Kuncoro Triandono Mukti1, Desti Mina rahayu2 dan Anggunmeka Luhur Prasasti3
Sistem Komputer, Fakultas Teknik Elektro,
Telkom University
Bandung, Indonesia
1
kuncoroteem@gmail.com, 2 destyviola@gmail.com, 3 anggunmeka@gmail.com
Gambar 4. Mode konfigurasi PPG (a) mode Prinsip dasar video plethysmography sama
transmisi, (b) mode reflektansi [6] dengan prinsip dasar PPG. Perbedaan paling
Photoplethysmography memiliki dua mode, mendasar pada video plethysmography adalah
yaitu mode transmisi dan mode reflektansi seperti menggunakan image processing untuk mengolah
yang terlihat pada Gambar 4. Pada mode transmisi, data dan mengekstrak data tersebut menjadi sebuah
cahaya yang ditransmisikan melalui sinyal yang merepresentasikan aktivitas denyut nadi
medium/jaringan tubuh terdeteksi oleh PD (Photo manusia. Colour space (ruang warna) yang
Dioda) berlawanan sumber LED. Mode transmisi ini digunakan pada sebagian besar perangkat perekam
mampu memperoleh sinyal relatif lebih baik, tetapi video adalah RGB (Red Green Blue). Pada ruang
tempat pengukurannya terbatas. Agar efektif, sensor warna ini, warna direpresentasikan sebagai
mode transmisi harus terletak pada tubuh pada percampuran antara merah, hijau, dan biru. Colour
bagian di mana cahaya yang ditransmisikan dapat space disebut juga dengan colour coordinate system
segera dideteksi, seperti jari, septum hidung, pipi, (system koordinat warna) yang direpresentasikan
lidah, atau daun telinga. Sementara dalam mode dalam system koordinat tiga dimensi seperti pada
reflektansi, PD mendeteksi cahaya yang kembali Gambar 5 (a). R=G=B=0 merepresentasikan warna
tersebar atau dipantulkan dari jaringan, tulang dan / hitam sedangkan Rmax=Gmax=Bmax=Max
atau pembuluh darah. Mode reflektansi merepresentasikan warna putih atau intensitas
menghilangkan masalah yang terkait dengan maksimum. Kombinasi nilai R, G, dan B yang
penempatan sensor, dan berbagai tempat berbeda menimbulkan visualisasi warna yang juga
pengukuran yang dialiri darah dapat digunakan. berbeda seperti yang terlihat pada Gambar 5 (b).
Sehingga pengguna bisa menggunakan perangkat
PPG dimanapun tempatnya seperti pergelangan
tangan. Pada PPG terdapat Interaksi optikal yang
kompleks antara cahaya dan struktur jaringan pada
kulit yang meliputi penyebaran (scattering),
penyerapan (absorption), pemantulan (reflection),
dan perpindahan (transmission). Intensitas cahaya
yang diterima oleh PD dipengaruhi oleh volume
darah, gerakan pada dinding pembuluh darah, dan
orientasi sel darah merah. Semakin besar volume di
ECG Sensor PPG pada jari,
Check terkoneksi smartphone app
Gambar 6. LED
𝑘=0
D. Independent Component Analysis (𝑛 = 0: 𝑁 − 1)
(ICA), sebuah teknik statistik yang
digunakan untuk mengungkap sinyal 𝐹[𝑛] = Matrik data PPG dalam domain
sumber independen dari sekumpulan Frekuensi, 𝑁 = DFT size (ukuran data
campuran yang diamati, digunakan untuk DFT),
menyelesaikan pemisahan sumber buta 𝑓[𝑘] = Matrik data PPG dalam domain
(BSS) [20, 21]. BSS bertujuan untuk waktu, 𝑛 = Index data PPG dalam domain
memulihkan sinyal yang tidak teramati dari frekwensi, 𝑘 = Index data PPG dalam
seperangkat pengamatan yang diasumsikan domain waktu.
sebagai campuran linier dari beberapa
VI. PENELITIAN TERKAIT menetapkan ambang batas (threshold) untuk
perubahan maksimum dalam denyut nadi antara
Pada penelitian [4], melakukan penelitian pengukuran berturut-turut (diambil 1 detik secara
tentang korelasi antara nilai HR yang diperoleh dari terpisah). Berdasarkan hasil penelitian
dua smartphone yang berbeda (Droid dan iPhone 4s) memnunjukkan bahwa Hasil pengukuran denyut
dengan nilai HR yang diperoleh dari sinyal ECG. jantung yang dihasilkan dengan ICA mendekati
Analisis dilakukan menggunakan metode Pearson hasil pengukuran menggunakan pulse oximeter
Correlation. Hasil penelitian menjukkan bahwa sebagai referensi.
