Yogyakarta, Oktober 2025 — Tim peneliti dari Departemen Teknik Elektro dan Informatika, Sekolah Vokasi Universitas Gadjah Mada, yang terdiri Hidayat Nur Isnianto sebagai dosen pembimbing dan Andi Baihaky sebagai mahasiswa peneliti, melakukan penelitian berjudul “Analisis Aktivitas Otot Menggunakan Metode Surface EMG Berbasis Myoware 2.0 Muscle Sensor.” Penelitian yang dilaksanakan sejak April hingga Oktober 2025 ini dilatarbelakangi oleh meningkatnya kebutuhan sistem monitoring aktivitas otot yang akurat, real-time, dan noninvasif, terutama pada bidang rehabilitasi medis dan ergonomi kerja. Metode pengukuran konvensional yang menggunakan perangkat laboratorium berbiaya tinggi sering kali tidak efisien, kurang portabel, serta tidak praktis digunakan di luar lingkungan klinis, sehingga diperlukan solusi berbasis sensor permukaan yang lebih mudah diimplementasikan.
Penelitian ini mengembangkan sistem pengukuran aktivitas otot menggunakan sensor Myoware 2.0 yang mampu merekam sinyal Surface Electromyography (sEMG). Sensor dipasangkan pada otot lengan subjek untuk merekam aktivitas listrik otot selama proses kontraksi dan relaksasi seperti pada gambar berikut.
Data yang diperoleh kemudian diolah menggunakan mikrokontroler Arduino dan dianalisis melalui ekstraksi fitur sinyal berbasis Root Mean Square (RMS) dan Mean Absolute Value (MAV). Analisis ini bertujuan mengukur intensitas aktivitas otot terhadap variasi gerakan yang menyerupai aktivitas ergonomis sehari-hari, seperti menggenggam, menekan, dan menahan beban ringan. Pendekatan ini memungkinkan sistem mengenali tingkat kontraksi otot dengan presisi tinggi tanpa perlu menggunakan metode invasif atau perangkat klinis berukuran besar.
Hasil pengujian menunjukkan bahwa intensitas sinyal EMG meningkat secara signifikan seiring peningkatan beban otot. Nilai RMS pada kondisi kontraksi maksimal tercatat naik lebih dari 300% dibandingkan kondisi relaksasi, yang menunjukkan korelasi kuat antara amplitudo sinyal dan aktivitas otot. Temuan ini divisualisasikan pada grafik berikut.
Analisis terhadap grafik menunjukkan bahwa sistem berbasis Myoware 2.0 Muscle Sensor mampu memberikan hasil pengukuran yang stabil, responsif, dan sesuai dengan pola aktivitas otot manusia. Teknologi ini memiliki potensi tinggi untuk diaplikasikan pada alat bantu rehabilitasi pasien cedera otot, perangkat latihan fisioterapi, maupun penelitian ergonomi kerja. Penelitian ini juga mendukung pencapaian Tujuan Pembangunan Berkelanjutan (SDGs), khususnya SDG 3 (Kehidupan Sehat dan Sejahtera) dan SDG 9 (Industri, Inovasi, dan Infrastruktur), dengan menghadirkan inovasi teknologi tepat guna yang mendukung transformasi digital di bidang kesehatan.
