See discussions, stats, and author profiles for this publication at: https://www.researchgate.

net/publication/261360223

Identifikasi dan Klasifikasi Pola Sinyal EKG Berdasarkan Sifat Keacakan

(Entropy)

Conference Paper · October 2013

CITATIONS READS

0 3,534

1 author:

Jaenal Arifin
ST3 Telkom Purwokerto
3 PUBLICATIONS   0 CITATIONS   

SEE PROFILE

All content following this page was uploaded by Jaenal Arifin on 05 April 2014.

The user has requested enhancement of the downloaded file.

 Identifikasi dan Klasifikasi Pola Sinyal EKG
Berdasarkan Sifat Keacakan (Entropy)
Jaenal Arifin1 , Hanung Adi Nugroho2
Jurusan Teknik Elektro dan Teknologi Informasi
Fakultas Teknik, Universitas Gadjah Mada
Jl. Grafika No.2 Kampus UGM, Yogyakarta 5528 Indonesia
1
Jaetoga_s2te_11@mail.ugm.ac.id, 2adinungoho@.ugm.ac.id

Abstrak—Kondisi detak jantung manusia dapat dipantau baik, maka implus yang dibentuk oleh jantung dapat
melalui EKG. Banyaknya pola rekaman EKG yang menjalar ke seluruh tubuh, sehingga potensial bioelektrik
beragam merupakan persoalan tersendiri dalam penafsiran yang dipancarkan oleh jantung dapat diukur melalui
kondisi jantung seseorang. Dalam penelitian ini elektroda-elektroda yang diletakkan pada berbagai posisi
menjelaskan klasifikasi dan pengenalan pola pada sinyal
dipermukaan tubuh [2].
elektrokardiograf (EKG) berdasarkan entropy. Perekaman
sinyal EKG dilakukan berdasarkan nilai Low Pass Filter Tujuan dari penelitian ini adalah menerapkan teknik
(LPF) nya yang diatur pada saat melakukan pengukuran identifikasi dan pengklasifikasi pola sinyal EKG
yaitu 40 LPF, 100 LPF dan 150 LPF. Selanjutnya berdasarkan sifat keacakan (Entropy) pada citra, hasil
mengamati perlakuan kondisi EKG seseorang dengan dari pengukuran sinyal EKG yang telah dilakukan serta
perlakuan kondisi perasaan senang, tenang atau relax, melihat perbedaan nilai secara kuantitatif pada
stress dengan beban kerja kantor dan kondisi setelah perekaman sinyal EKG dengan melihat Entropynya.
seseorang melakukan aktivitas lari kecil. Hasil penelitian
menunjukkan bahwa nilai entropy pada masing-masing II. LITERATUR REVIEW
orang memiliki nilai entropy yang berbeda-beda.
Elektrokardigraf adalah alat medis yang digunakan
Kata kunci : Sinyal EKG, Low Past Filter (LPF), Entropy. untuk merekam beda potensial biomedik dipermukaan
kulit yang dibangkitkan jantung dengan memasang
Abstract – Human heartbeat condition can be monitored by
ECG. Diversity of many ECG recording patterns make
elektroda rekam (Ag/AgCl) pada tempat tertentu
more issues in interpretation of someone’s heartbeat dipermukaan tubuh. Berikut gambar aktivitas listrik
condition. This research defines classification and pattern jantung [1].
recognition of electrocardiograph signal (ECG) based on
entropy. ECG signal recording is done based on Low Pass
Filter (LPF) value. When measurement process, LPF value
is set to 40 LPF, 100 LPF and 150 LPF. Then, ECG is used
to monitor someone’s condition based on happy feeling,
relax, stress condition because of office load and after have
a little activity like small run. Result shows that each people
has different entropy values.
Key word : ECG, Low Pass Filter (LPF) and Entropy.

I. PENDAHULUAN Gambar 1. Denyutan jantung hasil dari EKG [1].

Sinyal elektrokardiografi (EKG) adalah sinyal yang Sinyal elektrokardiografi (EKG) mempunyai bentuk
dihasilkan dari irama denyut jantung secara terus spesifik sehingga dapat dijadikan sebagai acuan untuk
menerus. Mekanisme sederhana dari alat ini adalah menentukan kondisi jantung manusia. Sinyal EKG
mengukur potensial listrik sebagai fungsi waktu yang direkam menggunakan perangkat elektrokardiograf.
dihasilkan oleh jantung. Potensial listrik tersebut Sebuah sinyal EKG mempunyai bentuk seperti pada
dihasilkan dengan pemicu denyut jantung yang dapat gambar 2.
merubah system kelistrikan jantung. Perbedaan potensial
tersebut kemudian divisualisasikan sebagai sinyal pada
layar monitor atau pada kertas perekam [1].
Jantung adalah salah satu organ penting dalam tubuh
manusia yang berfungsi memompa darah ke seluruh
tubuh. Darah yang dipompa ke seluruh tubuh melalui
sistem peredaran darah mengangkut zat-zat yang sangat
dibutuhkan untuk kelangsungan hidup sel-sel tubuh.
Sebaliknya, darah juga membawa zat-zat yang tidak
berguna lagi bagi sel untuk dibuang keluar tubuh [2].
Tubuh manusia juga merupakan sebuah konduktor yang
Gambar 2. Gelombang EKG [3]
 Gelombang P menunjukkan depolarisasi atrial yang
dipicu oleh node SA, segmen PR menunjukkan
berhentinya implus pada AV node, gelombang QRS
menunjukkan depolarisasi ventrikel, segmen ST
menunjukkan tidak adanya implus disebabkan adanya
periode refrakter di sel miokardium dan gelombang T
menunjukkan repolarisasi.
Menurut Tompkins [4] gelombang EKG normal
memiliki ciri-ciri sebagaimana ditunjukkan pada tabel 1.
TABEL I. Parameter Electrocardiogram
Gelombang Amplitude EKG Durasi
EKG Interval
P < 0.3 P-R 0.12 – 0.20 detik
Q 1.6 – 3mV Q-T 0.35 – 0.44 detik
R 25% dari R S-T 0.05 – 0.15 detik
T 0.1 – 0.5 mV Q-R-S 0.06 – 0.10 detik
Interval antara R-R menandakan periode dari detak
jantung yang dapat dikonversikan menjadi Heart Rate (H)
6000
H= bpm (1)
R−R
R – R = adalah interval antara sinyal R dengan sinyal R
yang diukur dalam milidetik. Interval R-R relatif konstan
dari detak ke detak. Dalam pengambilan sinyal
electrocardiogram terdapat berbagai metode yang bisa
dilakukan yaitu [3] :
- Standard klinik EKG
Menggunakan 10 elektroda yang digunakan untuk
menganalisis kondisi kesehatan jantung pasien.
- Vectorcardiogram
Pemodelan potensial tubuh sebagai vektor 3 dimensi
dengan menggunakan sadapan bipolar Einthoven.
Pengambilan sinyal jantung melalui 3 titik tertentu
pada tubuh.
- Monitoring EKG
Menggunakan 1 atau 2 elektroda yang ditempelkan
pada titik tertentu yang digunakan untuk memantau
kondisi kesehatan jantung pasien dalam jangka waktu
yang panjang.
Wiens Stefan dkk, [5] mengutarakan bahwa adanya
pengaruh kondisi emosi seseorang terhadap detak
jantungnya, dalam penelitiannya dilakukan terhadap 52
mahasiswa sebagai subjek atau sample (19 laki-laki, 33
perempuan) melakukan deteksi detak jantung dan dengan
mengklasifikasikan baik (n = 9) dan buruk (n = 43)
dengan deteksi denyut jantung. Subyek kemudian
diberikan dengan dua sensor berupa elektroda, masing-
masing menargetkan satu dari tiga valensi emosional
yang berbeda (senang, marah, takut). Subjek melaporkan
bahwa adanya tanggapan efektif dari mereka untuk klip
di 9-point (skala) menunjukkan kecenderungan/intensitas
dan ketagihan (menunjukkan rasa keenakan). Wiens
Stefan dkk juga mengutarakan bahwa detektor yang baik
dapat memberikan laporan atau report emosi lebih intens
dari pada detektor yang buruk di ketiga valensi emosional
yang dimaksud, namun tidak ada perbedaan ditemukan
pada peringkat ketagihan antara kelompok. Hasil ini
menunjukkan bahwa persepsi viseral berperan dalam
pengalaman intensitas emosi.
Dalam penelitiannya Stefan Koelsch [6]
mengutarakan bahwa detak jantung dapat memberi
petunjuk dari sifat kepribadian seseorang. Pada
penelitian yang telah dilakukan dapat dimungkinkan
bahwa dengan sinyal elektrokardigraf (EKG) dapat
mengetahui emosi seseorang.
Dalam ilmu kardiologi [1] (ilmu yang mempelajari
tentang jantung) dikenal dengan 12 sadapan EKG standar,
yaitu :
- Tiga (3) sadapan bipolar Einthoven (I,II,III).
- Tiga (3) sadapan unipolar (aVR, aVL, aVF).
- Enam (6) sadapan prekordial (VI – V6).
Dalam perekaman sinyal EKG yang dilakukan
menggunakan 6 Led dengan perlakuan kondisi manusia
yang berbeda - beda. Kondisi tersebut adalah perasaan
senang, tenang atau rilex, stress dengan beban kerja
dikantor dan kondisi setelah seseorang melakukan
aktivitas lari kecil. Dari 6 Led tersebut diambil sample
atau contoh untuk untuk diamati yaitu pada Led 1, 2 dan
3 serta dengan memberikan nilai Low Pass Filter (LPF)
yang berbeda, yaitu 40 LPF, 100 LPF dan 150 LPF [7].
Perancangan pengukuran Elektrokardiograf dalam
penelitian ini ditunjukkan pada gambar 3.
Mulai
Pengukuran EKG
(6 Led)
Perangkat EKG
2000
Komunikasi serial
RS 232 To USB
PC (Personal Computer)
atau Laptop
Selesai
Gambar 3. Perancangan sistem elektrokardiograf
Dalam proses pengukuran EKG dapat dimungkinkan
adanya beberapa gangguan diantaranya gangguan dari
sinyal listrik (AC), pergerakan yang dilakukan pada saat
subjek bernafas dalam kondisi pengukuran dan adanya
kontraksi otot serta organ-organ internal dari subjek saat
dilakukan pengukuran.
 III. METODOLOGI PENELITIAN Pada penerapan klasifikasi dan pengenalan pola sinyal
Metodologi yang digunakan dalam penelitian ini EKG berdasarkan Entropy ini menentukan pola citra yang
ditunjukkan pada gambar 4. akan diidentifikasi dan diklasifikasi. Citra pola sinyal
EKG diubah terlebih dahulu menjadi citra biner dari
sebelumnya yang merupakan citra true color, perubahan
ini mempunyai tujuan mempermudah dalam pengolahan
pola citra dalam bentuk biner ( 0 dan 1). Pada konversi
ini dilakukan dengan menggunakan perangkat lunak
Matlab. Sebagai langkah awal dilakukan konversi citra
true-color ke binary dari citra asli dengan resolusi 629 x
