of this final
assignment is to design a cursor controlling system based EOG sensor. The experimental
results yield an accuracy of 98% for the cursor movement controlling. The system can control
the direction of the cursor's movement but cannot control other activities of the cursor.

KATA KUNCI: ABSTRAK

Elektrookulogram, Thresholding, Amyotrophic Lateral Sclerosis (ALS) adalah penyakit yang menyerang saraf motorik manusia
Kursor, Disabilitas Motorik sehingga penderitanya kehilangan kemampuan untuk menggerakkan anggota tubuhnya.
Namun penyakit ini tidak melumpuhkan semua bagian tubuh, mata masih bisa digerakkan
selayaknya pada biasanya. Komunikasi dengan komputer melalui gerakan mata menjadi
salah satu solusi agar penyandang disabilitas dapat mengendalikan kursor komputer. Teknik
pelacak gerakan mata yang telah diaplikasikan dibagi menjadi videookulografi (VOG) dan
elektrookulografi (EOG). VOG mendeteksi gerakan mata menggunakan kamera dengan
pengolahan citra. Sedangkan EOG menggunakan elektroda dan modul elektronika
terintegrasi untuk merekam aktivitas kelistrikan yang dihasilkan ketika mata digerakkan.
Prinsip kerja sistem pengendali kursor menggunakan sinyal EOG ini adalah dengan
mengakuisisi sinyal elektrookulogram kemudian sinyal tersebut diklasifikasikan
menggunakan metode threshold sehingga kursor dapat digerakkan berdasarkan pola sinyal
EOG. Tujuan dari penelitian ini adalah untuk merancang sistem bagi penyandang disabilitas
agar dapat menggerakkan kursor komputer berbasis sensor EOG. Hasil percobaan
menghasilkan akurasi 98% untuk pengenalan pergerakan kursor. Sistem yang dibangun baru
bisa mengendalikan arah pergerakan kursor belum bisa mengendalikan aktifitas lain dari
kursor.

I. PENDAHULUAN seluruh tubuh sulit digerakkan secara sengaja,

Amyotrophic Lateral Sclerosis (ALS) adalah salah kecuali gerakan mata [1]. Salah satu solusi dari
satu penyakit sistem saraf motorik yang permasalahan komunikasi penderita disabilitas ialah
menyebabkan kelumpuhan. Penyakit ini dengan komunikasi berbasis komputer. Komunikasi
mempengaruhi fungsi kerja saraf dan otot motorik berbasis komputer memungkinkan penderita
tubuh, sehingga hampir semua otot motorik di

* Penulis Korespondensi (Achmad Rizal)

Email : [email protected] 143
144 JTIM : Jurnal Teknologi Informasi dan Multimedia, Vol. 1, No. 2, Agustus 2019, hlm. 143-149

disabilitas motorik dapat berkomunikasi melalui

komputer.

Pengonversi
Penguat
Mata Elektroda Filter Analog ke
Instrumentasi
Digital

Gbr 1. Diagram blok sistem penggerak kursor menggunakan sinyal EOG

Fokus dari penelitian ini ialah bagaimana akibat aktivitas listrik yang terjadi pada permukaan
penderita dapat berinteraksi dengan komputer kulit disekitar mata [3].
menggunakan gerakan mata. Teknik pendeteksi Sinyal EOG memiliki karakteristik amplitudonya
gerakan mata yang sudah ada saat ini adalah teknik berkisar antara 0 – 3,5 mV dan frekuensi kerja antara
pendeteksi gerakan mata berbasis video-okulografi 0,1 – 30 Hz [3]. Untuk itu sinyal perlu diberi
(VOG) dan berbasis elektrookulografi (EOG) [2]. penguatan dan filter sebelum dibaca mikrokontroler.
Pada VOG, kamera digunakan untuk merekam satu
B. Elektroda
atau kedua mata kemudian dengan algoritma
pendeteksi gerakan mata, mata dapat terekam. Elektroda berfungsi untuk mengubah arus listrik
Sedangkan EOG menggunakan sensor biopotensial dari pergerakan ion menjadi pergerakan elektron.
yang mendeteksi biopotensial pada sekitaran mata Elektroda yang digunakan biasanya terdiri Ag –
saat mata digerakkan. AgCl, elektrolit dan perekat untuk mengkonversi
Pada penelitian ini dikembangkan sistem kendali biopotensial menjadi tegangan yang bisa diolah
kursor berdasarkan sinyal EOG. Pendeteksi gerakan secara elektrik biasa. Gbr 2 menampilkan elektroda
mata yang digunakan adalah sensor EOG karena yang digunakan dan peletakan elektroda untuk
beberapa fiturnya, diantaranya adalah perekaman akusisi sinyal EOG.
sinyal EOG yang real-time memungkinkan respon
pengendalian komputer lebih cepat. Dari pengujian
didapatkan bahwa system yang dikembangkan dapat
menggerakkan kursor sesuai dengan pergerakan bola
mata.
II. METODE DAN BAHAN

