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 perangkat wearable berbentuk kacamata yang memanfaatkan energi mekanis dari gerakan wajah. Penelitian tersebut berada di bawah kepemimpinan Nivedita Arora, bersama Profesor Nabil Alshurafa dan sejumlah mahasiswa peneliti. Berbeda dengan banyak perangkat wearable konvensional, GlassTENG memanfaatkan aktivitas fisik untuk menghasilkan sinyal sensor. Pendekatan tersebut mendukung rancangan sensor yang tidak memerlukan baterai. Berkat penerapan sistem 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 menjadi bagian dari konferensi UbiComp/ISWC 2026 yang berfokus pada komputasi yang terintegrasi dengan aktivitas manusia. Sasaran pengembangan perangkat ini adalah menghadirkan pemantauan aktivitas wajah tanpa sensor berukuran besar. Kelompok ilmuwan menyadari bahwa banyak pengguna terbiasa mengenakan kacamata dalam aktivitas harian. 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 teknologi yang mengubah gerakan mekanis menjadi sinyal listrik. Prinsip kerjanya 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, kedipan serta kontraksi otot menggerakkan lapisan fleksibel. Respons mekanis tersebut menghasilkan sinyal listrik yang dapat dianalisis. Melalui proses tersebut, gerakan wajah menjadi sumber informasi sekaligus energi sensor.

Karakteristik menarik sistem GlassTENG berasal dari penggunaan energi mekanis yang tersedia secara alami. Ketika pengguna berkedip, gerakan tersebut menimbulkan respons listrik pada komponen fleksibel. Perubahan mekanis tambahan seperti menaikkan alis, menggerakkan rahang, serta mengunyah dapat dikenali melalui respons tegangan yang khas. Meskipun komponen pengindraannya bersifat mandiri, pemrosesan data dan komunikasi nirkabel tetap memerlukan pengelolaan energi. Perbedaan ini perlu diperhatikan ketika membahas konsep kacamata tanpa baterai.

Penempatan Sensor GlassTENG untuk Mendeteksi Kedipan serta Gerakan Rahang

Dalam upaya menangkap sinyal dari beberapa bagian wajah, para ilmuwan menggunakan tiga komponen pengindra fleksibel pada bagian tertentu dari struktur kacamata. Perangkat pendeteksi awal diletakkan di sekitar jembatan hidung untuk mendeteksi aktivitas kelopak mata serta sinyal denyut. Pendeteksi lainnya ditempatkan pada area samping kepala sehingga mampu membaca aktivitas otot rahang serta pembuluh darah. Sementara itu, pendeteksi tambahan dipasang pada bagian belakang samping bingkai untuk mendeteksi tekanan akibat gerakan rahang. Integrasi beberapa titik pengindraan memungkinkan pengamatan aktivitas wajah dari berbagai posisi.

Dalam eksperimen yang dilakukan, gerakan wajah memunculkan keluaran listrik yang bervariasi. Pulsa arteri yang terdeteksi memunculkan tegangan dalam kisaran 50 sampai 100 milivolt. Sementara itu, pergerakan bagian atas wajah menghasilkan tegangan berkisar 200–500 milivolt. Tekanan mekanis lebih besar dari otot rahang dapat memunculkan sinyal hingga 1,5 volt. Karakteristik sinyal listrik tersebut menjadi dasar identifikasi perilaku wajah. Meskipun nilai tegangan terlihat menarik, besar voltase tidak langsung menunjukkan kemampuan memasok daya besar.

Penelitian Sensor Tanpa Baterai Menghasilkan Tingkat Akurasi Menjanjikan

Sebagai bagian dari penelitian eksperimental, peneliti menguji prototipe terhadap 20 orang. Individu yang mengikuti penelitian melakukan enam kategori gerakan wajah, yaitu mengedipkan mata, menaikkan alis, mengepalkan rahang, mengetuk gigi, mengunyah makanan, serta berbicara. Pada setiap sesi pengamatan, sensor mencatat sinyal listrik dari gerakan peserta. Informasi yang diperoleh selanjutnya diproses melalui metode pembelajaran mesin. Fungsi pemrosesan ini adalah mengidentifikasi karakteristik listrik masing-masing gerakan.

Berdasarkan data eksperimen, GlassTENG mencapai akurasi keseluruhan sebesar 93,8 persen. Dalam pengenalan perilaku khusus, sistem mengenali aktivitas mengetukkan gigi dengan ketepatan 99 persen. Pada kategori lainnya, gerakan mengatupkan rahang dikenali dengan akurasi 96 persen. Pencapaian penelitian tersebut menunjukkan kemampuan sensor membedakan beberapa aktivitas wajah. Meski demikian, hasil laboratorium masih membutuhkan validasi pada kelompok pengguna lebih beragam. Dengan mempertimbangkan hal tersebut, penelitian lanjutan diperlukan sebelum perangkat digunakan secara komersial.

Manfaat Teknologi GlassTENG dalam Mendeteksi Kebiasaan dan Aktivitas Tubuh

Salah satu potensi utama GlassTENG adalah pemantauan kebiasaan tubuh secara berkelanjutan. Sebagai contoh, sensor dapat dikembangkan untuk mengenali kebiasaan mengatupkan rahang. Kebiasaan mengepalkan rahang termasuk perilaku yang relevan dalam pemantauan bruxism, yaitu kondisi ketika seseorang mengatupkan atau menggeretakkan gigi secara tidak disengaja. Jika kemampuan pemantauan ditingkatkan, sistem mungkin mampu menyampaikan peringatan mengenai gerakan rahang tertentu. Walaupun memiliki potensi penggunaan kesehatan, kemampuan klinisnya masih memerlukan validasi tambahan.

Di samping pemantauan bruxism, GlassTENG berpotensi membantu penelitian mengenai aktivitas wajah dan kondisi fisiologis. Sistem pembacaan gerakan mata menawarkan data yang relevan bagi analisis kebiasaan serta tingkat kewaspadaan. Untuk kebutuhan pengindraan fisiologis, komponen pendeteksi dekat pembuluh darah mampu membaca perubahan mekanis akibat denyut arteri. Data fisiologis yang diperoleh dapat mendukung penelitian pemantauan kesehatan noninvasif. Dengan pengembangan yang memadai, pengguna mungkin memperoleh perangkat pemantauan kesehatan yang semakin nyaman. Namun demikian, penggunaan medis tetap membutuhkan pemeriksaan akurasi dan keamanan.

Kesimpulan: Teknologi GlassTENG Membuka Era Baru Kacamata Pintar Hemat Energi

Pengembangan GlassTENG membuka pendekatan baru dalam penelitian sensor elektronik berdaya sangat rendah. Dengan menggunakan triboelectric nanogenerator, pergerakan kelopak mata dan rahang dapat dimanfaatkan sebagai masukan sensor tanpa memerlukan baterai pada komponen pengindra utama. Penelitian dengan pengujian pada 20 orang menghasilkan ketepatan klasifikasi keseluruhan sebesar 93,8 persen. Pencapaian tersebut memberikan dasar bagi pengembangan sensor kesehatan masa depan. Kendati penelitian lebih lanjut masih diperlukan, 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.