4.1
bab ini akan dibahas mengenai kebutuhan-kebutuhan yang berkaitan dengan pengimplementasian program.
4.1.1
Implementasi Kebutuhan Perangkat Keras dan Perangkat Lunak Agar program yang telah dirancang dapat diterapkan maka dibutuhkan perangkat
4.1.1.1 Perangkat Keras Saat Implementasi Berikut adalah spesifikasi hardware(perangkat keras) yang dibutuhkan dalam perancangan dan simulasi program: 1. Processor Athlon XP 1600+. 2. Memory 512 MB. 3. Kapasitas Harddisk sesuai dengan operating system, compiler dan disesuaikan dengan banyaknya database hasil rekaman EKG. Untuk ukuran aplikasi/program cukup disediakan kapasitas sekitar 10 MB. 4. VGA dengan resolusi 1024x768 dengan 32 bit Color. 5. Perangkat keras untuk input seperti mouse dan keyboard.
173
174 4.1.1.2 Perangkat Lunak Saat Implementasi Berikut adalah spesifikasi software(perangkat lunak) yang dibutuhkan dalam perancangan dan simulasi program: 1. Windows XP sebagai sistem operasi; disesuaikan dengan standard requirement. 2. Compiler Borland Delphi 7.0 untuk menjalankan program yang juga dirancang dengan menggunakan Borland Delphi 7.0
4.1.2
Spesifikasi Minimum Perangkat keras dan Perangkat Lunak Baik dalam perancangan maupun simulasi program, sesungguhnya tidak harus
menggunakan spesifikasi yang tepat sama seperti spesifikasi di atas. Dengan kata lain, program dapat dirancang dan disimulasi dengan menggunakan hardware dan software dengan spesifikasi yang lebih standard dari spesifikasi di atas.
4.1.2.1 Spesifikasi Minimum untuk Perangkat Keras Berikut adalah spesifikasi minimum dari hardware yang dibutuhkan untuk perancangan dan simulasi program: 1. Processor Pentium 233 Mhz. 2. Memory RAM 64 MB. 3. Kapasitas Hard Disk 4GB untuk keseluruhan aplikasi dan operating system. 4. VGA dengan resolusi 800x600 dengan 16 bit Color.
175 4.1.2.2 Spesifikasi Minimum untuk Piranti Lunak Berikut adalah spesifikasi minimum dari software yang dibutuhkan untuk perancangan dan simulasi program: 1. Microsoft Windows 98SE 2. Compiler Borland Delphi 7 dapat ditiadakan, karena Delphi dapat menghasilkan executable file (*.exe) yang dapat dijalankan dimana pun tanpa harus menambah software.
4.1.3
Prosedur Pengoperasian Aplikasi Dari hasil evaluasi program didapatkan bahwa terdapatnya perbedaan minor pada
pengoperasian program dengan data yang bersumber dari data rekaman EKG asli dengan data yang berasal dari gelombang EKG yang sudah dinormalisasi.
4.1.3.1 Pengoperasian Berdasarkan Data Rekaman EKG Asli Berikut adalah tahap-tahap pengoperasian program dengan data rekaman EKG asli: 1. ECG SignalAnalyzer.exe dijalankan dengan menggunakan Windows Explorer atau sejenisnya, yaitu dengan cara menekan Enter atau double click. Berikut adalah tampil layar apabila program dijalankan:
176
Ketika program dijalankan tombol yang pertama kali dapat diklik adalah Load Data, Exit, Options, Load Weight, dan Train. Tahapan pertama yang harus dilakukan adalah menekan tombol Load Data. Tombol Load Data ,yang berada tepat di bawah menu File berupa icon dengan gambar map terbuka, berfungsi untuk memasukkan data sinyal EKG. Apabila hendak mengaktifkan fungsi data melalui File maka langkah yang harus dilakukan adalah klik File Load Data pada menubar.
177
178
2.
Setelah data yang berupa sinyal/gelombang muncul pada layar maka sinyal/gelombang dapat digerakkan dengan memilih Graph Animate. atau dengan menekan tombol Animate pada shortcut buttons yang berbentuk mata anak panah ke arah kanan.
179
180
3.
Pergerakan gelombang dapat diatur kecepatan dan panjangnya dengan memilih Graph Options atau dengan menekan tombol shortcut yang terletak pada urutan ke-4 dari kiri yang berbentuk seperti roda bergerigi.
181
182
4.
Setelah memilih Options maka akan tampil layar baru seperti di bawah:
183 5. Apabila hendak melihat langkah pemrosesan sinyal, user dapat memilih langkah yang diinginkan pada menu Signal Processing atau dengan menggunakan shortcut button mulai dari urutan ke-7 dari kiri hingga akhir.
184
6.
Apabila hendak melihat sinyal EKG pada berbagai posisi waktu maka dapat diatur dengan menggerakkan scrollbar di bagian bawah layar ke posisi waktu yang diinginkan.
7.
Menu About akan menampilkan sebuah window baru yang memuat namanama pembuat.
185
8.
Apabila hendak mengenal dan menganalisa pola sinyal EKG maka user dapat meng-klik tombol Analyze baik pada frame neural network maupun fuzzy logic, yang berada di sebelah kanan bawah.
186
187
Gambar 4.13 Tampilan Layar Informasi Proses Diagnosa Menggunakan Metode Fuzzy Logic
Pada tampilan di atas terdapat serangkaian tulisan yang memiliki maksud tersendiri. Intializing...., pada proses inisialisasi, sinyal diproses agar sinyal siap dipakai untuk analisa. Analyzing..., setelah tahap inisialisasi selanjutnya tahap analisis. Dimana data-data dianalisa satu per satu untuk menentukan kemungkinan kelainan atau penyakit yang diderita oleh pasien.
Perkembangan analisa dapat dipantau melalui progress bar yang terdapat pada bagian atas layar. Setelah proses analisa selesai, program akan menampilkan hasil analisa.
188 9. Apabila hendak kembali ke form sebelumnya, user dapat menekan tombol Close pada bagian bawah layar. 10. Khusus untuk analisa dengan menggunakan metode Neural Network, maka sebelumnya program harus melalui proses training dengan menekan tombol Train, tetapi target error dan nilai alpha harus ditentukan terlebih dahulu.
Gambar 4.14 Button Train, Nilai Target Error dan Nilai Alpha Pada Metode Neural Network
11. Setelah tahap training selesai maka weight sudah siap dan dapat di-save dengan menekan tombol save.
189
12. Jika sebelumnya weight sudah pernah di-save dan ingin menggunakan kembali weight tersebut maka klik tombol Load Weight.
190
13. Setelah weight siap maka sistem siap menganalisa sinyal EKG dengan ditekannya tombol Analyze.
191
14. Setelah diklik, maka akan tampil sebuah layar baru seperti di berikut:
192
Gambar 4.18 Tampilan Layar Informasi Proses Diagnosa Menggunakan Metode Neural Network
15. Sama seperti pada metode Fuzzy Logic, proses inisialisasi dilakukan sebelum analisa. Setelah selesai menginisialisasi, maka data diproses dengan metode Neural Network yang telah di training sebelumnya. Presentase
perkembangan analisa dapat dilihat pada progress bar yang terdapat pada bagian atas layar. Setelah proses analisa selesai, program akan
memberitahukan hasilnya. 16. Untuk kembali ke form sebelumnya, tekan tombol Close pada bagian bawah layar.
193 4.1.3.2 Pengoperasian Berdasarkan Data Rekaman EKG Simulasi Perbedaan antara pengoperasian program dengan menggunakan data rekaman EKG asli dengan data EKG normalisasi hanya terletak pada cara me-load file dan pilihan langkah pemrosesan sinyal. Sedangkan tahap lainnya tidak berubah/sama. 1. ECG SignalAnalyzer.exe dijalankan dengan menggunakan Windows Explorer atau sejenisnya, yaitu dengan cara menekan Enter atau double click. Tampilan layar utama sama seperti pada Gambar 4-1. 2. Untuk mensimulasikan gelombang EKG pilih menu Graph Simulation.
194 3. Untuk pengaturan pergerakan, kecepatan, panjang dapat melakukan cara yang sama seperti pada pengoperasian dengan menggunakan data rekaman EKG asli. 4. Pada pengoperasian sinyal normalisasi bandpass filter, lowpass filter, dan baseline removal shift tidak diterapkan. Hal ini disebabkan karena sinyal normalisasi sudah dibentuk tanpa noise dan garis dasarnya pun sudah berada pada sumbu nol. Sehingga, jika menggunakan data normalisasi maka fungsifungsi di atas tidak aktif baik pada menu maupun shortcut button.
195
5.
