PENELITIAN PEMULA

USULAN
PENELITIAN PEMULA

ALAT PENDETEKSI DINI PENYAKIT KARDIOVASKULER

MENGGUNAKAN SINYAL PHOTO PLETHISMOGRAPH (PPG)

Oleh:

Iva Atyna, MT NIDN : 0615098801 Ketua

Dedi Nurcipto, MT NIDN : 0617088404Anggota

UNIVERSITAS DIAN NUSWANTORO SEMARANG

Maret 2015

i
 HALAMAN PENGESAHAN
PENELITIAN PEMULA

Judul Penelitian :
Ketua Peneliti
a. Nama Lengkap : Iva Atyna,M.T.
b. NIDN : 0615098801
c. Jabatan Fungsional :-
d. Program Studi : Teknik Elektro
e. Nomor HP : 085659287487
f. Alamat surel (e-mail) : atyna.iva@gmail.com
Anggota Peneliti (1)
a. Nama Lengkap :
b. NIDN :
c. Perguruan Tinggi : Universitas Dian Nuswantoro Semarang
Biaya Penelitian : -Diusulkan ke DIKTI Rp 15.000.000,-

Semarang,
Mengetahui, Ketua Peneliti,
Dekan Fak. Teknik Udinus

(Dr. Eng Yuliman P., M.eng) (Iva Atyna, M.T.)

NPP. 0686.11.2001.266 NPP. 0686.11.2013.554
Menyetujui,
Kepala LPPM Udinus

(Prof. Vincent Didiek Wiet Aryanto, MBA, PhD)

NPP. 0686.11.2014.606

ii
 DAFTAR ISI

HALAMAN PENGESAHAN PENELITIAN PEMULA.......................................II

DAFTAR ISI..........................................................................................................III

DAFTAR GAMBAR..............................................................................................V

RINGKASAN..........................................................................................................1

BAB 1 PENDAHULUAN.......................................................................................1

1.1 LATAR BELAKANG.......................................................................................

1.2 RUMUSAN MASALAH...................................................................................
1.3 TUJUAN PENELITIAN....................................................................................
1.4 PEMBATASAN MASALAH.............................................................................
1.5 LUARAN PENELITIAN...................................................................................
1.6 KAJIAN RISET SEBELUMNYA.......................................................................

BAB 2 TINJAUAN PUSTAKA................................................................................

2.1 KARDIOVASCULER........................................................................................

2.2. PHOTOPLETHISMOGRAPH...........................................................................

2.3 PARAMETER PHOTOPLETHISMOGRAPH.........................................................

BAB 3 METODE PENELITIAN..............................................................................

3.1 LOKASI PENELITIAN....................................................................................

3.2 PEUBAH YANG DIAMATI/DIUKUR..............................................................
3.3 METODE YANG DIGUNAKAN DALAM MENGIMPLEMNETASIKAN...............

BAB IV BIAYA DAN JADWAL PENELITIAN.....................................................

4.1 ANGGARAN BIAYA......................................................................................

4.2 JADWAL KEGIATAN.....................................................................................

DAFTAR PUSTAKA................................................................................................

LAMPIRAN-LAMPIRAN.........................................................................................

iii
LAMPIRAN 1. JUSTIFIKASI ANGGARAN PENELITIAN...............................................
Rekapitulasi Justifikasi Anggaran Penelitian.....................................................
LAMPIRAN 2. SUSUNAN ORGANISASI TIM PENELITI DAN PEMBAGIAN TUGAS........
LAMPIRAN 3. BIODATA KETUA DAN ANGGOTA.....................................................
BIODATA KETUA TIM PENELITI.................................................................
BIODATA ANGGOTA TIM PENELITI...........................................................

iv
 DAFTAR GAMBAR
Gambar 1.1.

v
DAFTAR TABEL

vi
 RINGKASAN

Menurut WHO, lebih dari 80% kematian akibat penyakit jantung dan pembuluh
darah terjadi pada negara dengan tingkat penghasilan rendah-menengah seperti
Indonesia. Tentunya penanganan masalah akan menjadi salah satu beban yang cukup
tinggi bagi penyelenggaraan pelayanan kesehatan di berbagai negara berkembang.
Solusi yang diharapkan lebih efektif dan murah untuk menghadapi kenyataan ini
adalah dengan mempromosikan tindakan preventif serta mengembangkan metode
dan perangkat deteksi dini.

Penyakit kardiovaskuler diawali dari munculnya ‘plaque’ pada pembuluh darah

koroner yang menjadi penyebab utama terjadinya penyumbatan. Plaque akan
terbentuk pada pembuluh darah yang kurang sehat karena adanya kelainan pada sel
endotel (sel pada lapisan terdalam yang langsung bersentuhan dengan aliran darah).
Dengan mengukur ‘tingkat kesehatan’ fungsi endotel (pembuluh darah), risiko
munculnya ‘plaque’ dapat dikurangi dan diketahui sejak dini.

Perangkat deteksi dini penyakit kardiovaskuler yang akan dikembangkan pada

penelitian ini menggunakan sensor PPG (photoplethysmograph) yang ditempel pada
jari tangan. Sensor ini mampu mendeteksi perubahan volume darah mikrovaskuler
secara optis dengan hasil pengukuran objektif (tidak tergantung operator). Dengan
mengembangkan model matematika yang tepat, sinyal yang didapatkan dari sensor
PPG ini, dapat diproses lebih lanjut untuk mendapatkan parameter-parameter yang
dibutuhkan. Pendalaman mengenai korelasi antara sinyal PPG yang diukur dengan
parameter-parameter yang menggambarkan ‘kelenturan pembuluh darah’ akan
menghasilkan suatu indeks (arterial stiffness index) yang digunakan sebagai ukuran
objektif (tanpa operator) untuk menggambarkan ‘tingkat kesehatan pembuluh darah’.
Diharapkan pendekatan ini merupakan tindakan preventif yang lebih efektif untuk
pencegahan penyakit kardiovaskuler.

