Tim peneliti Departemen Pendidikan Teknik Elektronika dan Informatika yang tergabung dalam Grup Riset BRAINS mengembangkan sistem kendali smart home berbasis sinyal otak (EEG) untuk membantu penyintas stroke menjalankan aktivitas harian tanpa bergantung pada gerakan fisik. Riset berbasis model pengembangan 4D (Define–Design–Develope–Disseminate) ini memetakan gelombang otak menjadi perintah yang dapat menyalakan lampu, mengatur pendingin ruangan, hingga membuka pintu otomatis yang tentunya akan mendorong kemandirian dan kualitas hidup penyintas stroke di rumah. Dalam konteks masyarakat di Indonesia, urgensi solusi ini sangat kuat karena stroke masih menjadi penyebab kematian utama dan berdampak besar pada kemampuan fungsional pasien, sehingga teknologi antarmuka otak–komputer (BCI) non-invasif seperti EEG menjanjikan jalan keluar yang humanis dan inklusif.

Tim menyusun dataset internal terstandar berisi 576 trial dari 4 subyek sehat sebagai basis pengembangan algoritma, yang mencakup 12 kelas perintah (empat arah, empat warna, empat angka) dengan durasi imagery aktif 10 detik per trial. Protokol perekaman dilakukan di ruang terkendali, subyek menatap layar stimulus (panah, blok warna, digit besar) dan membayangkan perintah sesuai tugas, sementara detail kanal, impedansi, dan frekuensi sampel didokumentasikan dalam metadata. Dataset yang rapih dan teranotasi ini menjadi landasan untuk pra-pemrosesan, ekstraksi fitur temporal–spektral, hingga evaluasi model klasifikasi yang kelak diintegrasikan ke skenario smart home real-time.

Hasil uji menunjukkan model non-linear berbasis machine learning adalah algoritma kunci dalam membedakan sinyal otak dan mengubahnya menjadi sinyal kendali yang nantinya bisa diimplementasikan pada kendali smart home. Model non-linear yang diujikan jauh melampaui baseline model linear yang tertahan di kisaran 30-an persen. Secara operasional, kategori imajinari “angka” paling siap dijadikan empat perintah inti karena akurasinya tinggi dan seimbang di setiap kelas. Sedangkan imajinari kategori “arah” ideal untuk navigasi antarmuka. Kemudian untuk imajinari kategori “warna” layak digunakan sebagai kanal konfirmasi atau alternatif yang mudah diingat pengguna.

Pada perangkat keras, sistem memanfaatkan headset EEG NeuroSky MindWave yang terhubung nirkabel ke modul pemrosesan dan dapat diintegrasikan dengan perangkat Internet of Things rumah melalui protokol tertentu untuk eksekusi perintah. Penelitian dirancang multiyear: tahun pertama fokus pada pengembangan algoritma deteksi dan perancangan prototipe, dengan pengemasan dan implementasi luas pada fase berikutnya. Penelitian ini diharapkan dapat digunakan sebagai inovasi pengembangan BCI berbasis EEG ini dapat menjadi fondasi ekosistem rumah pintar yang inklusif shingga memungkinkan penyintas stroke mengakses kemandirian dari rumah, mempercepat rehabilitasi berbasis data, serta mendorong kolaborasi lintas disiplin antara kampus, rumah sakit, industri IoT, dan komunitas pasien. Ke depan, penelitian ini ditujukan untuk melahirkan standar dataset terbuka, uji coba klinis terkontrol bersama mitra layanan kesehatan, dan hilirisasi dalam bentuk prototipe siap pakai yang aman, terjangkau, dan mudah dioperasikan. Dengan dukungan pendanaan riset, kemitraan teknologi, dan keterlibatan pemangku kepentingan, kami menargetkan lahirnya produk berlisensi/paten dan spin-off rintisan yang dapat diadopsi luas, sehingga manfaatnya dirasakan nyata oleh keluarga dan tenaga rehabilitasi di seluruh Indonesia. (ANG, JUN)