Cara penganalisaan gelombang dan tahap-tahap selanjutnya hingga program selesai sama dengan cara dari data rekaman EKG asli. Dan tampilan layarnya pun sama.
4.2
Evaluasi Sistem Evaluasi program dilakukan untuk mengukur keakuratan dari aplikasi
pengenalan pola yang dibuat. Cara pengevaluasian program yaitu dengan melakukan tes diagnosa dengan beberapa karakteristik yang mencerminkan hasil pada pasien. Evaluasi
196 dibuat agar dapat menilai beberapa area dalam program dengan tujuan agar tidak terjadi overlap test. Evaluasi diagnosa mengecek apakah suatu penyakit terdeteksi atau tidak Maka dari itu evaluasi dilakukan dengan membuat matriks penilaian karakteristik diagnosa yang menyatakan hasil program TP, FP, FN, TN.
Tabel 4.1 Matriks Karakteristik Tes Diagnosa Penyakit Terdeteksi Positif Hasil Tes Negatif False Negative (FN) True Negative (TN) True Positive (TP) Tak ada False Positive (FP)
True Positive (TP) adalah jumlah dari kompleks QRS yang terdeteksi dengan benar. False Negative (FN) adalah jumlah yang gagal terdeteksi. False Positive (FP) adalah jumlah deteksi yang berlebihan. True Negatif yang diberi tanda silang menunjukkan bahwa program pengenalan pola pada penelitian ini tidak menghasilkan hasil program penyakit tidak dikenali. Berikut adalah standar ukuran penilaian yang dibuat berdasarkan matriks di atas: Akurasi =
(TP+TN + FP + FN )
(TP + TN )
Akurasi menunjukkan proporsi keakuratan dari hasil program yang benar. Sensitifitas (Sf) =
TP (TP + FN )
pendeteksian pasien berpenyakit. Nilai sensitifitas digunakan untuk menghindari terjadinya resiko tidak terdeteksi suatu penyakit dari gejala awal, tujuannya adalah agar penyakit dapat segera diobati secara dini. Spesifisitas =
TN (TN + FP )
Spesifisitas menunjukkan proporsi pasien tanpa penyakit yang didiagnosa tak memiliki penyakit tersebut. Nilai ini digunakan untuk menghindari terjadinya salah pendiagnosaan yang dapat menimbulkan kerugian bagi pasien secara fisik, emosional ataupun secara finansial.
Berikut adalah probabilitas dari hasil tes program yang telah dilakukan:
TP (TP + FP )
Probabilitas ini dihitung apabila penyakit pada pasien terdiagnosa Positive pada hasil tes program.
Negative Predictive =
TN (TN + FN )
Probabilitas ini dihitung apabila penyakit pada pasien terdiagnosa Negative pada hasil tes program.
198 4.2.1 Spesifikasi Komputer Yang Digunakan Saat Evaluasi Spesifikasi komputer yang digunakan untuk melakukan evaluasi dalam penelitian ini memiliki spesifikasi yang sama dengan spesifikasi yang digunakan pada saat pembuatan program.
4.2.2
Evaluasi Berdasarkan Akurasi Berkut adalah hasil pengujian dengan dua buah data rekaman dengan nama
Tabel 4.2 Tabel Faktor Pembanding Evaluasi Faktor Pembanding QRS Ventrikular Unclassified APC Jenis Penyakit Keterangan Jumlah gelombang QRS yang ada Jumlah gangguan gelombang yang dapat dikenali Jumlah pola gelombang yang tidak dikenali Jumlah Atrial Premature Complexes atau gelombang QRS yang muncul terlalu dini dari seharusnya Hasil diagnosa penyakit dari gelombang EKG tersebut
Perhitungan nilai Sensitifitas (Sf) dan Positive Predictive (PP) didasarkan pada kelima jenis faktor pembanding lainnya yaitu Jumlah QRS, Jumlah Ventrikular, Jumlah Unclassified, Jumlah APC, Jenis Penyakit. Perhitungan nilai total dari Sf dan PP akan menjadi tolak ukur evaluasi ini. Di bawah ini adalah nilai satuan dari variabel TP, FN, FP, Sf, PP adalah dalam bentuk persen (%).