Sistem yang akan digunakan untuk melakukan berbagai eksperimen dan pengukuran
awal (development system) terdiri atas sensor PPG yang terintegerasi dengan
computer untuk akuisisi sinyal serta pengolahan sinyal hasil akuisisi secara digital.
Setelah menentukan model matematika yang tepat disertai pengembangan algoritma

1
yang dibutuhkan, pada akhir penelitian akan dihasilkan suatu perangkat deteksi dini
penyakit kardiovaskuler (target system).

Kata kunci: deteksi dini – kardiovaskuler – fotopletismografi – aterosklerosis

2
 BAB 1 PENDAHULUAN

1.1 Latar Belakang

Indonesia memiliki lebih dari 1700 Rumah Sakit, hampir 10.000 Puskesmas dan
ribuan Rumah Bersalin dan Klinik yang jumlahnya tiap tahun bertambah. Semua
fasilitas layanan kesehatan ini didukung oleh alat kesehatan (alkes) yang secara
umum terbagi menjadi bahan habis pakai (consumables, 25%), alat diagnostik (15%)
dan peralatan medis (60%).

Belanja alkes nasional saat ini mencapai 17 triliyun rupiah/tahun tetapi hanya mampu
dipenuhi oleh produsen dalam negeri sekitar 2% atau ekivalen dengan nilai 260
milyar rupiah (Aspaki, 2008). Bahan habis pakai dan peralatan medis sebagian besar
(85%) masih dipenuhi oleh produk impor. Hal ini menunjukkan bahwa volume pasar
alat kesehatan dalam negeri masih terbuka luas tetapi belum dimanfaatkan secara
optimal oleh produsen nasional.

Pengobatan pasien penderita penyakit kardiovaskuler membutuhkan peralatan medis

yang mahal (CT Scan, Angiography, MRI dll) sehingga tindakan preventif dirasakan
sebagai suatu solusi yang jauh lebih efektif dan murah. Deteksi dini penyakit
kardiovaskuler telah lama menjadi pertanyaan berbagai pihak. Untuk melakukan
deteksi secara lebih dini dibutuhkan perangkat yang mampu mendeteksi gejala
penyakit kardiovaskuler agar dapat dilakukan pencegahan dengan obat ataupun
dengan melakukan diet dan exercise tertentu. Dengan pendekatan ini, program
pemeriksaan secara dini terhadap masyarakat dapat dilakukan untuk menurunkan
jumlah pasien yang bermasalah dengan penyakit kardiovaskuler dan tentunya akan
mengurangi jumlah biaya pelayanan kesehatan di Indonesia.

Berbagai jurnal ilmiah dibidang teknik biomedika menyatakan bahwa kemajuan

teknologi saat ini, memberi peluang untuk melakukan pengukuran ‘tingkat kesehatan
pembuluh darah’ menggunakan metoda fotopletismographi dan tekanan darah yang
merupakan solusi efektif untuk mendeteksi gejala penyakit kardiovaskuler secara
dini. Dengan pendekatan ini, seseorang dapat memeriksakan dirinya lebih dini untuk
mengetahui apakah sistem pembuluh darahnya berada pada kondisi sehat atau

3
memerlukan pengobatan pencegahan dini.

Menurut WHO penyakit jantung dan pembuluh darah masih merupakan penyebab
utama kematian di dunia. Pada tahun 2008 diketahui sebanyak 17,3 juta penduduk
meninggal akibat penyakit jantung dan pembuluh darah (30% dari angka seluruh
kematian). Diantara kematian ini, sebanyak 7,3 juta diakibatkan oleh penyakit
jantung koroner dan 6,2 juta oleh stroke. Disamping itu, lebih dari 80% kematian
akibat penyakit jantung dan pembuluh darah terjadi pada negara dengan tingkat
penghasilan rendah-menengah termasuk Indonesia, dan terjadi sama banyaknya
antara pria dan wanita. Diperkirakan hingga tahun 2030 kurang lebih sebanyak 25
juta penduduk akan meninggal akibat penyakit jantung dan stroke.

Penyediaan obat-obatan penyakit jantung koroner dan stroke yang berkualitas, murah
dan terjangkau sudah banyak diproduksi di dalam negeri. Namun, penyediaan
peralatan medis di Indonesia sampai saat ini sangat mahal dan sangat tergantung
pada produk import.

Populasi yang bermasalah dengan penyakit kardiovaskuler tentunya akan menjadi

masalah kesehatan dan menjadi beban anggaran yang besar di Indonesia terutama
jika dikaitkan dengan pelaksanaan Undang-Undang No. 40/2004 tentang Sistem
Jaminan Sosial Nasional (SJSN) yang akan diberlakukan pada Januari 2014 dalam
rangka mewujudkan program healthy people 2020. Badan Penyelenggara Jaminan
Sosial (BPJS) yang diberi wewenang untuk melaksanakan program SJSN harus lebih
memprioritaskan penanganan kesehatan pada usaha pencegahan untuk menekan
beban anggaran kesehatan. Kondisi tersebut akan mendorong pemerintah
menyediakan obat-obatan dan peralatan medis yang sesuai dengan kemampuan
anggaran BPJS untuk melaksanakan program SJSN secara proporsional dibidang
penyakit Kardiovaskuler.

Usaha pencegahan penyakit kardiovaskuler melalui pendekatan deteksi dini

merupakan upaya yang jauh lebih efektif sebagai langkah preventif untuk
mengurangi jumlah populasi penduduk yang bermasalah dengan penyakit
kardiovaskuler.

4
Salah satu cara untuk deteksi dini penyakit kardiovaskuler dapat dilakukan melalui
pengukuran ‘tingkat kesehatan’ fungsi endotel (pembuluh darah). Pembuluh darah
secara fungsional mempunyai aktivitas mengembang dan kembali ke diameter
normal secara teratur. Fungsi ini diatur oleh zat Nitric Oxide (NO) yang diproduksi
oleh lapisan endotel pembuluh darah. Aliran darah yang lancar akan memacu sel
endotel untuk memproduksi NO lebih banyak. Ini menyebabkan diameter
mikrovaskuler melebar dan mengakibatkan volume darah di tempat tersebut
bertambah. Sebaliknya, aliran darah yang tidak lancar akan menurunkan produksi
NO dan semakin mempersempit diameter pembuluh darah. Selain fungsinya untuk
mengembangkan ukuran pembuluh darah, NO juga berfungsi memelihara lapisan
endotel tetap utuh untuk mencegah proses pembentukan aterosklerosis maupun
proses pembentukan pembekuan darah yang dapat menyumbat pembuluh darah
tersebut. Semakin besar sumbatan pada pembuluh darah maka semakin rendah pula
produksi NO. Penurunan produksi NO berhubungan dengan penyakit
hiperkolesterolemia, diabetes mellitus, dan hipertensi yang menjadi penyebab
kelainan fungsi sel endotel. Produksi NO yang terganggu berdampak pada
menurunnya elastisitas pembuluh darah yang berkorelasi dengan resiko terkena
penyakit jantung dan pembuluh darah. Dengan mengukur secara kuantitatif jumlah
perubahan volume darah mikrovaskuler dapat digambarkan secara tidak langsung
jumlah NO yang diproduksi oleh endotel yang terkait dengan fungsinya terhadap
pembuluh darah.

Semua pengukuran dilakukan secara non-invasif. Diharapkan pendekatan ini

merupakan tindakan preventif yang lebih efektif untuk pencegahan penyakit
kardiovaskuler, dimana perangkat yang dihasilkan akan mudah diproduksi secara
masal oleh industri dalam negeri.

1.2 Rumusan Masalah

Dengan latar belakang yang telah diurai sebelumnya, penelitian yang akan
dilakukan sebagai berikut:

5
 1. Bagaimana menghasilkan perangkat deteksi dini penyakit kardiovaskuler?

2. Bagaimana mendeteksi penyakit kardiovaskuler secara dini dengan

menggunakan PPG

3. Bagaimana mengolah sinyal fotopletismogram menjadi parameter dalam

menentukan kesehatan jantung dan pembuluh darah?

1.3 Tujuan Penelitian

Tujuan khusus dari penelitian ini adalah untuk menghasilkan perangkat

deteksi dini penyakit kardiovaskuler menggunakan prinsip pengukuran
fotopletismografi yang ditempelkan pada jari
Sedangkan untuk jangka panjang dari penelitian ini adalah :
a. Miningkatkan peran serta UDINUS dalam program sosial kemasyarakatan
b. Meningkatkan daya saing Uiversitas

1.4 Pembatasan Masalah

Dalam implementasi pola berjalan yang diterapakan pada kaki robot sebagai
berikut:

a. Hanya menggunakan parameter sensor fotopletismograf

b. Parameter yang digunakan hanya Reactive Hyperemia Index (RHI) dan
Augmentation Index (AUI)

1.5 Luaran Penelitian

Target luaran dalam penelitian ini adalah :

1. Mengintegrasikan dengan perangkat pendeteksi penyakit kardiovaskuler yang
menggunakan parameter lain sepeti tekanan darah, EKG, dll.
2. Prosiding pada seminar ilmiah baik yang berskala lokal, regional maupun
nasional
3. Pengayaan bahan ajar teknik biomedika terkait aplikasi dan penerapan
mikrokontroller.

6
 4. Hasil dari penelitian dapat dievaluasi untuk dikembangkan dan refrensi
penelitian berikutnya.

1.6 Kajian Riset Sebelumnya

Pengembangan Perangkat Deteksi Dini

Penyakit Kardiovaskuler
(Prof. Dr. Ir. Tati Latifah Erawati Rajab)
Alat pendeteksi dini
gangguan
kardiovaskuler
dengan pengukuran
Penentuan Lower Limb Joint Angles sinyal PPG
Berdasar Respon Akselerometer dalam
Pengembangan Wearable Sensor untuk
FES (Benedictus, 2012)

Gambar 1.1 Route Map

7
 BAB 2 TINJAUAN PUSTAKA

2.1 Kardiovasculer
Jantung manusia merupakan suatu alat yang berdenyut[3], suatu pompa yang terdiri dari
empat kamar: atrium kanan, ventrikel kanan, atrium kiri, dan ventrikel kiri. Empat bagian
jantung tersebut 2 beraktifitas selaras dalam dua tahap pemompaan, jantung sebelah kanan
menyuplai darah ke paru - paru untuk pengikatan oksigen melalui sirkulasi pulmonary,
sedangkan jantung sebelah kiri menyuplai darah keseluruh tubuh melalui sirkulasi sistemik.
Darah masuk ke jantung melalui atrium kanan kemudian atrium kanan berkontraksi
mendorong darah melalui katup 12 trikuspit menuju ventrikel kanan yang kemudian
berkontraksi memompa darah menuju sirkulasi pulmonary, kemudian darah yang
mengandung oksigen masuk melalui atrium kiri, dan didorong menuju ventrikel kiri melalui
katup bikuspit. Tekanan terendah (resting) pada jantung disebut diastolis dan pada saat
kontraksi pemompaan yaitu pada tekanan yang paling tinggi disebut sistolis, Pergerakan
yang teratur dari atrium dan ventrikel disebabkan adanya muatan elektrik yang membentuk
pada koordinasi seri dari kejadian elektrik di jantung. Koordinat kontruksi dari atrium dan
ventrikel diatur dari bentuk yang spesifik dengan aktifnya sinyal listrik di susunan otot,
keaktifan sinyal listrik di dinding atrium dan ventrikel dibentuk oleh suatu koordinasi seri
dari system sumber gerak jantung yang merupakan bagian yang kecil dari jantung. Dinding
kiri ventrikel adalah 3 kali lebih[2] tebal dinding ventrikel sebelah kanan, sementara sekat
pemisah diantara kedua ventrikel jantung hampir setebal dinding ventrikel sebelah kiri,
sebagian besar dinding ventrikel sebelah kanan dan kiri serta sekat pemisah jantung sebagai
sunber bioelektrik dari sekumpulan otot yang aktif, sehingga atrium dengan dindingnya yang
bergerak bebas dan sekat pemisah kedua ventrikel dianggap sebagai penyebar utama diluar
bidang potensial jantung. Gambar 2.1 Jantung dan Bagiannya secara keseluruhan[3].
Rangsangan terhadap kontraksi otot jantung bukan dari system pusat syaraf langsung seperti
sebagian besar otot yang lain, tetapi merupakan inisiatif dari simpulsinoatrial (S-A) yaitu
sekelompok sel perangsang khusus yang terdapat di antara superior vena cava dan atrium
kanan, kemudian rangsangan tersebut menuju simpul atrio ventricular (A-V) melalui tiga
jalur khusus, anterior middle, posterior internodal track dan menuju ventrikel kiri. Rangsang
yang diterima oleh simpul AV kemudian diteruskan menuju bundle of hiss, right bundle
bruch, common left bundle bruch, anterior bundle bruch, posterior bundle bruch dan
purkinye network. Right bundle bruch menyebar di sepanjang sisi kanan interventrikuler

