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 mengubah pergerakan otot wajah menjadi sinyal listrik. Pengembangan perangkat ini berada di bawah kepemimpinan Nivedita Arora, bersama kelompok peneliti yang melibatkan Nabil Alshurafa dan mahasiswa pascasarjana. Dibandingkan sensor kesehatan yang mengandalkan baterai, GlassTENG memanfaatkan aktivitas fisik untuk menghasilkan sinyal sensor. Metode yang digunakan bertujuan mengurangi kebutuhan energi eksternal. Berkat penerapan sistem tersebut, kacamata sehari-hari berpotensi menjadi perangkat pemantauan kesehatan.
Tim peneliti 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 menjadi bagian dari konferensi UbiComp/ISWC 2026 yang menampilkan perkembangan sistem komputasi dan perangkat yang dikenakan. Salah satu tujuan utamanya adalah mengurangi ketergantungan pada perangkat kesehatan yang memerlukan pengisian daya. Tim pengembang mempertimbangkan bahwa perangkat kacamata telah menjadi bagian dari rutinitas masyarakat. Oleh karena itu, pemanfaatan kacamata sebagai perangkat kesehatan menawarkan peluang menarik.
Rahasia Sensor Triboelektrik pada Kacamata Pintar Tanpa Baterai
Bagian terpenting dari sistem pengindraan GlassTENG adalah triboelectric nanogenerator atau TENG, yaitu teknologi yang mengubah gerakan mekanis menjadi sinyal listrik. Prinsip kerjanya menggunakan efek listrik yang muncul ketika bahan bersentuhan. Saat permukaan bahan mengalami kontak lalu menjauh, proses perpindahan muatan menimbulkan sinyal listrik. Melalui sistem sensor yang digunakan, gerakan kelopak mata dan otot wajah memberikan tekanan pada lapisan sensor. Aktivitas kontak dan pemisahan itu menghasilkan sinyal listrik yang dapat dianalisis. Melalui proses tersebut, gerakan wajah menjadi sumber informasi sekaligus energi sensor.
Keunikan teknologi ini terletak pada kemampuan menghasilkan sinyal tanpa pasokan daya sensor konvensional. Apabila seseorang menutup dan membuka mata, tekanan kecil pada sensor menghasilkan perubahan tegangan. Gerakan lain seperti menaikkan alis, menggerakkan rahang, serta mengunyah juga menghasilkan pola listrik yang berbeda. Meskipun komponen pengindraannya bersifat mandiri, operasi keseluruhan sistem tetap bergantung pada rancangan rangkaian elektronik. Perbedaan ini perlu diperhatikan ketika membahas konsep kacamata tanpa baterai.
Kemampuan Sensor Kacamata Pintar dalam Mengenali Berbagai Sinyal Tubuh
Agar berbagai gerakan wajah dapat terdeteksi, 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 dapat menangkap gerakan rahang dan denyut arteri temporal. Sementara itu, pendeteksi tambahan dipasang pada bagian belakang samping bingkai untuk mendeteksi tekanan akibat gerakan rahang. Integrasi beberapa titik pengindraan membantu membedakan sejumlah perilaku wajah.
Dalam eksperimen yang dilakukan, respons sensor berubah sesuai jenis dan kekuatan gerakan. Denyut pembuluh darah memberikan respons listrik sekitar 50–100 milivolt. Pada aktivitas wajah lainnya, pergerakan bagian atas wajah menghasilkan tegangan berkisar 200–500 milivolt. Tekanan mekanis lebih besar dari otot rahang menunjukkan respons listrik sampai 1,5 volt. Variasi tegangan yang dihasilkan menjadi dasar identifikasi perilaku wajah. Namun, besar voltase tidak langsung menunjukkan kemampuan memasok daya besar.
Kemampuan Kacamata Pintar Mendeteksi Gerakan dengan Machine Learning
Dalam menguji kinerja sensor, peneliti menguji prototipe terhadap 20 orang. Masing-masing partisipan melakukan enam kategori gerakan wajah, yaitu mengedipkan mata, menaikkan alis, mengepalkan rahang, mengetuk gigi, mengunyah makanan, serta berbicara. Pada setiap sesi pengamatan, sistem membaca perubahan listrik yang dihasilkan masing-masing gerakan. Informasi yang diperoleh kemudian dianalisis menggunakan algoritma machine learning. Sasaran analisis tersebut adalah membedakan pola sinyal dari setiap aktivitas.
Temuan pengujian menunjukkan, GlassTENG memperoleh tingkat ketepatan klasifikasi sekitar 93,8 persen. Dalam pengenalan perilaku khusus, sistem mengenali aktivitas mengetukkan gigi dengan ketepatan 99 persen. Sementara itu, sistem menunjukkan tingkat pengenalan sebesar 96 persen pada aktivitas mengatupkan rahang. Pencapaian penelitian tersebut menunjukkan kemampuan sensor membedakan beberapa aktivitas wajah. Walaupun hasilnya terlihat baik, pengujian dengan jumlah peserta terbatas belum membuktikan kinerja pada seluruh populasi. Oleh karena itu, penelitian lanjutan diperlukan sebelum perangkat digunakan secara komersial.
Manfaat Teknologi GlassTENG dalam Mendeteksi Kebiasaan dan Aktivitas Tubuh
Salah satu potensi utama GlassTENG adalah pengamatan aktivitas wajah dalam rutinitas sehari-hari. Dalam kemungkinan penggunaan mendatang, perangkat dapat membantu mencatat pola gerakan rahang. Aktivitas tersebut dapat berkaitan dengan 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.
Tidak hanya berpotensi mengenali kebiasaan mengatupkan gigi, GlassTENG dapat dikembangkan untuk memantau aktivitas makan, kelelahan, dan sinyal kardiovaskular. Fitur pengenalan aktivitas kelopak mata dapat menjadi salah satu masukan untuk penelitian kelelahan. Sementara itu, perangkat pengindra pada lokasi tertentu menghasilkan informasi mengenai gerakan halus akibat denyut. Hasil pengukuran mekanis itu memberikan dasar bagi penelitian teknologi kesehatan wearable. Jika teknologi ini terus disempurnakan, pengguna mungkin memperoleh perangkat pemantauan kesehatan yang semakin nyaman. Meskipun demikian, penerapan klinis harus melalui proses validasi khusus.
Kesimpulan: Teknologi GlassTENG Membuka Era Baru Kacamata Pintar Hemat Energi
Inovasi sensor berbasis gerakan wajah memberikan kontribusi penting dalam teknologi wearable hemat energi. Berkat penerapan triboelectric nanogenerator, pergerakan kelopak mata dan rahang dapat dimanfaatkan sebagai masukan sensor tanpa bergantung pada sumber daya eksternal untuk membangkitkan sinyal sensor. Eksperimen awal yang melibatkan 20 partisipan memperlihatkan kemampuan membedakan enam aktivitas dengan akurasi 93,8 persen. Pencapaian tersebut menjadi langkah awal menuju sistem wearable yang semakin efisien. Walaupun masih membutuhkan penyempurnaan, GlassTENG memperlihatkan potensi teknologi pengindraan mandiri. Menurut Anda, apakah kacamata pintar tanpa baterai akan menjadi kebutuhan masa depan? Ceritakan fitur kacamata pintar yang paling Anda harapkan agar pembahasan tentang inovasi sensor kesehatan menjadi lebih bermanfaat.