Diagram blok sistem yang dibangun seperti

ditunjukkan pada Gbr 1. Sinyal EOG diakusisi
menggunakan elektroda. Selanjutnya sinyal keluaran
dari elektroda dikuatkan menggunakan penguat (a) (b)
instrumentasi. Pada tahap berikutnya sinyal difilter
untk menghilangkan derau. Sinyal yang telah difilter Gbr 2. (a) Elektroda sekali pakai [4] (b) Posisi Peletakan
menjadi sinyal masukan bagi ADC untuk Elektroda [5]
selanjutnya diolah secara digital. C. Penguat Instrumentasi
A. Elektrookulografi Penguat instrumentasi adalah penguat differensial
Elektrookulografi adalah salah satu teknik yang mampu meredam derau sekaligus memperkuat
pengukuran pola kelistrikan yang terjadi dari sinyal. Penguat instrumentasi memegang peranan
pergerakan mata [1]. Hasil pengukuran sinyal sangat penting dalam sistem penguat sinyal
disebut elektrookulogram. EOG dikategorikan biopotensial karena sifat sinyal yang merupakan
sebagai salah satu biosinyal karena EOG terjadi sinyal diffenesial. Seperti pada Gbr 2(b), sinyal yang
 JTIM : Jurnal Teknologi Informasi dan Multimedia, Vol. 1, No. 2, Agustus 2019, hlm. 143-149 145

dikuatkan adalah selisih tegangan dari titik A dan B, rangkaian IC INA128 tersebut menghasikan
dan selisih tegangan antara titik C dan D. penguatan sebesar 50x

D. Filter
Filter berfungsi untuk membatasi lebar pita dari
sinyal yang akan diolah sekaligus untuk meredam
atau menghilangkan derau. Seperti dijelaskan
sebelumnya, sinyal EOG memiliki lebar pita 0,1 – 30
Hz sehingga diperlukan sebuah filter bandpass untuk
membatasi sinyal keluaran dari penguat
instrumentasi. Filter membatasi lebar pita dari sinyal
masukan bagi analog-to-digital converter (ADC)
Gbr 4 Desain penguat instrumentasi
untuk menghindarkan sistem dari aliasing [4].
E. Signal Thresholding Karena rentang yang dibutuhkan hanya dari 0,1-30
Setelah dilakukan proses konversi anatog ke Hz, dibutuhkan band pass filter (BPF) yang terdiri
digital, pada sinyal dilakukan kalsifikasi untuk dari LPF dan HPF. Desain filter BPF pada penelitian
menentukan sinyal menunjukan gerakan bola matas ini seperti pada Gbr 5.
ke atas-bawah atau kiri-kanan. Proses klasifikasi
sinyal pada penelitian ini menggunakan thresholding
sinyal. Signal thresholding mengklasifikasi sinyal
berdasarkan nilai ambang batas, kategori sinyal yang
belum melewati ambang batas berbeda dengan
sinyal yang telah melewati ambang batas

signal thresholding
(a)

signal threshold

Gbr 1 contoh signal thresholding (b)

Gbr 5 (a) rangkaian HPF orde 1, (b) rangkaian LPF orde 3
III. HASIL DAN DISKUSI
A. Perangkat Keras
Seperti telah dijelaskan sebelumnya, sensor EOG
yang digunakan adalah sensor elektroda sekali pakai
dengan konfigurasi seperti pada Gbr 2. Sementara itu
desain penguat instrumentasi yang digunakan
ditampilkan pada Gbr 4.
Penguat instrumentasi yang dirancang diatur (a)
sehingga nilai-nilai komponen diperoleh dari
146 JTIM : Jurnal Teknologi Informasi dan Multimedia, Vol. 1, No. 2, Agustus 2019, hlm. 143-149

sebanyak 10 kali, perekaman kempat saat keadaan

mata bergerak ke kanan kemudian kembali
ketengahsebanyak 10 kali, perekaman kelima saat
keadaan mata bergerak ke kiri kemudian kembali
ketengah sebanyak 10x.
Setelah direkam, data sampel dibagi menjadi 2
bagian, 5 sampel untuk data latih, dan 5 sampel lagi
(b) untuk data uji. Data latih digunakan untuk mencari
nilai threshold berdasarkan distribusi sinyal EOG di
Gbr 6 (a) penguat akhir, (b) rangkaian clamper setiap gerakannya. Sedangkan data uji digunakan
untuk menguji apakah threshold yang di tetapkan
Setelah difilter sinyal EOG akan dikembali dari data latih sudah paling optimal atau belum.
dikuatkan menggunakan penguat akhir agar level Bentuk penempatan elektroda dan tampilan gerakan
tegangannya masuk dalam rentang tegangan kursor akibat sinyal EOG di layar monitor seperti
masukan ADC. Sebelum masuk ADC, level pada Gbr 7. Video direkam menggunakan aplikasi
tegangan dari sinyal keluaran digeser agar menjadi Loom yang merupakan add-on dari google chrome.
positif. Rangkaian penguat akhir dan penggeser
tegangan (clamper) ditampilkan pada Gbr 6.
Untuk antarmuka sinyal EOG analog dengan PC
digunakan Arduino untuk proses konversi analog ke
digital. Baud rate yang digunakan sebesar 115200.
Berikut ini pseudocode program di Arduino:
1. Baca nilai analog dari 2 kanal sensor EOG
2. Apabila nilai analog kanal horizontal melebihi
threshold ke kanan, label output “4”
3. Apabila nilai analog kanal horizontal melebihi
threshold ke kiri, label output “5”
4. Apabila nilai analog kanal vertikal melebihi
threshold ke atas, label output “1” Gbr 7 Lokasi pemasangan elektroda dan pengujian gerakan
kursor
5. Apabila nilai analog kanal vertikal melebihi
threshold ke bawah, label output “2”
Selain diuji secara visual, sinyal EOG juga
6. Apabila nilai analog kanal vertikal dan horizontal
direkam untuk pengolahan sinyal berikutnya.
tidak melebihi threshold manapun, label output
Contoh hasil perekaman sinyal EOG seperti
“3”. ditampilkan pada Gbr 8. Potongan data latih setiap
gerakan dapat dilihat di Gbr 7, pemotongan
Nilai threshold yang digunakan akan dicari melalui dilakukan kurang dari 1000 data pertama dari total
percobaan dengan memperhatikan akurasi deteksi data yang mencapai kurang lebih 50000.
arah gerakan bola mata yang direpresentasikan oleh
sinyal EOG.
Data Latih Ke Bawah
B. Pengolahan Sinyal EOG
Pada pengujian 10 orang sampel diminta untuk
direkam sinyal EOG nya. Setiap sampel melakukan
perekaman sebanyak 5 kali. Perekaman pertama saat
keadaan mata tidak bergerak dan tetap berada
ditengah, perekaman kedua saat keadaan mata
bergerak ke atas kemudian kembali ketengah
sebanyak 10 kali, perekaman ketiga saat keadaan ch.horizontal ch.vertikal
mata bergerak ke bawah kemudian kembali ketengah
(a)
 JTIM : Jurnal Teknologi Informasi dan Multimedia, Vol. 1, No. 2, Agustus 2019, hlm. 143-149 147

Data Latih ke Atas Data Latih Diam

ch.horizontal ch.vertikal

(b)
ch. Horizontal ch. Vertikal

Data Latih ke Kiri (e)

Gbr 8 Potongan data latih saat keadaan melihat ke bawah, ke
atas, ke kiri, ke kanan, dan saat keadaan diam

ch. Horizontal ch. Vertikal

(c)

Data Latih ke Kanan (a)

ch. Horizontal ch.Vertikal

(d)
(b)
Gbr 9 (a) Hasil plot histogram data horizontal (b) vertikal
(kanan)*warna merah mewakili gerakan ke kiri, warna hijau
mewakili gerakan ke kanan, sedangkan warna biru mewakili
ketika diam. hasil plot histogram data vertikal *warna merah
mewakili gerakan ke bawah, warna hijau mewakili gerakan ke
atas, sedangkan warna biru mewakili ketika diam
148 JTIM : Jurnal Teknologi Informasi dan Multimedia, Vol. 1, No. 2, Agustus 2019, hlm. 143-149

Tabel 1. Hasil Pengujian Nilai Threshold

Terdeteksi Akurasi (%) Terdeteksi Akurasi (%)
Threshold Threshold
Atas Uji Uji Uji Uji
Uji Kiri Uji Bawah Bawah Uji Kanan Uji Atas
Kiri Bawah Kanan Atas
510 51 56 98 88 490 52 114 96 0
520 51 50 98 100 480 52 45 96 90
530 50 50 100 100 470 52 22 96 44
540 51 50 98 100 460 52 14 96 28
550 51 50 98 100 450 51 12 98 24
560 53 56 94 88 440 54 11 92 22
570 54 53 92 94 430 59 11 82 22
580 41 64 82 72 420 62 10 76 20
590 40 62 80 76 410 57 7 86 14

Gbr 9 menampilkan hasil pengolahan data sinyal (EMG) [6]. Pada pengolahan sinyal EEG, sinyal
EOG untuk mencari nilai threshold dalam penentuan EOG menjadi noise yang cukup signifikan dimana
arah gerakan bola mata. Dari hasil plot sinyal tiap amplitude sinyal EOG yang lebih tinggi
kanal, dapat disimpulkan nilai threshold berada dibandingkan dengan sinyal EEG [7]. Untuk itu
diantara 400-500 dan 500-600. Untuk itu dilakukan diperlukan metode khusus untuk menghilangkan
pengujian sinyal dengan nilai threshold tersebut. sinyal EOG pada rekaman sinyal EEG [8].
Tabel 1 menampilkan akurasi dari percobaan Sementara itu pada pengolahan sinyal EMG, pada
penentuan threshold. Dari hasil pengujian yang kasus tertentu tidak semua pasien bisa menggunakan
diperoleh, diambil nilai threshold yang paling sesuai sinyal EMG utamanya pada pasien kelumpuhan total
dengan gerakan kursor dan memiliki akurasi yang [9]. Penggabungan beberapa sinyal sebagai sinyal
tinggi. Gerakan mata ke arah kiri diambil nilai masukan untuk penggerak kursor sebagai masukan
threshold 530 dengan akurasi jumlah gerakan kursor interaksi manusia dan komputer menjadi topik yang
yang terdeteksi sebesar 100%, gerakan mata ke arah menarik pada penelitian berikutnya.
kanan diambil nilai threshold 450 dengan akurasi Pada penelitian ini, klasifikasi gerakan bola mata
jumlah gerakan kursor yang terdeteksi sebesar 98%, hanya dilakukan menggunakan threshold pada kanal
gerakan mata ke arah bawah diambil nilai threshold yang terkait. Penggunaan machine learning untuk
550 dengan akurasi jumlah gerakan kursor yang klasifikasi gerakan bola mata bisa menjadi
terdeteksi sebesar 100%, dan gerakan mata ke atas pengembangan dari penelitian ini pada tahap
diambil nilai threshold 480 dengan akurasi jumlah selanjutnya [10].
gerakan kursor yang terdeteksi sebesar 90%.
Dari ujicoba yang telah dilakukan, sistem yang IV. KESIMPULAN
dibangun telah mampu menggerakkan kursor sesuai Pada penelitian ini dipaparkan tentang sistem
pergerakan bola mata. Perubahan pergerakan kursor penggerak kursor menggunakan sinyal EOG.
terjadi apabila terjadi perubahan arah arah gerakan Akurasi sistem dalam mengenali gerakan bola mata
bola mata. Kelemahan sistem yang dibuat adalah berkisar 90-100% dengan nilai threshold yang
belum dapat mengenali aktifitas lain selain berbeda-beda. Pada penelitian ini sinyal EOG hanya
pergerakan kursor. Aktifitas lain yang akan dicoba digunakan untuk menggerakan kursor ke berbagai
dikenali seperti ‘klik kiri’ atau ‘klik kanan’ sehingga arah. Penggunakan sinyal EOG untuk melakukan
lebih banyak interkasi antara pengguna dengan aktifitas yang lebih kompleks belum dilakukan.
komputer. EOG bisa menjadi pilihan untuk mode Pengenalan aktifitas yang berbeda untuk menambah
interaksi komputer dengan manusia karena interaksi antara pengguna dan komputer menjadi
kemudahan dalam akusisinya dibandingkan dengan topik penelitian yang menarik berikutnya mengingat
elektroensefalogram (EEG) atau elektromyogram terbatasnya bentuk sinyal EOG yang bisa dikenali.
 JTIM : Jurnal Teknologi Informasi dan Multimedia, Vol. 1, No. 2, Agustus 2019, hlm. 143-149 149