8
septum menuju puncak ventrikel kanan kemudian menuju cabang – cabang yang penting, left
common bundle bruch yang memotong sisi kiri septum dan membelah menuju bagian
interior yang tipis panjang serta melalui katup aortic pada outflow track menuju anterolateral
papillary muscle atau bagian posterior yang lebar pendek menuju posterior papillary muscle
pada inflow track. Seperti yang telah dijelaskan diatas, bahwa sinyal ECG timbul karena
adanya biopotensial listrik yang terjadi pada dinding - dinding otot jantung. Sel-sel otot
jantung atau serabut otot jantung terbungkus dalam suatu selaput pembungkus sel atau
dinding sel, bila otot tersebut dalam keadaan tenang, maka permukaan bagian luar dinding
sel ini akan bermuatan positif dan permukaan bagian dalam dinding sel bermuatan negative
yang besar kedua muatan pada dinding sel tersebut sama. Keadaan ini dinamakan keadaan
polarisasi, keadaan polarisasi ini terjadi karena adanya permeabilitas selaput sel otot. Pada
keadaan tersebut potensial listrik pada seluruh permukaan otot adalah sama. Jadi, bila pada
kedua ujung serabut otot itu diberi dua buah electrode, maka dalam keadaan polarisasi, hasil
pengukuran beda potensial yang terjadi pada kedua electrode menunjuk pada garis nol yang
biasa disebut dengan istilah garis isoelektrik. Bila pada salah satu ujung serabut otot
mendapat rangsangan listrik maka akan terjadi perubahan permeabilitas. Pada selaput sel, hal
ini mengakibatkan berkurangnya daya pemisah muatan listrik pada permukaan luar dan
dalam selaput sel tersebut, sehingga muatan - muatan listrik ini akan saling meniadakan.
Keadaan ini dinamakan juga keadaan depolarisasi. Setelah keadaan depolarisasi ini, maka
muatan listrik tidak terdapat lagi pada kedua permukaan selaput sel dan keadaannya menjadi
isoelektrik, selanjutnya keadaan serabut otot mengalami perubahan lagi setelah terjadinya
kontraksi otot, keadaan ini dinamakan keadaan repolarisasi. Dalam keadaan repolarisasi ini
muatan listrik pada serabut otot secara bertahap akan kembali menjadi keadaan semula,
dimana jumlah muatan positif pada permukaan luar dan muatan negative pada permukaan
dalam berharga sama, jadi keadaan ini sama dengan keadaan semula yaitu keadaan
polarisasi, demikian proses ini bekerja berulang - ulang seperti yang telah dijelaskan diatas. 3
Gambar 2.2 ECG normal dengan masing-masing gelombangnya[2].

2.2 PPG (Photo Plethismograph)

Plethysmografi merupakan suatu teknik untuk mendeteksi atau mengukur perubahan volume
didalam suatu organ.Photoplethysmograph (PPG) digunakan untuk mengukur kondisi
peredaran darah yang di pompa oleh jantung pada organ tertentu dalam tubuh manusia.
Pemanfaatan sinyal photoplethysmograph (PPG) akan di fokuskan pada perhitungan denyut
jantung seseorang seama periode tertentu dan penampilan grafik photoplethysmograph pada
LCD grafik, sehingga grafik tersebut dapat dimanfaatkan oleh ahli medis untuk mengetahui

9
kondisi jantung seseorang. Biasanya merupakan hasil dari fluktuasi darah atau udara yang
terkandung didalamnya. Photoplethysmograph yang bekerja menggunakan sensoroptik. PPG
menggunakan pulse oximeter. Pulse oximeter merupakan perangkat medis yang dapat
mengukur banyaknya kandungan oksigen dalam darah dan perubahan volume darah pada
kulit. Pulse oximeter dapat dibuat menggunakan LED dan LDR. PPG memiliki kekurangan
yaitu hanya dapat mengukur atau mengamati perubahan volume tetapi besaran yang di
hasilkan tidak dapat di kalibrasi amplitudonya. Gambar 2.3 Pulse oximeter[5] Gambar 2.1
adalah contoh signal PPG diambil dari pulse oximeter yang ditempatkan di telinga dalam
teknik photoplethysmograph dikenal dua macam mode konfigurasi pemasangan sensor pulse
oximeter. Mode transmisi : Sumber cahaya Led (lighting Emited Diode) dipasang
berhadapan dengan sensor cahaya LDR (light dependen Resistor) seperti pada gambara
dibawah. Phototransistor mendeteksi perubahan cahaya yang di pancarkan oleh infra red
akibat penyerapan organ (darah, kulit, daging, dan otot) secara langsung. Mode refleksi :
dalam mode refleksi LED dan phototrasistor dipasang sejajar. Sinyal atau perubahan cahaya
yang dideteksi oleh LDR adalah sinyal pantulan atau refleksi. Gambar 2.4 Peletakan mode
photoplethsmograph[5] Sinyal PPG(photoplethsmograph) dapat dimanfaatkan dalam bidang
kedokteran untuk : Menghitung atau monitoring denyut jantung. Mengamati kinerja dan
kelainan jantung. Memonitor pernafasan. Mengatur saturasi oksigen dalam darah. Sensor
yang digunakan terdiri dari dua jenis, yaitu : sensor transmitter dan sensor receiver. Sensor
transmitter yang digunakan adalah LEF sedangkan sensor penerima yang digunakan yaitu
LDR. Sebagai pemancar, LED memancarkan cahayanya merspon kulit dan peredaran darah
yang dipompa oleh jantung yang ada pada jari. Kemudian sebagai penerima, LDR akan
merspon adanya denyut jantung yang di respon oleh LED tadi.

2.3 Parameter Sensor PPG

Parameter sensor PPG merupakan parameter-parameter yang didapat setelah
mengolah sinyal dari sensor fotopletismografi. Parameter-parameter tersebut adalah
RHI, amplitudo sistol, lebar pulsa, Augmentation Index, Stiffness Index, Inflection
Point Area, pulse interval, dan age index. Berikut penjelasan untuk setiap parameter.

1. Reactive Hyperemia Index (RHI)

Reactive Hyperemia Index merupakan indeks untuk mengukur fungsi endotelial.
Untuk mengukur RHI, dibutuhkan dua buah sensor PPG yang diletakkan pada jari
selain jempol (lebih diutamakan jari telunjuk) tangan kanan dan tangan kiri serta

10
satu cuff tekanan darah yang diletakkan pada lengan yang bukan merupakan lengan
dominan. RHI dihitung menggunakan rumus seperti berikut:

Range nilai RHI berdasarkan EndoPAT score tampak pada Tabel 3 berikut:

Tabel 1 Tabel EndoPAT score

Zona Skor Keterangan
Merah <1,68 Endotelial tidak berfungsi secara
normal.
Kunin 1,69 – Meskipun endotelial berfungsi
g 2 secara normal, sebaiknya ubah
gaya hidup atau periksa ke
dokter
Hijau 2,1 – Endotelial berfungsi secara
3 normal

Gambar 4 berikut digunakan untuk mengukur parameter 2 – 4.

11
 Gambar 2 Gelombang PPG
2. dan Zavalic pada Diagnostic Value of Finger Thermometry and
Photoplethysmography in The Assessment Amplitudo sistol (x)

Berdasarkan 4, amplitudo sistol merupakan tinggi puncak sistol. Amplitudo sistol

merupakan indikator perubahan pulsa/denyut volume darah yang disebabkan oleh
aliran darah arteri disekitar daerah pengukuran. Berdasarkan fisiologi kedokteran,
amplitudo sistol merupakan jumlah total volume darah di dalam pembuluh darah
yang diukur setelah kontraksi jantung (sistol). Nilai median amplitudo sistol yang
diteliti oleh Bogadi-Sare of Hand-Arm Vibration Syndrome adalah 18,5 mm pada
naracoba kontrol dengan variasi antara 5 – 48 mm.

3. Lebar pulsa (pulse width)

Lebar pulsa berkorelasi dengan resistansi pembuluh darah sistemik. Lebar pulsa
merupakan setengah dari tinggi puncak sistolik (Gambar 4).

4. Augmentation Index (AI)

Augmentation Index (AI) dihitung menggunakan rumus berikut:

y
AI =
x

dimana y merupakan amplitudo sistol sedangkan x merupakan amplitudo diastol. AI

dapat digunakan untuk mengukur kekakuan arteri. Nilai AI meningkat akibat proses
penuaan pada pembuluh darah. Nilai rata-rata indeks augmentasi dari 50 naracoba
laki-laki yang diteliti oleh Kelly dkk pada Vasoactive Drugs Influence Aortic
Augmentation Index Independently of Pulse Wave Velocity in Healthy Men adalah
11,2 ± 10,7%.

5. Inflection Point Area (IPA)

IPA merupakan jumlah total volume darah dalam pembuluh darah yang diukur dari
waktu awal sistol sampai waktu akhir. Gambar 5 menunjukkan pembagian area
gelombang PPG yang digunakan untuk menghitung Inflection Point Area
menggunakan rumus sebagai berikut:

12
 A2
IPA=
A1

Gambar 3 Pembagian area gelombang PPG

6. Pulse interval

Berdasarkan Gambar 6, pulse interval merupakan jarak antara awal dan akhir
gelombang PPG. Pulse interval menunjukkan waktu antara dua denyut nadi pada
pembuluh darah yang diukur. Nilai normal pulse interval berkisar antara 0,6 – 1
detik.

Gambar 4 Pulse Interval

7. Large artey stiffness index (SI)

Stiffness index (SI) arteri besar dihitung dari tinggi badan subjek dibagi dengan
waktu transit nadi (waktu antara puncak volume sistol dan puncak volume aliran
balik diastol). Stiffness Index (SI) dihitung menggunakan rumus berikut:

h
SI=
∆T

dimana h menunjukkan tinggi subjek sedangkan ∆ T didapat berdasarkan Gambar 7.

13
 Gambar 5 Delta T untuk perhitungan Stiffness Index (SI)
Hasil perhitugan tersebut dapat menggambarkan derajat kekakuan dinding pembuluh
darah yang dikur. Nilai rata-rata indeks kekakuan arteri besar dari 87 naracoba yang
diteliti oleh Millasseau dkk. pada Determination of Age-Related Increases in Large
Artery Stiffness by Digital Pulse Contour Analysis adalah 8,4 m/s.

8. Age Index

Gelombang APG merupakan gelombang turunan kedua dari gelombang PPG seperti
tampak pada Gambar 8 (b). Gelombang APG memiliki nilai a, b, c, d, dan e. Indeks
(b-c-d-e)/a bertambah seiring dengan usia yang dapat digunakan untuk evaluasi umur
pembuluh darah (age index) dan skrining penyakit arteriosklerotik. Umur pembuluh
darah dihitung menggunakan rumus berikut:

45,5∗b−c−d −e
Age index= ∗65,9tahun
a

Gambar 6 (a) gelombang PPG sedangkan (b) turunan kedua gelombang PPG

14
Age index dapat menggambarkan “usia klinis” seseorang. Usia ini akan berbeda
dengan usia orang tersebut yang dihitung berdasarkan tanggal lahir karena usia ini
menunjukkan usia pembuluh darah berdasarkan sinyal APG dari sinyal PPG. Apabila
age index lebih besar daripada usia sesungguhnya orang tersebut, diperkirakan
bahwa kondisi pembuluh darah orang tersebut lebih buruk daripada kondisi
pembuluh darah kebanyakan orang dengan usia yang sama dengan usia orang
tersebut. Nilai normal age index adalah sesuai atau lebih rendah dari usia sebenarnya.

Klasifikasi bentuk gelombang APG

Gelombang APG dapat diklasifikasikan berdasarkan bentuknya seperti tampak pada

Gambar 9 berikut:

Gambar 7 Gelombang APG dan klasifikasi gelombang APG

Penjelasan bentuk gelombang APG dapat dilihat pada Tabel 4 berikut:

Tabel 2 Tipe gelombang APG

15
 BAB 3 METODE PENELITIAN

Dalam penelitian akan meliputi beberapa tahan untuk mencapai tujuan yang
diingingkan dalam mengimplementasikan pola berjaan pada kaki robot. Mula-mula
kaki robot akan dibuat dengan menggunakan motor dynamixle sebagai sendi pada
lower limb yaitu pada sendi hip,knee dan ankle sehingga akan menyerupai kaki
manusia. Sedangkan pola berjalan yang akan digunakan pada penelitian ini
merupakan pola berjalan yang diambil dengan menggunakan kamera khusus yaitu
Optotrak Cetrus3020, kemudian hasil dari pengukuran tersebut akan di ekstrak
menjadi variabel-variabel berupa pola yang nantinya kan digunakan pada masukan
pada kaki robot. Disini akan menggunakan mikrokontroler sebagai otak yang akan
mengolah masukan pola berjalan yang berupa sudut menjadi gerakan-gerakan pada
kai robot.

3.1 Lokasi Penelitian

Penelitian ini akan dilakukan di Lab Instrumen Fakultas Tekni Universitas
dian Nuswantoro Semarang. Sedangkan pengambilan data pola berjalan yang
dilakukan dengan kamera khusus yaitu Optotrak Cetrus3020 yang merupakan
kamera berkecepatan tinggi. Kamera tersebut dimiliki oleh Institut Teknologi
Sepuluh Nopember Surabaya di Lab Biomedis.

3.2 Peubah yang diamati/diukur

c. Setelah pendukung-pendukung penelitian ini telah terpenuhi baik
hardware/software dan data sinyal PPG sudah didapat pengolahan parameter
Reactive Hyperemia Index (RHI) dan Augmentation Index (AUI) dilakukan agar
dapat mendeteksi penyakit kardiovaskuler secara dini.

3.3 Metode yang digunakan dalam mengimplemnetasikan

(1) Pemrosesan Sinyal PPG

Pada bagian ini akan dijelaskan pengolahan sinyal PPG dan EKG untuk perhitungan PWV
(Pulse Wave Velocity). Metode yang digunakan terdiri atas dua bagian:

16
a. Pulse Transit Time (PTT) antara Puncak Q-R-S pulse sinyal ECG dengan puncak
sinyal PPG

Gambar 8 Ilustrasi Pulse Transit Time antara sinyal PPG-ECG

PPG Data PPG Main PPG Max Index

Processing
PWV Data
PWV
Calculation
ECG Data ECG Main ECG Max Index
Processing

Gambar 9 Blok diagram perhitungan PWV dengan metode sinyal PPG-ECG

b. Pulse Transit Time (PTT) antara dua sinyal PPG

Gambar 10 Ilustrasi Pulse Transit Time antara dua sinyal PPG

17
 PPG_2
PPG Data 1 PPG Main Max Index
Processing
PWV Data
PWV
Calculation
PPG_1
PPG Data 2 PPG Main Max Index
Processing

Gambar 11 Blok diagram perhitungan PWV dengan metode sinyal PPG-PPG

Pada dua metode di atas, untuk mendapatkan nilai PTT diperlukan posisi titik maksimum
sinyal (ECG dan PPG). Oleh karena itu, untuk mendapatkan nilai puncak yang tepat
diperlukan pengolahan sinyal yang sesuai.

Pada bagian ini, dibahas pengolahan sinyal PPG dan ECG untuk perhitungan PWV.

1. Pengolahan Sinyal PPG

PPG Main Processing

PPG Data Derivatives Moving Sum Peak Index Min Ind

DC Blocker calculation Average Search Max In

Gambar 12 Blok diagram umum pemrosesan sinyal PPG

a. DC Blocker
DC Blocker berfungsi untuk menghilangkan komponen DC pada sinyal. Modul DC
Blocker diimplementasikan dengan menggunakan Leaky Integrator, seperti
ditunjukkan pada Gambar 41 berikut Pada DC Blocker terdapat struktur feedback
pada bagian quantizer. Bagian ini berfungsi sebagai noise shaper.

Gambar 13 Blok diagram DC Blocker

b. Perhitungan Turunan Pertama dan Kedua
Perhitungan Turunan pertama dan kedua sinyal PPG dilakukan denggan
menggunakan algoritma Sgolay.
c. Penentuan Posisi Puncak

18
 Posisi puncak sinyal PPG didapatkan dengan melakukan pengujian nilai turunan
pertama dan kedua sinyal PPG[1], seperti ditunjukkan pada Gambar 42.

