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.
Inovasi GlassTENG yang Mengubah Gerakan Wajah Menjadi Energi Listrik
GlassTENG dikenal sebagai sistem sensor kesehatan yang terintegrasi pada kacamata yang mengubah pergerakan otot wajah menjadi sinyal listrik. Pengembangan perangkat ini dikoordinasikan oleh peneliti Northwestern University, Nivedita Arora, bersama Nabil Alshurafa serta tim mahasiswa tingkat magister. Tidak seperti sebagian besar perangkat pemantau kesehatan elektronik, GlassTENG menggunakan gerakan tubuh sebagai sumber energi pengindraan. Konsep pengembangan ini membantu menghadirkan sistem pengindraan hemat daya. Dengan desain tersebut, perangkat yang biasa dikenakan dapat memiliki kemampuan pengindraan tambahan.
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. Kajian tersebut termasuk dalam agenda ilmiah 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. Para peneliti melihat bahwa kacamata merupakan aksesori yang sudah digunakan banyak orang. Berdasarkan kebiasaan penggunaan tersebut, integrasi sensor pada bingkai kacamata menjadi pendekatan yang menjanjikan.
Cara Kerja Teknologi Kedipan Mata sebagai Sumber Energi GlassTENG
Bagian terpenting dari sistem pengindraan GlassTENG adalah triboelectric nanogenerator atau TENG, yaitu perangkat yang memanfaatkan efek triboelektrik. Prinsip kerjanya berkaitan dengan fenomena listrik statis. Apabila dua material mengalami siklus sentuhan dan pemisahan, proses perpindahan muatan menimbulkan sinyal listrik. Melalui sistem sensor yang digunakan, kedipan serta kontraksi otot menggerakkan lapisan fleksibel. Respons mekanis tersebut menimbulkan tegangan sebagai informasi sensor. Dengan demikian, aktivitas alami manusia membantu mengoperasikan sensor yang mengukurnya.
Keunikan teknologi ini berasal dari penggunaan energi mekanis yang tersedia secara alami. Saat kelopak mata bergerak, 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, komponen elektronik pendukung masih mempunyai kebutuhan daya. Hal tersebut perlu diperhatikan ketika membahas konsep kacamata tanpa baterai.
Tiga Sensor Fleksibel Membaca Aktivitas Wajah dan Denyut Pembuluh Darah
Agar berbagai gerakan wajah dapat terdeteksi, tim penelitian memasang tiga sensor tipis pada titik pengamatan yang berbeda pada rangka kacamata. Komponen pengindra pertama diletakkan di sekitar jembatan hidung untuk mendeteksi aktivitas kelopak mata serta sinyal denyut. Komponen berikutnya diposisikan dekat pelipis sehingga mampu membaca aktivitas otot rahang serta pembuluh darah. Sementara itu, pendeteksi tambahan dipasang pada bagian belakang samping bingkai untuk mengamati perubahan mekanis ketika pengguna mengunyah. Integrasi beberapa titik pengindraan menyediakan informasi mekanis dari beberapa area tubuh.
Dalam eksperimen yang dilakukan, setiap aktivitas menghasilkan tegangan dengan karakteristik berbeda. Pulsa arteri yang terdeteksi memberikan respons listrik sekitar 50–100 milivolt. Pada aktivitas wajah lainnya, kedipan mata serta gerakan alis menghasilkan sekitar 200 hingga 500 milivolt. Gerakan rahang yang lebih kuat menunjukkan respons listrik sampai 1,5 volt. Variasi tegangan yang dihasilkan memberikan informasi untuk membedakan gerakan. Meskipun nilai tegangan terlihat menarik, tegangan yang dihasilkan tidak sama dengan jumlah energi yang tersedia.
Kemampuan Kacamata Pintar Mendeteksi Gerakan dengan Machine Learning
Dalam menguji kinerja sensor, peneliti menguji prototipe terhadap 20 orang. Setiap peserta melakukan enam kategori gerakan wajah, yaitu melakukan gerakan kelopak mata, alis, rahang, ketukan gigi, aktivitas makan, dan percakapan. Ketika percobaan dilakukan, perangkat mengumpulkan respons tegangan berdasarkan aktivitas wajah. Data tersebut selanjutnya diproses melalui metode pembelajaran mesin. Tujuannya adalah membedakan pola sinyal dari setiap aktivitas.
Berdasarkan data eksperimen, GlassTENG memperoleh tingkat ketepatan klasifikasi sekitar 93,8 persen. Pada beberapa kategori aktivitas, sistem mengenali aktivitas mengetukkan gigi dengan ketepatan 99 persen. Untuk aktivitas rahang, sistem menunjukkan tingkat pengenalan sebesar 96 persen pada aktivitas mengatupkan rahang. Angka tersebut memberikan bukti awal bahwa pendekatan pengindraan ini cukup menjanjikan. Walaupun hasilnya terlihat baik, hasil laboratorium masih membutuhkan validasi pada kelompok pengguna lebih beragam. Dengan mempertimbangkan hal tersebut, pengembangan berikutnya perlu menilai ketahanan sensor terhadap berbagai kondisi nyata.
Peluang Penggunaan Sensor Kedipan Mata bagi Kesehatan Sehari-hari
Manfaat jangka panjang yang menarik dari GlassTENG adalah pemantauan kebiasaan tubuh secara berkelanjutan. Sebagai contoh, perangkat dapat membantu mencatat pola gerakan rahang. Aktivitas tersebut menjadi salah satu aspek yang diperhatikan pada gangguan bruxism, yaitu aktivitas rahang berupa pengatupan atau penggeretakan gigi yang tidak disengaja. Apabila dikembangkan lebih lanjut, kacamata berpotensi memberikan pengingat ketika perilaku tersebut terdeteksi. Walaupun memiliki potensi penggunaan kesehatan, GlassTENG belum dapat dianggap sebagai alat diagnosis medis.
Selain pengamatan gerakan rahang, GlassTENG berpotensi membantu penelitian mengenai aktivitas wajah dan kondisi fisiologis. Kemampuan mendeteksi kedipan mata berpotensi digunakan sebagai indikator tambahan dalam pemantauan kondisi pengguna. Untuk kebutuhan pengindraan fisiologis, komponen pendeteksi dekat pembuluh darah mampu membaca perubahan mekanis akibat denyut arteri. Informasi tersebut memberikan dasar bagi penelitian teknologi kesehatan wearable. Apabila penelitian lanjutan berhasil, pemantauan berbagai aktivitas tubuh berpotensi dilakukan melalui satu aksesori. Namun demikian, penerapan klinis harus melalui proses validasi khusus.
Inovasi Energi Kedipan Mata Menawarkan Peluang Baru bagi Wearable Modern
Inovasi sensor berbasis gerakan wajah membuka pendekatan baru dalam teknologi wearable hemat energi. Dengan menggunakan triboelectric nanogenerator, aktivitas alami pengguna mampu menjadi sumber energi pengindraan 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. Hasil penelitian tersebut menjadi langkah awal menuju sistem wearable yang semakin efisien. Kendati penelitian lebih lanjut masih diperlukan, GlassTENG menggambarkan peluang perangkat elektronik dengan kebutuhan baterai lebih rendah. Dari sudut pandang Anda, seberapa bermanfaat sensor kesehatan yang terintegrasi pada kacamata? Sampaikan pandangan melalui kolom komentar agar pembahasan tentang inovasi sensor kesehatan menjadi lebih bermanfaat.