REFERENSI
[1] P. Zhang, M. Ito, S. I. Ito, and M. Fukumi,
“Implementation of EOG mouse using learning vector
quantization and EOG-feature based methods,” Proc. -
2013 IEEE Conf. Syst. Process Control. ICSPC 2013,
no. December, pp. 88–92, 2013.
[2] A. López, F. Ferrero, D. Yangüela, C. Álvarez, and O.
Postolache, “Development of a computer writing
system based on EOG,” Sensors (Switzerland), vol. 17,
no. 7, pp. 1–20, 2017.
[3] S. Hadiyoso and A. Rizal, Instrumentasi Biomedis
Berbasis PC, First edit. Yogyakarta: Gava Media, 2015.
[4] A. Rizal, Instrumentasi Biomedis, First edit.
Yogyakarta: Graha Ilmu, 2014.
[5] X. M. Pinos Eduardo, “Cursor Control System of a
Computer by Electro-Oculographs Signs for Motor
Disability,” IEEE Canada Int. Humanit. Technol. Conf.
-, vol. 2, 2014.
[6] M. Ahsan, M. Ibrahimy, and O. Khalifa, “EMG signal
classification for human computer interaction: a
review,” Eur. J. Sci. …, 2009.
[7] C. Burger and D. J. Van Den Heever, “Removal of
EOG artefacts by combining wavelet neural network
and independent component analysis,” Biomed. Signal
Process. Control, vol. 15, pp. 67–79, 2015.
[8] M. Dursun et al., “A new approach to eliminating EOG
artifacts from the sleep EEG signals for the automatic
sleep stage classification,” Neural Comput. Appl., vol.
28, no. 10, pp. 3095–3112, Oct. 2017.
[9] S. P. P. M, R. Swarnkar, M. F. Hashmi, and A. G.
Keskar, “Design and Implementation of a Speller based
on EMG Signal,” Int. J. Comput. Intell. Syst., vol. 10,
pp. 266–276, 2017.
[10] L. J. Qi and N. Alias, “Comparison of ANN and SVM
for classification of eye movements in EOG signals,” J.
Phys. Conf. Ser., vol. 971, no. 1, 2018.