APLIKASI SISTEM SENSOR FIBER BRAGG GRATING UNTUK PENDETEKSIAN SIMULASI DENYUT JANTUNG
Abstract
Pendeteksian jantung masih terus berkembang karena persoalannya serius terhadap perilaku hidup manusia sehingga perlu upaya untuk mencari jalan lain untuk lebih mudah mendeteksi jantung. Saat ini pendeteksian jantung dapat dilakukan tanpa harus pergi ke rumah sakit seperti dengan menggunakan ponsel, jam tangan, dan lain-lain. Fiber Bragg Grating (FBG) banyak juga digunakan untuk mendeteksi jantung, karena bisa diterima dalam bentuk tekanan yang mengakibatkan terjadinya perubahan regangan. FBG dipilih karena memiliki sensitivitas yang tinggi terhadap regangan. Pendeteksian denyut jantung dapat dilakukan dengan beberapa cara seperti menggunakan teleskop, namun dengan menggunakan FBG memiliki tingkat akurasi yang tinggi dan sensitif terhadap regangan. Penelitian ini bertujuan untuk merancang dan mengukur perubahan daya keluaran pada FBG serta menganalisa pengaruh perubahan regangan pada FBG oleh getaran loudspeaker. Panjang gelombang Bragg yang digunakan adalah 1310 nm dan 1550 nm dengan daya 1 mW sebagai sumber laser dioda serta keluaran diukur dengan optical power meter. Perubahan daya keluaran tertinggi pada panjang gelombang Bragg 1310 nm senilai dengan 0,736 µW, sedangkan pada panjang gelombang 1550 nm senilai dengan 0,009 µW. Pergeseran panjang gelombang Bragg tertinggi pada panjang gelombang Bragg 1310 nm senilai 0,598 nm, sedangkan pada panjang gelombang Bragg 1550 nm senilai 0,552 nm. Perubahan regangan tertinggi pada panjang gelombang Bragg 1310 nm senilai 576,186 µε, sedangkan pada panjang gelombang Bragg 1550 nm senilai 432,113 µε. Ini menunjukkan bahwa respon pada panjang gelombang Bragg 1310 nm lebih sensitif daripada panjang gelombang Bragg 1550 nm.
Keywords
Full Text:
PDF (Bahasa Indonesia)References
1. Webster, J. G. (2012). Biomedical instrumentation. InHandbook of Research on Biomedical Engineering Educationand Advanced Bioengineering Learning: Interdisciplinary Concepts. IGI Publishing: Hershey, PA, USA, 339–355.
2. Matheson, J., Singh, R., & Packard, A. (2007). Polysomnography and sleepdisorders, in The Clinical Neurophysiology Primer, A. Blum and S. Rutkove, Eds. Humana Press, 393–445.
3. Turnip, A., Andrian, Turnip, M., Dharma, A., Paninsari, D., Nababan, T., & Ginting, C. N. (2020). An Application of Modified Filter Algorithm Fetal Electrocardiogram Signals with Various Subjects. International Journal of Artificial Intelligence, 18(1), 207–217.
4. Hongyao, W. (2011). Coal Mine DisasterRescue Life Sign Monitoring Technology Based on FBGand AccelerationSensor. Procedia Engineering, 26, 2294–2300.
5. Mishraa, V., Lohar, M., & Amphawan, A. (2016). Improvement in Temperature Sensitivity of FBG by Coating of Different Materials. Optik, 127, 825–828.
6. Dziudaet, L. (2013). Fiber Bragg grating based sensor for monitoring respiration and heart activity during magnetic resonance imaging examinations. J. Biomed. Opt., 18(5), 057006.
7. Dziudaet, L. (2012). Monitoring respiration and caridac activity usingfiber Bragg grating-based sensor. IEEE Trans. Biomed. Eng., 59(7), 1934–1942.
8. Marques, C. A. F., Webb, D. J., Andre, P. (2017). Polymer opticalfiber sensors in human lifesafety. Opt. Fiber Technol., 36, 144–154.
9. Nishyama, M., Miyamoto, & M., Watanabe, K. (2011). Respiration and body movement analysisduring sleep in bed using hetero-corefiber optic pressure sensors without constraintto human activity. J. Biomed. Opt., 16(1), 17002.
10. Sartiano, D. & Sales, S. (2017). Low cost plastic opticalfiber pressure sensor embedded inmattress for vital signal monitoring. Sensors, 17(12).
11. Hen, G., Imtiaz, S. A., Aguilar-Pelaez, E., & Rodriguez-Villegas, E. (2015). Algorithm for heart rate extraction in a novelwearable acoustic sensor. Healthc. Technol. Lett., 2, 28–33.
12. Nedoma, J., Kepak, S., Fajkus, M., Cubik, J., Siska, P., Martinek, R., & Krupa, P. (2018). Magnetic Resonance Imaging Compatible Non-Invasive Fibre-Optic Sensors Based on the Bragg Gratings and Interferometers in the Application of Monitoring Heart and Respiration Rate of the Human Body: A Comparative Study. International Journal of Sensors, 18, 3713.
13. Fajkus, M., Navruz, I., Kepak, S., Davidson, A., Siska, P., Cubik, J., & Vasinek, V. (2015). Capacity of wavelength and time division multiplexing for quasi-distributed measurement using fiber bragg gratings. Advances in Electrical and Electronic Engineering, 13(5).
14. Fajkus, M., Nedoma, J., Kepak, S., Rapant, L., Martinek, R., Bednarek, L., Novak, M., & Vasinek, V. (2016). Mathematical model of optimized design of multi-point sensoric measurement with Bragg gratings using wavelength divison multiplex. Proc SPIE9889.
15. Kersay, A. D., Davis, M. A., Patrick, H. J., LeBlanc, M., Koo, K. P., Askins, C. G., Putnam, M. A., Friebele, E. J. (2010). Tunable Erbium-Doped Fiber Lasers Using Various Inline Fiber Filters. Engineering, 2, 1442–1463.
16. Tan, M. (2015). Analisa Frekuensi Alamiah dan Regangan Jembatan oleh Kendaraan Bermotor Menggunakan Fiber Bragg Grating. Journal of Reporsitory FMIPA UR.
17. Venghaus, H. (2006). Wavelength Filters in Fiber Optics. Springer-verlag Berlin Heidelberg ISSN 0342-4111.
DOI: http://dx.doi.org/10.31258/jkfi.18.2.151-158
Refbacks
- There are currently no refbacks.
![Creative Commons License](http://i.creativecommons.org/l/by-nc/4.0/88x31.png)
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.
Indexing by: