Game Simulasi Gerakan Pasien Cedera Bahu Menggunakan Jaringan Saraf Tiruan Backpropagation

Abstract

Bahu merupakan bagian dari lengan yang mudah mengalami cedera. Cedera pada bahu antara lain peradangan sendi, pergeseran tulang (dislokasi), dan bahu kaku (frozen shoulder) serta pasca stroke. Selain itu, penyebab bahu cedera karena olahraga yang menitikberatkan lengan sebagai tumpuan. Latihan terapi yang terjadwal merupakan upaya merehabilitasi bahu untuk memulihkan dan mengembalikan fungsi bahu. Namun kegiatan rehabilitasi medik memerlukan jangka waktu lama dan terkesan monoton yang berakibat menurunnya motivasi pasien dalam menjalani latihan terapi. Sementara itu, perkembangan teknologi yang memudahkan berbagai aspek kehidupan khususnya dibidang kesehatan menjadikan video game dan perangkat sensor Kinect dapat diterapkan sebagai media dalam simulasi latihan terapi cedera bahu. Penelitian ini telah membangun game simulasi sebagai visualisasi untuk mendukung latihan terapi cedera bahu dan kemampuan dalam memprediksi pemulihan cedera bahu pasien yang terbagi atas tiga kelas yaitu “Meningkat”, “Tetap”, dan “Menurun”. Pasien melakukan gerakan untuk mengontrol game dengan mengangkat lengan menjauhi garis tengah terhadap bidang frontal pada tubuh atau disebut sebagai gerakan Shoulder Active Abduction. Gerakan dilakukan oleh salah satu lengan cedera yang akan menghasilkan nilai sudut bervariasi dengan rentang 0°-180°. Gerakan yang dilakukan direkam sensor Kinect yang dapat memvisualisasikan peta gerakan kerangka tubuh atau disebut matchstick skeleton. Keluaran dari sensor Kinect berupa nilai koordinat yang direpresentasikan ke dalam nilai sudut. Data latih diperoleh dari lima naracoba yang menghasilkan nilai sudut berbeda. Nilai-nilai sudut dilakukan pelatihan menggunakan Backpropagation yang selanjutnya menghasilkan nilai akurasi. Hasil pelatihan dengan learning rate 0,01 menunjukan akurasi sebesar 82% untuk prediksi data yang sudah dilatih, sedangkan pengujian data baru menunjukan akuarasi sebesar 66,7%.