Peneliti Kembangkan Kacamata Pintar Tanpa Baterai yang Memanfaatkan Energi Kedipan Mata
Perkembangan teknologi perangkat wearable kembali menghadirkan inovasi menarik melalui kacamata pintar tanpa baterai yang mampu memanfaatkan energi dari kedipan mata dan gerakan wajah manusia. Tim peneliti Northwestern University mengembangkan perangkat bernama GlassTENG, yaitu kacamata dengan sensor khusus yang menghasilkan sinyal listrik dari aktivitas alami wajah. Teknologi ini memungkinkan pemantauan kedipan, gerakan rahang, hingga denyut pembuluh darah tanpa membutuhkan baterai untuk mengoperasikan sensor utamanya. Penelitian yang diumumkan pada Oktober 2026 tersebut membuka peluang pengembangan perangkat kesehatan pintar yang lebih ringan, hemat energi, dan nyaman digunakan sepanjang hari tanpa harus bergantung pada pengisian daya sensor secara berkala.
Mengenal GlassTENG, Kacamata Pintar Tanpa Baterai Hasil Penelitian Northwestern
GlassTENG dikenal sebagai prototipe kacamata pintar yang memanfaatkan energi mekanis dari gerakan wajah. Pengembangan perangkat ini berada di bawah kepemimpinan Nivedita Arora, bersama Profesor Nabil Alshurafa dan sejumlah mahasiswa peneliti. Tidak seperti sebagian besar perangkat pemantau kesehatan elektronik, GlassTENG memanfaatkan aktivitas fisik untuk menghasilkan sinyal sensor. Pendekatan tersebut membantu menghadirkan sistem pengindraan hemat daya. Melalui rancangan inovatif ini, kacamata sehari-hari berpotensi menjadi perangkat pemantauan kesehatan.
Para ilmuwan yang terlibat memperkenalkan hasil penelitian melalui publikasi ilmiah berjudul GlassTENG: Self-Powered Triboelectric Nanogenerator Based Sensing of Pulse, Jaw, and Upper Facial Activity from Everyday Glasses. Penelitian ini termasuk dalam agenda ilmiah UbiComp/ISWC 2026 yang berfokus pada komputasi yang terintegrasi dengan aktivitas manusia. Salah satu tujuan utamanya adalah menciptakan sistem pengindraan yang lebih mudah digunakan setiap hari. Tim pengembang mempertimbangkan bahwa kacamata merupakan aksesori yang sudah digunakan banyak orang. Oleh karena itu, penambahan kemampuan pemantauan pada kacamata dapat menjadi solusi praktis.
Mekanisme Perubahan Gerakan Wajah Menjadi Sinyal Listrik
Teknologi inti pada kacamata pintar tersebut adalah triboelectric nanogenerator atau TENG, yaitu perangkat yang memanfaatkan efek triboelektrik. Mekanisme dasarnya menggunakan efek listrik yang muncul ketika bahan bersentuhan. Apabila dua material mengalami siklus sentuhan dan pemisahan, perbedaan muatan listrik dapat menghasilkan tegangan. Dalam rancangan kacamata tersebut, aktivitas wajah menyebabkan perubahan kontak antarmaterial. Aktivitas kontak dan pemisahan itu membentuk keluaran listrik yang menggambarkan pergerakan. Berkat prinsip ini, gerakan wajah menjadi sumber informasi sekaligus energi sensor.
Keunggulan dari pendekatan triboelektrik tersebut berasal dari penggunaan energi mekanis yang tersedia secara alami. Saat kelopak mata bergerak, tekanan kecil pada sensor menghasilkan perubahan tegangan. Gerakan lain seperti menggerakkan bagian dahi, mengunyah makanan, dan mengepalkan rahang juga menghasilkan pola listrik yang berbeda. Meskipun komponen pengindraannya bersifat mandiri, operasi keseluruhan sistem tetap bergantung pada rancangan rangkaian elektronik. Hal tersebut perlu diperhatikan ketika membahas konsep kacamata tanpa baterai.
Penempatan Sensor GlassTENG untuk Mendeteksi Kedipan serta Gerakan Rahang
Untuk memperoleh informasi yang lebih lengkap, para ilmuwan menggunakan tiga komponen pengindra fleksibel pada bagian tertentu dari struktur kacamata. Perangkat pendeteksi awal berada di area kacamata yang berdekatan dengan pangkal hidung untuk membaca kedipan, gerakan alis, dan denyut pembuluh darah. Sensor kedua ditempatkan pada area samping kepala sehingga berfungsi mengidentifikasi pergerakan rahang dan sinyal denyut. Pada bagian lainnya, komponen terakhir terletak di sekitar area telinga untuk mendeteksi tekanan akibat gerakan rahang. Kombinasi ketiganya menyediakan informasi mekanis dari beberapa area tubuh.