terdapat hubungan linier antara pengukuran HR
berbasis sinyal PPG smartphone dengan pengukuran Pada penelitian [9], Pada penelitian ini akan
HR berbasis sinyal ECG. Hasil penenelitian dilakukan penelitian terkait deteksi denyut nadi
menyatakan bahwa smartphone dapat digunakan menggunakan kamera smartphone yang tujuannya
sebagai alat pengukuran HR secara real-time. adalah dapat monitoring kondisi kesehatan dengan
mudah serta dapat digunakan oleh setiap orang.
Pada penelitian [5], penulis membahas Teknik serta perhitungan yang digunakan adalah
bagaimana citra video wajah yang diambil Photoplethysmography dan Discrete Fourier
menggunakan webcam bisa digunakan pada Transform (DFT).
pengukuran denyut jantung. Secara umum, sistem
pada penelitian ini akan mengektrak informasi
Photoplethysmography dari citra video wajah
masukan melalui analisis dan postprocessing
menggunakan pustaka emguCV untuk mendeteksi
wajah. menentukan Region of Interest (ROI)
pengukuran, dan separasi ROI pada tiap frame
menjadi 3 kanal warna yaitu R (merah), G (hijau), B
(biru). Kemudian tiap kanal diproses menggunakan
metoda Independent Component Analysis hingga Gambar 9. Diagram Blok penelitian [9]
diperoleh nilai denyut jantung sebagai hasil
pengukuran. Hasilnya akan dibandingkan dengan Terdapat beberapa langkah yang dilakukan pada
pulse oximeter digital, yaitu alat ukur sinyal penelitian ini seperti yang dapat dilihat pada gambar
fisiologis standar berbasis photoplethysmography 9, yaitu:
untuk menentukan tingkat akurasi dari hasil
pengukuran. Post-processing dan analisis dari video 1. Pengambilan data, merupakan langkah
dan rekaman fisiologis dilakukan dengan pertama yang dilakukan pada penelitian ini
menggunakan perangkat lunak yang dibuat dengan data uji berupa video dengan spesifikasi
menggunakan bahasa pemmrograman C# dan kakas 30 fps yang dihasilkan oleh perangkat
pengembangan Visual Studio 2010 Ultimate smartphone. Secara teknis pengambilan data
(Microosoft Corp.). kemudian digunakan pelacak dilakukan dengan menempelkan jari diatas
wajah otomatis untuk mendeteksi wajah dalam lensa kamera dengan Flash LED perangkat
frame video dan melokalisasi daerah pengukuran dalam kondisi menyala. Iluminasi cahaya oleh
(Region of Interest = ROI) untuk setiap frame video. Flash LED menyebabkan perubahan warna
Pada tahap implementasi, pustaka emguCV pada video terlihat jelas saat volume darah pada
digunakan untuk mendapatkan koordinat lokasi jaringan kulit berubah. Perubahan warna
wajah [19]. Untuk mencegah kesalahan segmentasi tersebut adalah fitur untuk mengetahui
wajah agar tidak mempengaruhi kinerja algoritma, informasi tentang PPG. Hasil dari pengambilan
koordinat wajah dari frame sebelumnya digunakan data dapat dilihat pada gambar 8.
jika tidak ada wajah yang terdeteksi. Kemudian ROI
dipisahkan ke tiga kanal dan dihitung rata-rata setiap
kanal untuk mendapatkan titik pengukuran merah
(R), biru (B) dan hijau (G) untuk setiap frame.