Gambar 4. Penerapan Sistem Klasifikasi pola sinyal EKG. 91. Dari eksperimen ini didapatkan citra seperti
A. Klasifikasi pola citra berdasarkan sifat keacakan [8]. ditunjukkan pada gambar 6.
Sebuah citra digital biasanya merupakan hasil dari
suatu proses diskritisasi (sampling) fungsi citra kontinu, I
(x, y), dan disimpan di komputer sebagai array dua
dimensi, I (m, n), dengan m = 0 1, ..., Nx-1 dan n = 0,
1, ..., Ny - 1 yaitu, akan disimpan sebagai sebuah array
(Nx * Ny). Pembangkitan ciri suatu citra digital dapat
berdasarkan sifat keacakan suatu citra. Sifat keacakan (a). (b)
sangat berkaitan erat dengan nilai informasi suatu citra. Gambar 6. Proses konversi citra true-color (a) ke binary (b) [10]
Oleh karena itu klasifikasi pola dapat dilakukan dengan
berbasis pada informasi yang diperoleh berdasarkan sifat III. HASIL DAN ANALISIS
keacakan ini. Parameter untuk menyatakan sifat keacakan Dari pengukuran yang telah dilakukan dan
isyarat dapat dituangkan dalam ENTROPY. Menurut menghitung nilai entropy pada masing – masing Led (Led
Shannon [8][9], definisi dari entropy secara matematis 1, 2 dan 3) didapatkan tabel hasil pengukuran sebagai
adalah berikut.
N
1
H   pi  log
TABEL II Pengukuran Sinyal EKG pada 40 LPF
(2)
i 0 pi Kondisi yang Nilai Entropy Nilai Entropy Nilai Entropy
diamati pada Led 1 pada Led 2 pada Led 3
Dimana H adalah entropy dan pi adalah nilai probabilitas Perasaan
0.2684 0.3306 0.3300
kejadian i. Disini Entropy di definisikan sebagai rerata senang
informasi yang diperoleh. Untuk data digital dengan bit- Kondisi santai 0.3760 0.34306 0.3374
bit biner digunakan log dengan bilangan dasar 2. Stress dengan
beban kerja 0.4100 0.3436 0.2936
Tujuan pada percobaan yang dideskripsikan dalam kantor
makalah ini adalah menerapkan teknik pengklasifikasi Kondisi setelah
aktivitas lari 0.2684 0.2601 0.2763
pola sinyal EKG berdasarkan sifat keacakan kecil
menggunakan nilai Entropy pada citra hasil dari
pengukuran sinyal EKG yang telah dilakukan. Dari tabel 2 untuk pengukuran sinyal EKG pada filter 40
B. Gambaran penelitian LPF mengandung maksud adalah untuk filter dengan
frekuensi 40Hz ini akan menghilangkan sinyal yang
Proses akuisisi citra pola sinyal EKG diawali dengan
berfrekuensi lebih dari 40 Hz sehingga berpengaruh
pengambilan sampel sinyal EKG yang diperoleh dari
terhadap nilai entropy dari masing – masing kondisi yang
hasil pengukuran. Misalnya sampel pola sinyal EKG
diamati. Hasil yang didapatkan pada tabel di atas
ditetapkan berukuran persegi panjang dengan ukuran
merupakan informasi dari sinyal EKG yang berupa citra
100x120 piksel. Setelah dilakukan proses pengambilan
medis. Adapun nilai keacakan yang diperoleh merupakan
data selanjutnya sampel pola sinyal EKG di-scan
gambaran dari aktivitas yang diamati.
sehingga menghasilkan file citra dalam format tif, dalam
percobaan ini image-scanner mengambil citra dengan
jenis true-color dengan kualitas foto (24bit) dengan
resolusi 300 dpi. Berikut gambaran penelitian seperti
ditunjukkan pada gambar 5.