Dalam eksperimen yang dilakukan, respons sensor berubah sesuai jenis dan kekuatan gerakan. Gerakan halus akibat denyut arteri menghasilkan sinyal sekitar 50 hingga 100 milivolt. Untuk perubahan gerakan yang lebih jelas, pergerakan bagian atas wajah menghasilkan tegangan berkisar 200–500 milivolt. Gerakan rahang yang lebih kuat menunjukkan respons listrik sampai 1,5 volt. Karakteristik sinyal listrik tersebut memberikan informasi untuk membedakan gerakan. Meskipun nilai tegangan terlihat menarik, besar voltase tidak langsung menunjukkan kemampuan memasok daya besar.
Kemampuan Kacamata Pintar Mendeteksi Gerakan dengan Machine Learning
Dalam menguji kinerja sensor, tim pengembang melakukan percobaan bersama 20 partisipan. Individu yang mengikuti penelitian diminta menjalankan enam jenis aktivitas, yaitu melakukan gerakan kelopak mata, alis, rahang, ketukan gigi, aktivitas makan, dan percakapan. Pada setiap sesi pengamatan, perangkat mengumpulkan respons tegangan berdasarkan aktivitas wajah. Data tersebut kemudian dianalisis menggunakan algoritma machine learning. Tujuannya adalah mengidentifikasi karakteristik listrik masing-masing gerakan.
Hasil penelitian memperlihatkan, GlassTENG menunjukkan kemampuan pengenalan enam aktivitas dengan akurasi 93,8 persen. Pada beberapa kategori aktivitas, klasifikasi gerakan ketukan gigi menghasilkan akurasi 99 persen. Pada kategori lainnya, sistem menunjukkan tingkat pengenalan sebesar 96 persen pada aktivitas mengatupkan rahang. Angka tersebut memperlihatkan potensi penggunaan sinyal mekanis untuk klasifikasi perilaku. Kendati akurasinya cukup tinggi, hasil laboratorium masih membutuhkan validasi pada kelompok pengguna lebih beragam. Oleh karena itu, pengembangan berikutnya perlu menilai ketahanan sensor terhadap berbagai kondisi nyata.
Peluang Penggunaan Sensor Kedipan Mata bagi Kesehatan Sehari-hari
Salah satu potensi utama GlassTENG adalah pengenalan perilaku yang berkaitan dengan kondisi fisik pengguna. Untuk menggambarkan manfaat praktisnya, sistem berpotensi digunakan untuk memantau aktivitas rahang yang berulang. Perilaku mengatupkan rahang termasuk perilaku yang relevan dalam pemantauan bruxism, yaitu kondisi ketika seseorang mengatupkan atau menggeretakkan gigi secara tidak disengaja. Dengan penyempurnaan sistem analisis, kacamata berpotensi memberikan pengingat ketika perilaku tersebut terdeteksi. Meskipun peluang ini menarik, GlassTENG belum dapat dianggap sebagai alat diagnosis medis.
Tidak hanya berpotensi mengenali kebiasaan mengatupkan gigi, GlassTENG berpotensi membantu penelitian mengenai aktivitas wajah dan kondisi fisiologis. Fitur pengenalan aktivitas kelopak mata berpotensi digunakan sebagai indikator tambahan dalam pemantauan kondisi pengguna. Sementara itu, sensor pada area hidung dan pelipis dapat menangkap respons dari getaran pembuluh darah. Informasi tersebut berpotensi dimanfaatkan untuk pengembangan perangkat pengamatan kondisi tubuh. Dengan pengembangan yang memadai, kacamata sehari-hari dapat memiliki fungsi pengindraan tambahan. Perlu ditekankan bahwa, manfaat kesehatan perlu dibuktikan melalui penelitian yang lebih luas.
Masa Depan Kacamata Pintar Tanpa Baterai dengan Sensor Gerakan Wajah
Pengembangan GlassTENG menunjukkan kemajuan menarik dalam penelitian sensor elektronik berdaya sangat rendah. Dengan menggunakan triboelectric nanogenerator, kedipan mata serta gerakan wajah dapat menghasilkan sinyal listrik tanpa mengandalkan baterai konvensional dalam proses pendeteksian mekanis. Hasil pengujian terhadap 20 peserta menghasilkan ketepatan klasifikasi keseluruhan sebesar 93,8 persen. Hasil penelitian tersebut menjadi langkah awal menuju sistem wearable yang semakin efisien. Walaupun masih membutuhkan penyempurnaan, GlassTENG memperlihatkan potensi teknologi pengindraan mandiri. Bagaimana pandangan Anda, seberapa bermanfaat sensor kesehatan yang terintegrasi pada kacamata? Sampaikan pandangan melalui kolom komentar agar diskusi mengenai perkembangan teknologi wearable semakin menarik.