Kemudian Fast Fourier Transform (FFT)
diimplementasikan pada sinyal sumber untuk
mendapatkan power spectrum. Untuk mengatasi
derau yang terjadi pada perhitungan frekuensi
denyut nadi maka digunakan proses estimasi historis
dari frekuensi pulsa untuk menolak artefak dengan
Gambar 8. Contoh hasil pengambilan data Jumlah polynomial diatur secara manual
penelitian [9] menyesuaikan pola sinyal. Sinyal dengan
rentang aplitudo yang tinggi cenderung
2. Ekstraksi data, Ekstraksi data yang dilakukan memerlukan jumlah polynomial yang lebih
berupa mengekstrak fitur pada frame video dan besar demikian juga sebaliknya. Hasil filter data
mengkonversinya menjadi sinyal. Fitur yang menggunakan PCF terkadang membuat pola
digunakan adalah perubahan warna yang sinyal tidak halus atau memiliki noise. Oleh
mengindikasikan perubahan volume darah pada karena itu, sinyal hasil filterisasi menggunakan
mikrovaskular sebagai akibat dari aktifitas PCF harus diproses lebih lanjut untuk
denyut jantung manusia. Proses ekstraksi data menghaluskan sinyal.
pada penelitian ini memuat tiga tahap yaitu
penentuan Region of Interest (ROI), ekstraksi
frame, dan konversi dari nilai pixel ke Noise
gelombang sinyal. Region of Interest (ROI)
digunakan untuk mencari bagian citra yang
memuat fitur perubahan warna paling signifikan
[5]. ROI pada penelitian ini dilakukan dengan
melakukan pemindaian pada salah satu bagian
frame yang ditentukan. Image pada frame yang
terpilih dibagi menjadi 4x3 blok, Pada setiap
blok dilakukan perhitungan nilai rata-rata pixel
(𝑃̅ ). Blok yang memiliki nilai pixel paling Gambar 11. Noise yang muncul setelah filtering
heterogen ditandai dengan nilai 𝑃̅ yang paling data
mendekati 255/2. Blok yang memenuhi kriteria
Proses penghalusan sinyal pada penelitian ini
tersebut dipilih sebagai area acuan ekstraksi
dilakukan dengan menggunakan Savitzky-Golay
video. Lalu dilakukan pemindaian pada setiap
(S-G) filtering. S-G filtering melakukan
blok untuk mencari bagian yang memuat nilai
pemindaian dalam sebuah rentang data secara
pixel paling heterogen. Bagian tersebut
berurut sepanjang data yang tersedia. Kemudian
diguanakan sebagai area acuan untuk
menghilangkan noise yang terdapat pada sinyal
melakukan ekstraksi seperti yang terlihat pada
dengan memotong sinyal, membuang bagian
gambar 10.
yang mengandung noise dan setelah itu
menyambungnya kembali menjadi sinyal utuh
yang dapat dilihat pada gambar 12.
Hasil dari penelitian [9] ini menunjukkan bahwa [2] Weihua Lin. Measuring heart rate using
nilai HR yang diperoleh menggunakan algoritma computer vision techniques on Android
yang diusulkan yaitu 72 bpm tidak jauh berbeda based mobile phone. Institute of Sensors,
Signals and Systems School of
dengan nilai HR data referensi yaitu sebesar 70 bpm.
Engineering and Physical Sciences Heriot-
Nilai tersebut hanya berbeda 2 bpm jika
Watt University. August 2014
dibandingkan dengan data referensinya.
Pada penelitian [25], melakukan penelitian [3] Yong-Poh Yu, Ban-Hoe Kwan, Chern-
tentang ekstraksi Heart Rate Variability (HRV) dari Loon Lim, Siaw-Lang Wong, P.
sinyal berbasis PPG pada smartphone. Penelitian Raveendran. Video-Based Heart Rate
Measurement Using Shorttime Fourier
tersebut mengeksplorasi 16 parameter HRV yang
Transform. Intelligent Signal Processing
mencakup domain waktu, domain frekwensi, dan
and Communications Systems (ISPACS).
non-linier parameter. Dari 30 sample yang diuji 2013
diperoleh hasil bahwa 14 parameter HRV dari sinyal
PPG memiliki nilai korelasi yang tinggi (r > 0.7, P < [4] Jeffrey B. Bolkhovsky, Christopher G.
0.001) terhadap data yang diperoleh dari sinyal Scully, Student Member, IEEE, and Ki H.