Gambar 14 Pengujian turunan pertama dan turunan kedua

Untuk pengolahan data yang bersifat diskrit, penerapan metode di atas memerlukan
beberapa penyesuaian, yaitu :

 Karena pencarian nilai f’(x) = 0 tidak bisa dipastikan diperoleh pada sinyal diskrit
maka persamaan di atas didekati dengan menggunakan persamaan berikut:
f ' ( x ) 0 →|f ' ( x )|≤ δ , dengan δ adalah suatu nilai mendekati nol.
Nilai ini selanjutnya disebut zero threshold.

Gambar 15 Ilustrasi kandidat data zero

 Dari tahap ini kemungkinan akan diperoleh beberapa nilai indeks yang akan
dijadikan kandidat nilai maksimum atau minimum.
Misal didapatkan posisi kandidat x 1 , x 2 , … , x n
 Untuk menentukan indeks-indeks ini sebagai indeks minimum atau maksimum
maka, diperlukan pengecekan nilai turunan pertama, sebagai berikut:

19
 f ' ( x i ) <0 dan f ' ( x j ) > 0→ x adalahtitik minimum

f ' ( x i ) >0 dan f ' ( x j ) < 0→ x adalah titik maksimum

dengan:

f ' ( x i ) adalah nilai turunan pertama di area kiri posisi kandidat maksimum atau
minimum {x 1 , x 2 , … , x n }

f ' ( x j ) adalah nilai turunan pertama di area kanan posisi kandidat maksimum atau
minimum {x 1 , x 2 , … , x n }
Untuk mengantisipasi nilai-nilai yang fluktuatif akibat sampling error dan noise pada
data diskrit, maka untuk mendapatkan nilai turunan ini dicari nilai rata-rata dari
beberapa sampel di sebelah kiri dan kanan kandidat posisi ekstrem. Sehingga syarat
titik minimum dan maksimum dimodifikasi menjadi seperti berikut :

x−1 x+N
1
N
∑ f ( x i ) <0 dan N1
'
∑ f ' ( x i ) >0 → x adalah titik minimu m
x− N x+1

x− N x+ N
1
N
∑ f ( x i ) <0 dan 21N
'
∑ f ' ( xi ) > 0→ x adalahtitik minimum
x− N x+1

Pada persamaan di atas N adalah jumlah sampel, disebut juga search range.Tahap ini
disebut coarse search, karena baru diputuskan kandidat posisi minimum atau
maksimum. Gambar berikut adalah ilustrasi untuk kasus titik maksimum.

Gambar 16 Pengujian turunan pertama

20
  Tahap selanjutnya adalah fine search, yaitu memilih indek posisi kandidat yang
memberikan nilai maksimum. Pemilihan dilakukan dengan mencari nilai maksimum
dari setiap kandidat.
x max =max ⁡{f ( x 1) , f ( x 2 ) , … , f ( x n ) }
x min =max ⁡{f ( x 1) , f ( x2 ) , … , f ( x n ) }

Gambar 17 Penentuan posisi puncak

Pemilihan nilai ini dilakukan dalam setiap segmen sinyal PPG (selanjutnya disebut
search range).
2. Perhitungan PWV
Setelah didapatkan nilai indeks maksimum (atau minimum), maka nilai indeks PWV
dapat dihitung dengan terlebih dahulu menghitung PTT. Nilai PTT ini didefinisikan
sebagai delay antar dua puncak sinyal, selanjutnya PTT dapat disebut juga dengan notasi
∆ T . Indeks PWV dapat dihitung sebagai berikut:

∆L
PWV = , dengan ∆ L adalah jarak antara dua titik sensor
∆T

Karena dalam pengukuran sinyal PPG terdapat beberapa titik puncak, maka nilai indeks
PWV diambil dari rata-rata nilai PWV.

∆L
PWV i=
∆Ti

∆ T i=x 1i −x 2i

N
´ = 1 ∑ PWV i
PWV
N i=1

dengan:

PWV i adalah nilai PWV siklus ke−i

21
 ∆ T i adalah PTT siklus ke−i

x 1i adalah indeks posisi puncak dari sinyal pertama ( ECG ata u PPG )

x 2i adalah indeks posisi puncak dari sinyal pertama ( PPG 1atau PPG 2 )

´ adalah nilai rata−rata PWV

PWV

N adalah jumlahsiklus PPG / ECG

Gambar 18 Penentuan PTT

3. Simulasi MATLAB
Gambar 47 berikut menunjukkan diagram blok urutan pemrosesan data dalam simulasi
MATLAB.

Interpretation &
DSP Signal Processing
Statistical Analysis

PPG/ECG PWV Plot Graphic and

PPG data
Read File Read
Main File
Processing Calculation Display Related
(.mat File)
Parameters

Setting
parameter

Gambar 19 Blok Diagram Simulasi Matlab

Pulse Transit Time - 1 : 11
Pulse Wave Velocity - 1 : 0.0545
Pulse Transit Time - 2 : 15
Pulse Wave Velocity - 2 : 0.0400
Pulse Transit Time - 3 : 11

22
 Pulse Wave Velocity - 3 : 0.0545
Pulse Transit Time - 4 : 19
Pulse Wave Velocity - 4 : 0.0316
Pulse Transit Time - 5 : 11
Pulse Wave Velocity - 5 : 0.0545
Pulse Transit Time - 6 : 16
Pulse Wave Velocity - 6 : 0.0375
Pulse Transit Time - 7 : 11
Pulse Wave Velocity - 7 : 0.0545
Pulse Transit Time - 8 : 7
Pulse Wave Velocity - 8 : 0.0857
Pulse Transit Time - 9 : 10
Pulse Wave Velocity - 9 : 0.0600
Pulse Transit Time - 10 : 11
Pulse Wave Velocity - 10 : 0.0545
Pulse Transit Time - 11 : 11
Pulse Wave Velocity - 11 : 0.0545
Pulse Transit Time - 12 : 17
Pulse Wave Velocity - 12 : 0.0353
Pulse Transit Time - 13 : 15
Pulse Wave Velocity - 13 : 0.0400
Average PTT : 12.6923
Average PWV : 0.0506
StdDev PWV : 0.0142

