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.
Teknologi Kacamata Pintar Tanpa Baterai yang Dikembangkan Para Peneliti
GlassTENG dikenal sebagai perangkat wearable berbentuk kacamata yang menggunakan aktivitas alami wajah sebagai sumber energi sensor. Penelitian tersebut dipimpin oleh Profesor Nivedita Arora, bersama Profesor Nabil Alshurafa dan sejumlah mahasiswa peneliti. Tidak seperti sebagian besar perangkat pemantau kesehatan elektronik, GlassTENG menggunakan gerakan tubuh sebagai sumber energi pengindraan. Konsep pengembangan ini bertujuan mengurangi kebutuhan energi eksternal. Berkat penerapan sistem tersebut, perangkat yang biasa dikenakan dapat memiliki kemampuan pengindraan tambahan.
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. Sasaran pengembangan perangkat ini adalah menciptakan sistem pengindraan yang lebih mudah digunakan setiap hari. Kelompok ilmuwan menyadari bahwa banyak pengguna terbiasa mengenakan kacamata dalam aktivitas harian. Oleh karena itu, integrasi sensor pada bingkai kacamata menjadi pendekatan yang menjanjikan.
Mekanisme Perubahan Gerakan Wajah Menjadi Sinyal Listrik
Komponen utama GlassTENG adalah triboelectric nanogenerator atau TENG, yaitu teknologi yang mengubah gerakan mekanis menjadi sinyal listrik. Mekanisme dasarnya memanfaatkan perpindahan muatan akibat kontak dua material. Apabila dua material mengalami siklus sentuhan dan pemisahan, terbentuk perbedaan potensial yang dapat diukur. Pada GlassTENG, aktivitas wajah menyebabkan perubahan kontak antarmaterial. Perubahan tersebut menghasilkan sinyal listrik yang dapat dianalisis. Dengan demikian, aktivitas alami manusia membantu mengoperasikan sensor yang mengukurnya.
Keunikan teknologi ini terletak pada kemampuan menghasilkan sinyal tanpa pasokan daya sensor konvensional. Saat kelopak mata bergerak, gerakan tersebut menimbulkan respons listrik pada komponen fleksibel. Aktivitas wajah lainnya seperti menaikkan alis, menggerakkan rahang, serta mengunyah dapat dikenali melalui respons tegangan yang khas. Walaupun sensor bekerja tanpa baterai, operasi keseluruhan sistem tetap bergantung pada rancangan rangkaian elektronik. Hal tersebut penting dipahami agar kemampuan perangkat tidak disalahartikan.
Kemampuan Sensor Kacamata Pintar dalam Mengenali Berbagai Sinyal Tubuh
Dalam upaya menangkap sinyal dari beberapa bagian wajah, tim penelitian memasang tiga sensor tipis pada bagian tertentu dari struktur kacamata. Komponen pengindra pertama berada di area kacamata yang berdekatan dengan pangkal hidung untuk memantau perubahan mekanis di sekitar mata dan pembuluh darah. Pendeteksi lainnya ditempatkan pada area samping kepala sehingga dapat menangkap gerakan rahang dan denyut arteri temporal. Sementara itu, komponen terakhir terletak di sekitar area telinga untuk mendeteksi tekanan akibat gerakan rahang. Susunan sensor tersebut menyediakan informasi mekanis dari beberapa area tubuh.
Hasil pengukuran menunjukkan, setiap aktivitas menghasilkan tegangan dengan karakteristik berbeda. Pulsa arteri yang terdeteksi menghasilkan sinyal sekitar 50 hingga 100 milivolt. Pada aktivitas wajah lainnya, kedipan mata serta gerakan alis menghasilkan sekitar 200 hingga 500 milivolt. Gerakan rahang yang lebih kuat mampu menghasilkan tegangan mencapai 1,5 volt. Karakteristik sinyal listrik tersebut membantu sistem mengenali jenis aktivitas. Namun, tegangan yang dihasilkan tidak sama dengan jumlah energi yang tersedia.
Penelitian Sensor Tanpa Baterai Menghasilkan Tingkat Akurasi Menjanjikan
Dalam menguji kinerja sensor, para ilmuwan melibatkan 20 peserta. Individu yang mengikuti penelitian diminta menjalankan enam jenis aktivitas, yaitu mengedipkan mata, menaikkan alis, mengepalkan rahang, mengetuk gigi, mengunyah makanan, serta berbicara. Ketika percobaan dilakukan, perangkat mengumpulkan respons tegangan berdasarkan aktivitas wajah. Hasil pengukuran sensor dipelajari dengan bantuan sistem kecerdasan buatan. Tujuannya adalah mengidentifikasi karakteristik listrik masing-masing gerakan.
Berdasarkan data eksperimen, GlassTENG menunjukkan kemampuan pengenalan enam aktivitas dengan akurasi 93,8 persen. Dalam pengenalan perilaku khusus, klasifikasi gerakan ketukan gigi menghasilkan akurasi 99 persen. Untuk aktivitas rahang, 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. Berdasarkan keterbatasan pengujian, penelitian lanjutan diperlukan sebelum perangkat digunakan secara komersial.
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. Kebiasaan mengepalkan rahang termasuk perilaku yang relevan dalam pemantauan bruxism, yaitu kebiasaan mengepalkan maupun menggesekkan gigi tanpa disadari. Apabila dikembangkan lebih lanjut, kacamata berpotensi memberikan pengingat ketika perilaku tersebut terdeteksi. Meskipun peluang ini menarik, perangkat tersebut masih merupakan prototipe penelitian.
Di samping pemantauan bruxism, GlassTENG memiliki peluang penggunaan dalam pengamatan perilaku makan serta denyut pembuluh darah. Sistem pembacaan gerakan mata dapat menjadi salah satu masukan untuk penelitian kelelahan. Sementara itu, perangkat pengindra pada lokasi tertentu menghasilkan informasi mengenai gerakan halus akibat denyut. Data fisiologis yang diperoleh berpotensi dimanfaatkan untuk pengembangan perangkat pengamatan kondisi tubuh. Apabila penelitian lanjutan berhasil, pemantauan berbagai aktivitas tubuh berpotensi dilakukan melalui satu aksesori. Meskipun demikian, penggunaan medis tetap membutuhkan pemeriksaan akurasi dan keamanan.
Masa Depan Kacamata Pintar Tanpa Baterai dengan Sensor Gerakan Wajah
Pengembangan GlassTENG memberikan kontribusi penting dalam pengembangan perangkat kesehatan yang dikenakan. Melalui pemanfaatan triboelectric nanogenerator, kedipan mata serta gerakan wajah dapat menghasilkan sinyal listrik tanpa memerlukan baterai pada komponen pengindra utama. Penelitian dengan pengujian pada 20 orang menunjukkan akurasi pengenalan aktivitas mencapai 93,8 persen. Pencapaian tersebut memberikan dasar bagi pengembangan sensor kesehatan masa depan. Meskipun perangkat belum menjadi produk konsumen massal, GlassTENG menunjukkan manfaat pemanfaatan energi gerakan tubuh. Dari sudut pandang Anda, apakah teknologi energi kedipan mata dapat mengubah perkembangan perangkat wearable? Silakan bagikan pendapat Anda agar pembahasan tentang inovasi sensor kesehatan menjadi lebih bermanfaat.