ECG. Penelitian menggunakan red-channel video Chon, Senior Member, IEEE. Statistical
untuk memperoleh sinyal PPG. Hasil pengamatan Analysis of Heart Rate and Heart Rate
menyatakan bahwa nilai pixel pada G-channel dan Variability Monitoring Through the Use of
B-channel cenderung nol dan perubahan warna pada Smart Phone Cameras. Annual
R-channel terlihat jelas dibandingkan dengan International Conference of the IEEE
channel G dan B. EMBS San Diego, California USA, 28
August - 1 Septembe. 2012
[5] Rofiqi Setiawan1, Achmad Rizal [14] Poh M Z, McDuff D J, Picard R W. Non-
S.T.,M.T., Fazmah Arief Yulianto, S.T., contact, automated cardiac pulse
M.T. Penanggulangan Derau measurements using video imaging
Photoplethysmography menggunakan and blind source separation”. Optics
Independent Component Analaysis pada Express, 2010, 18(10): 10762-10774.
pengukuran Denyut Jantung berdasarkan
Video Wajah.. Tugas Akhir, Fakultas [15] Bousefsaf F, Maaoui C, Pruski A. Remote
Informatika Institut Teknologi Telkom. assessment of the heart rate variability to
2010 detect mental stress. Proceedings of the
7th International Conference on Pervasive
[6] Toshiyo Tamura, Yuka Maeda, Masaki Computing Technologies for Healthcare.
Sekine dan Masaki Yoshida. Wearable ICST (Institute for Computer Sciences,
Photoplethysmographic Sensors—Past Social-Informatics and
and Present. MDPI Electronics 2014, 3, Telecommunications Engineering), 2013:
282-302. 2014. 348-351.
[7] John Allen. Photoplethysmography and its [16] Takano C, Ohta Y. Heart rate
application in clinical physiological measurement based on a time-lapse image.
measurement. Physiol. Meas. 28 (2007) Medical engineering & physics, 2007,
R1–R39. 2007 29(8): 853-857.
[8] GD Clifford. Signal Processing Methods [17] Scully C, Lee J, Meyer J, et al.
for Heart Rate Variability. Thesis Doctor Physiological parameter monitoring from
of Philosophy University of Oxford. 2002 optical recordings with a mobile phone.
Biomedical Engineering, IEEE
[9] Farid Suryanto, DETEKSI DENYUT Transactions on, 2012, 59(2): 303-306.
NADI MANUSIA BERBASIS
PHOTOPLETHYSMOGRAPHY (PPG) [18] Jonathan E, Leahy M. Investigating a
PADA VIDEO MENGGUNAKAN smartphone imaging unit for
DISCRETE FOURIER TRANSFORM photoplethysmography. Physiological
(DFT). TESIS – TE142599 INSTITUT measurement, 2010, 31(11): N79.
TEKNOLOGI SEPULUH NOPEMBER.
2017 [19] GNU FDL license., “emgu Computer
Vision Library”. GNU Free
[10] Hary. (t.t). Modul Codec dan Sampling. Documentation. (2001)
Dalam Lecturer Pens Home Page. Diakses
pada 17 Desember 2017 dari [20] Cardoso J F. Blind signal separation:
http://www.bima.lecturer.pens.ac.id/.../ps statistical principles. Proceedings of the
2_codec_sampling.pdf IEEE, 1998, 86(10): 2009-2025.
[11] Chitra Annisa Pratiwi, Putri Madona dan [21] Comon P. Independent component
Yusmar Palapa Wijaya. Akuisisi Data analysis, a new concept?. Signal
Sinyal Photoplethysmograph (PPG) processing, 1994, 36(3): 287-314.
Menggunakan Photodioda. Jurnal
ELEMENTER. Vol. 2, No. 2, Nov 2016 [22] A. Hyv¨arinen and Shubhendu Trivedi.
Blind source separation in magnetic
[12] Burrus C S S, Parks T W. DFT/FFT and resonance images. Diakses pada 17
Convolution Algorithms: theory and Desember 2017 di
Implementation John Wiley & Sons, Inc., http://onionesquereality.wordpress.com/2
1991. 010/01/30/blind-source-separation-in-ma
gnetic-resonance-images/.
[13] Poh M Z, Swenson N C, Picard R W.
Motion-tolerant magnetic earring sensor [23] YungChien Hsu, Yen-Liang Lin, Winston
and wireless earpiece for wearable Hsu. Learning-based heart rate detection
photoplethysmography. Information from remote photoplethysmography
Technology in Biomedicine, IEEE features. International Conference on
Transactions on, 2010, 14(3): 786-794. Acoustic, Speech and Signal Processing
(ICASSP). 2014.
[24] Xiaohua Wu, Xin Li, Yulin Xu, and Lang
Zhang. A Noncontact Measurement of
Cardiac Pulse Based on
PhotoPlethysmoGraphy. LSMS 2017,
ICSEE 2017