(2) Ekstraksi Parameter Sinyal PPG

Dengan menggunakan algoritma pengujian turunan pertama dan kedua, ada beberapa
parameter sinyal PPG yang dapat diekstrak, beberapa parameter masih perlu dilakukan
penyesuaian dalam algoritma. Parameter yang dapat diukur antara lain sebagai berikut.

a. Amplitudo Sistol
Gambar 48 berikut menunjukkan sinyal PPG.

23
 Gambar 20 Sinyal PPG
Dengan menggunakan tes turunan pertama seperti yang digunakan pada proses
perhitungan PWV, amplitudo sistol dapat ditentukan. Gambar 49 menunjukkan hasil
simulasi ekstraksi amplitudo sistol menggunakan MATLAB.

Gambar 21 Ekstraksi amplitudo sistol

b. Peak to Peak Interval
Peak-to-peak interval atau pulse interval digunakan untuk menunjukkan dua pulsa
PPG yang berurutan.

Gambar 22 Peak-to-peak interval sinyal PPG

Berikut hasil simulasi MATLAB untuk menghitung peak-to-peak interval.

Peak-to-Peak - 1 : 133
Peak-to-Peak - 2 : 140
Peak-to-Peak - 3 : 149
Peak-to-Peak - 4 : 147
Peak-to-Peak - 5 : 150
Peak-to-Peak - 6 : 153
Peak-to-Peak - 7 : 162
Peak-to-Peak - 8 : 149

24
 Peak-to-Peak - 9 : 143
Peak-to-Peak - 10 : 143
Peak-to-Peak - 11 : 143
Peak-to-Peak - 12 : 133
Peak-to-Peak - 13 : 129
c. Lebar pulsa (pulse width)

Gambar 51 berikut menunjukkan ilustrasi perhitungan lebar pulsa.

Gambar 23 Ilustrasi perhitungan lebar pulsa

d. Augmentation Index

Gambar 52 menunjukkan amplitudo sistol (x) dan amplitudo diastol (y). Amplitudo
diastol dihitung berdasarkan turunan kedua sinyal PPG. Pada ilustrasi tersebut
didapat bahwa nilai x adalah 1,7404 sedangkan nilai y adalah 0,7679 sehingga
didapat AI = y/x = 0,0275/1.7404 = 0,0158.

Gambar 24 Perhitungan Augmentation Index

25
e. Stiffness Index

Gambar 53 menunjukkan hasil perhitungan Stiffness Index menggunakan

MATLAB.

Gambar 25 Ilustrasi perhitungan Stiffness Index dengan MATLAB

f. Age Index

Gambar 54 menunjukkan ilustrasi perhitungan Age Index menggunakan MATLAB.

26
 Gambar 26 Ilustrasi perhitungan Age Index menggunakan MATLAB
g. Reactive Hyperemia Index (RHI)

Gambar 55 menunjukkan ilustrasi perhitungan RHI menggunakan MATLAB.

Gambar 27 Ilustrasi perhitungan RHI menggunakan MATLAB

27
 BAB IV BIAYA DAN JADWAL PENELITIAN

4.1 Anggaran Biaya

4.2 Jadwal Kegiatan

Tabel 3. Jadwal Pelaksana Penelitian dan Indikator Kerja
Bulan Ke Indikator Kerja
No Jenis Kegiatan
1 2 3 4 5 6 7
Rancangan Diagram
1 Persiapan              
alur Kerja
Pelaksanaan               Pembagian Tugas
Persiapan Mendapatkan pola
             
pengambilan data berjalan orang normal
Perangcangan
              Uji Coba Alat
Sistem (Hard ware)
2 Pembuatan Sistem
              Rancangan GUI
(Soft ware)
Pengujian dan
              Evaluasi I
Evaluasi Sistem
Pengambilan Data
              Evaluasi II
dan Analisis Hasil
3 Pembuatan Laporan               Publikasi

28
 DAFTAR PUSTAKA

Langereis, Geert. Photoplethysmography (PPG) System. 2010. Eindhoven, Holland.

Jawahar, Yousuf. Design of an Infrared-based Blood Oxygen Saturation and Heart

Rate

Monitoring Device. 2009. McMaster University, Ontario, Canada.

29
LAMPIRAN-LAMPIRAN

30
Lampiran 2. Susunan organisasi tim peneliti dan pembagian tugas
No Nama/ NIDN Fakultas Bidang Ilmu Alokasi Uraian
Waktu Tugas
(Jam/Minggu)
1. Iva Atyna, F. Teknik Instrumentasi 8 Jam/ Minggu Perancangan
M.T. Elektronik Hardware
dan
Pengambilan
Data
2. Dedi Nurcipto, F. Teknik Pemrosesan 8 Jam/ Minggu Perancangan
MT Sinyal Software
dan Analisis
Data

31
32
 Lampiran 3. Biodata Ketua Dan Anggota

BIODATA KETUA TIM PENELITI

A. Identitas Diri
B. Riwayat Pendidikan
C. Pengalaman Penelitian dalam 5 tahun terakhir
D. Pengalaman Pengabdian Kepada Masyarakat Dalam 5 tahun Terakhir
E. Pengalaman Penulisan Artikel Ilmiah Dalam Jurnal 5 Tahun Terakhir
F. Pengalaman Penyampaian Makalah Secara Oral Pada Pertemuan/ Seminar
Ilmiah dalam 5 Tahun Terakhir

BIODATA ANGGOTA TIM PENELITI

A. Identitas Diri

33