ABSTRAKS
Sinyal biomedik seperti sinyal jantung secara periodik selalu berubah-ubah frekuensinya terhadap waktu
sehingga menyebabkan kompleksitas dan heterogenitas gelombang. Elektrokardiogram(EKG) adalah salah
satu alat bantu yang paling banyak digunakan untuk melakukan diagnosa kelainan jantung. Pada penelitian
ini deteksi gelombang-gelombang pada sinyal EKG dilakukan berbasis kombinasi baseline wander dan
transformasi wavelet dengan memperhatikan salah satu fitur temporal interval R-R untuk mendeteksi
kelainan denyut jantung prematur, yaitu Premature Atrial Contractions (PACs). Pengujian dilakukan
menggunakan beberapa data dari MIT-BIH Arrhythmia Database dengan tingkat akurasi saat pengujian
adalah deteksi puncak R =99.30% dan deteksi kelainan PACs=93.74%.
C-1
Seminar Nasional Aplikasi Teknologi Informasi 2012 (SNATI 2012) ISSN: 1907-5022
Yogyakarta, 15-16 Juni 2012
C-2
Seminar Nasional Aplikasi Teknologi Informasi 2012 (SNATI 2012) ISSN: 1907-5022
Yogyakarta, 15-16 Juni 2012
(1)
c (n ) = ∑ x (n )h (2 k − n)
n
(2)
d (n) = ∑ x (n ) g (2 k − n )
n
d i = g 0 s 2i + g1 s 2i +1 + g 2 s 2 i + 2 + g 3 s 2i + 3 + ... (5)
C-3
Seminar Nasional Aplikasi Teknologi Informasi 2012 (SNATI 2012) ISSN: 1907-5022
Yogyakarta, 15-16 Juni 2012
3. HASIL
Tahap pengujian dilakukan untuk melihat
keandalan dan akurasi dari algoritma yang
digunakan. Tes dilakukan menggunakan lima
data MIT-BIH Arrhytmia Database yang dipilih
mewakili berbagai macam karakteristik
morfologi yang berbeda-beda, yaitu 100, 101,
103, 121 dan 232. Pengujian algoritma dilakukan
pada durasi 30 menit dan 5,556 detik dengan
samples rate 360Hz untuk masing-masing data
uji.
C-4
Seminar Nasional Aplikasi Teknologi Informasi 2012 (SNATI 2012) ISSN: 1907-5022
Yogyakarta, 15-16 Juni 2012
Tabel 2. Hasil Deteksi PACs ( MIT BIH) Awadhesh Pachauri, Manabendra Bhuyan, Robust
Record PACs Detection of R-Wave Using Wavelet
(PACs) Technique, World Academy of Science,
TN TP FP FN
100(33) 0 20 13 0 Engineering and Technology 56, 2009
101(3) 0 3 0 1
P. Sasikala, Dr. R.S.D. Wahidabanu, Robust R
103(2) Peak and QRS detection in
0 2 0 1
121(1) Electrocardiogram using Wavelet
0 1 0 2
Transform, (IJACSA) International
232(1382) 0 1309 73 0 Journal of Advanced Computer Science
and Applications, Vol. 1, No.6, December
Berdasarkan data pada tabel 1 dan tabel 2, 2010
untuk mengukur akurasi algoritma yang S. Z. Mahmoodabadi, A. Ahmadian, M. D.
dikembangkan, dilakukan perhitungan Abolhasani, Ecg Feature Extraction Using
menggunakan persamaan dibawah ini. Daubechies Wavelets, Proceedings of the
fifth IASTED International Conference
( TP + TN ) (7) Visualization, Imaging, and Image
ACCURACY =
N Processing, September 7-9, 2005,
Benidorn, Spain.
Sehingga diperoleh tingkat akurasi deteksi P. de Chazal, C. Heneghan, E. Sheridan,
puncak R sebesar 99.30% dan tingkat akurasi R.Reilly, P. Nolan, M. O'Malley,
deteksi kelainan PACs sebesar 93.74%. Automated Processing of the Single-Lead
Electrocardiogram for the Detection of
4. KESIMPULAN Obstructive Sleep Apnoea, IEEE Trans.
Pada makalah ini dikembangkan sebuah Biomed. Eng., 50( 6): 686-689, 2003
algoritma yang menganalisa kelainan PACs N.V.Thakor, J.G.Webster and W.J.Tompkins,
berdasarkan baseline wander dan wavelet dengan Estimation of QRS complex power
menggunakan koefisien aproksimasi pada level 2 spectra for design of a QRS filter, IEEE
untuk mendeteksi puncak-puncak EKG sehingga Transactions on Biomedical Engineering,
didapatkan hasil deteksi yang baik. Berdasarkan vol. BME-31, no. 11,pp. 702-706, 1986,
hasil pengujian menggunakan MIT-BIH Arrhythmia pp. 702-706, Nov,1986
Database sebagai data tes diperoleh tingkat akurasi Waveletsoftware,http://eeweb.poly.edu/iselesni/Wa
puncak R sebesar 99.30% dan akurasi deteksi PACs veletSoftware/index.html, 28 Feb 2012,
sebesar 93.74%. Untuk melengkapi deteksi 23.13WIB
kelainan prematur pada pengembangan berikutnya Jenniffer Estrada, Noise Corrupted Signals and
akan dilakukan pada kelainan prematur PVCs yang Signal Processing using MATLAB,
mempunyai variasi bentuk, lebar serta depleksi CLARKSON UNIVERSITY, 2009
gelombang terbalik atau negatif. Li, C. Zheng, C. Tai, “Detection of ECG Character
istic Points Using Wavelet Transforms”,
PUSTAKA IEEE Transactions on Biomedical Enginee
Hamid Khorrami, Majid Moavenian, A ring, Vol. 42 No. 1, January 1995
comparative study of DWT, CWT and DCT PhysioBank MIT‐BIH Database, http://www.phy
transformations in ECG arrhythmias sionet.org/physiobank/database
classification, Expert Systems with
Applications, Elsevier, 2010
J. S. Nah, A. Y. Jeon, J. H. Ro, G. R. Jeon, ROC
Analysis of PVC Detection Algorithm
using ECG and Vector-ECG
Charateristics, International Journal of
Medical and Biological Sciences 6, 2012
Rajendra Acharya U, Jasjit S. Suri, Jos A.E. Spaan
,S.M. Krishnan, Advances In Cardiac
Signal Processing, Springer-Verlag Berlin
Heidelberg, 2007
Zhao Shen, Chao Hu, Jingsheng Liao, Max Q.-
H.Meng, AN Algorithm of Premature
Contraction Detection Based on Wavelet
Method, Proceedings of the 2010 IEEE
International Conference on Information
and Automation June 20 - 23, Harbin,
China, 2010
C-5