199 Tabel 4.3 Hasil Evaluasi Record 100 Record 100 QRS Ventrikular Unclassified APC Jenis Penyakit Total Diagnosa TP FN FP Sf PP Program 2273 2273 2273 0 0 100 100 1 1 1 0 0 100 100 0 0 0 0 0 33 34 33 0 1 100 97,1 Premature Atrial Premature Atrial Complex Complex 100 99,03 Diagnosa Asli
Tabel 4.4 Hasil Evaluasi Record 101 Record 101 QRS Ventrikular Unclassified APC Jenis Penyakit Total Diagnosa TP FN FP Sf PP Program 1865 1866 1865 0 1 100 99,94 0 0 0 0 0 2 2 2 0 0 100 100 3 3 3 0 0 100 100 Premature Atrial Premature Atrial Complex Complex 100 99,98 Diagnosa Asli
Sebagaimana
diketahui
dalam
penelitian
ini
juga
dilakukan
dengan
menggunakan data normalisasi. Hasil evaluasi ini diperkirakan akan memiliki nilai presentase yang lebih baik dikarenakan gelombang yang dihasilkan telah bebas dari derau (noise). Tabel 4.4 Hasil Evaluasi Simulasi Sinus Normal Diagnosa Asli QRS Ventrikular Unclassified APC Jenis Penyakit Total 800 0 0 0 Normal Sinus Rhythm Diagnosa Program 800 0 0 0 Normal Sinus Rhythm TP 800 0 0 0 FN 0 0 0 0 FP 0 0 0 0 Sf 100 PP 100
100
100
200 Tabel 4.5 Hasil Evaluasi Simulasi Sinus Tachycardia Diagnosa Asli QRS Ventrikular Unclassified APC Jenis Penyakit Total 1200 0 0 1199 Sinus Tachycardia Diagnosa Program 1200 0 0 1199 Sinus Tachycardia TP 1200 0 0 1199 FN 0 0 0 0 FP 0 0 0 0 Sf 100 PP 100
100
100
100 Tabel 4.6 Hasil Evaluasi Simulasi Sinus Bradycardia Diagnosa Asli Diagnosa Program 451 0 0 0 Sinus Bradycardia TP 451 0 0 0 FN 0 0 0 0 FP 0 0 0 0 Sf 100
100
PP 100
100
100
Tabel 4.7 Hasil Evaluasi Simulasi Sinus Arrhythmia Diagnosa Asli QRS Ventrikular Unclassified APC Jenis Penyakit Total 590 0 0 0 Sinus Arrhythmia Diagnosa Program 590 0 0 0 Sinus Arrhythmia TP 590 0 0 0 FN 0 0 0 0 FP 0 0 0 0 Sf 100 PP 100
100
100
201 Tabel 4.8 Hasil Evaluasi Simulasi Premature Atrial Complex Diagnosa TP FN FP Sf PP Program 750 750 750 0 0 100 100 0 0 0 0 0 0 0 0 0 0 150 150 150 0 0 100 100 Premature Atrial Premature Atrial Complex Complex 100 100 Diagnosa Asli
Tabel 4.9 Hasil Evaluasi Simulasi Atrial Tachycardia Diagnosa Asli QRS Ventrikular Unclassified APC Jenis Penyakit Total 1091 0 0 817 Atrial Tachycardia Diagnosa Program 1091 0 0 817 Atrial Tachycardia TP 1091 0 0 817 FN 0 0 0 0 FP 0 0 0 0 Sf 100 PP 100
100
100
100
100
Tabel 4.10 Hasil Evaluasi Simulasi Premature Ventricular Complex Diagnosa Asli QRS Ventrikular Unclassified APC Jenis Penyakit Total 757 151 0 0 Premature Ventricular Complex Diagnosa Program 757 151 0 0 Premature Ventricular Complex TP 757 151 0 0 FN 0 0 0 0 FP 0 0 0 0 Sf 100 100 PP 100 100
100
100
202 Tabel 4.11 Hasil Evaluasi Simulasi Ventricular Fibrillation Diagnosa Asli QRS Ventrikular Unclassified APC Jenis Penyakit Total 210 0 0 0 Ventricular Fibrillation Diagnosa Program 210 0 0 0 Ventricular Fibrillation TP 210 0 0 0 FN 0 0 0 0 FP 0 0 0 0 Sf 100 PP 100
100
100
Hasil dari keseluruhan tes adalah nilai Sensitifitas data rekaman EKG asli adalah 100 % dan pada data normalisasi adalah 100 %. Dab nilai Positive Predictive pada data rekaman EKG asli adalah 95,58 % dan pada data normalisasi 100 %.