Gambar 7. Sebaran nilai entropy pada 40 Low Pass Filter (LPF)

Gambar 5. Gambaran penelitian
Pada gambar 7 terlihat bahwa nilai entropy pada Led 1 sangat disarankan pemilihan/diatur frekuensinya 150Hz
untuk perasaan senang nilai terkecil nya tidak jauh beda [7]. Hasil yang didapatkan pada tabel di atas sudah sesuai
dengan kondisi setelah lari kecil pada Led 2 dan 3. dengan apa yang diharapkan.
Sedangkan untuk kondisi stress beban kerja kantor pada
Led 1 menempati nilai tertinggi 0,41 dibanding semua
kondisi pada Led 2 dan 3.
TABEL III Pengukuran Sinyal EKG pada 100 LPF
Kondisi yang Nilai Entropy Nilai Entropy Nilai Entropy
diamati pada Led 1 pada Led 2 pada Led 3
Perasaan
0.3917 0.3402 0.3410
senang
Kondisi santai 0.3953 0.3551 0.3297
Stress dengan
beban kerja 0.4135 0.3843 0.3001
kantor
Kondisi setelah
aktivitas lari 0.3925 0.3610 0.3472 Gambar.9 Sebaran nilai entropy pada 150 Low Pass Filter (LPF)
kecil Dari gambar 9 dapat dilihat bahwa grafik yang
menunjukkan nilai Entropy pada Led 1 untuk kondisi
Dari tabel 3 untuk pengukuran sinyal EKG pada filter stress beban kantor masih tertinggi 4 dibanding Led 2 dan
100 LPF mengandung maksud adalah untuk filter dengan 3, masih relatif sama dengan gambar 8. Bedanya pada
frekuensi 100Hz ini akan menghilangkan sinyal yang kondisi santai dan aktivitas setelah lari kecil nilai
berfrekuensi lebih dari 100 Hz. Hasil yang didapatkan entropynya turun sedikit dan ini terlihat pada Led 3.
pada tabel di atas merupakan nilai keragaman/ keacakan
Sinyal electrocardiogram merupakan sinyal yang
berdasarkan dari nilai entropy, nilai ini bermanfaat untuk
mempunyai bentuk spesifik sehingga dapat dijadikan
klasifikasi pola berdasarkan citra medis yang telah
diolah. sebagai acuan atau parameter untuk menentukan kondisi
jantung manusia dengan mempelajari polanya, pola ini
bisa diambil dari gelombang P-Q-R-S-T, Heart rate, PR
interval, QRS durasi, atau R-R intervalnya. EKG 2000 ini
merupakan seperangkat EKG yang dapat melakukan
pengukuran dari perekaman gelombang EKG. EKG ini
dilengkapi dengan data-data pasien atau subjek yang
hendak diukur, pengukuran berguna untuk diagnosis
subjek atau pasien dan auto – analisis hasil dari
pengukuran yang telah dilakukan.
Pada hasil tabel dan gambar diperlihatkan bahwa nilai
Entropy dari masing – masing pola sinyal EKG di setiap
Gambar.8 Sebaran nilai Entropy pada 100 Low Pass Filter (LPF) Led 1, 2 dan 3 memiliki nilai yang berbeda- beda. Untuk
kondisi stress beban kerja kantor pada Led 1 memiliki
Pada gambar 8 terlihat bahwa nilai entropy pada Led 1 nilai tertinggi, ini terlihat pada gambar 7, 8 dan 9. Untuk
masih relatif lebih tinggi 0, 4 dibanding Led 2 dan 3. pengembangan ke depan nilai entropy ini pada masing –
Demikian juga untuk kondisi stress beban kerja kantor masing Led dapat digunakan sebagai ciri utama maupun
pada Led 1 nilai Entropy masih tertinggi. ciri pendukung dalam aplikasi sistem klasifikasi pola
TABEL IV Pengukuran Sinyal EKG pada 150 LPF sinyal EKG yang lebih kompleks.
Kondisi yang Nilai Entropy Nilai Entropy Nilai Entropy IV. KESIMPULAN
diamati pada Led 1 pada Led 2 pada Led 3
Perasaan 1. Nilai Entropy tertinggi pada kondisi stress dengan
0.3565 0.3123 0.3141
senang beban kerja kantor yaitu 0.41 pada 40 LPF, 0.4135
Kondisi santai pada 100 LPF dan 0.4088 pada 150 LPF.
0.3881 0.3582 0.3006
2. Berdasarkan penelitian yang telah dilakukan
Stress dengan diperoleh bahwa adanya perbedaan secara kuantitatif
beban kerja 0.4088 0.3723 0.3039
kantor pada perekaman signal EKG, ini bisa dilihat dari nilai
Kondisi setelah Entropy pada masing-masing Led.
aktivitas lari 0.3364 0.3537 0.3034 3. Adanya beberapa gangguan saat pengukuran EKG
kecil dapat dimungkinkan/disebabkan oleh gangguan dari
sinyal listrik (AC), gangguan pada garis EKG saat per
Dari tabel 4 untuk pengukuran sinyal EKG pada filter napasan subjek yang diukur, pergerakan subjek saat
150 LPF mengandung maksud adalah untuk filter dengan diukur dan adanya kontraksi otot serta organ-organ
frekuensi 150Hz ini akan menghilangkan sinyal yang internal dari subjek. Gangguan tersebut dapat diatasi
berfrekuensi lebih dari 150 Hz. Untuk pengaturan filter dengan cara mengaktifkan masing-masing filter
Low pass filter (LPF) pada perangkat ekg ini (EKG 2000) berdasarkan tipe gangguannya.
 DAFTAR PUSTAKA
[1] L. Ismudiarti, Buku Ajar Kardiologi, FKUI. 1998.
[2] Wulansari Dwi Ratih, “Sistem Pemantauan Kesehatan Manusia
Berbasis Jaringan Sensor Nirkabel,” Institut Teknologi Sepuluh
Nopember, 2010.
[3] S. Budi, “Ekstraksi dan klarifikasi isyarat EKG berbasis
transformasi wavelet dan jaringan neural vackpropagation,”
Universitas Gadjah Mada, 2012.
[4] W. J. Tompkins, Biomedical Signal Processing, Prentice H. New
Jersey, 1993.
[5] S. Wiens, E. S. Mezzacappa, and E. S. Katkin, “Heartbeat
detection and the experience of emotions,” Cognition and
Emotion, vol. 14, no. 3, pp. 417–427, May 2000.
[6] K. Stefan, “Heartbents Hint at Personality Traints.” [Online].
Available: http://www.myhealthnewsdaily.com. [Accessed: 03-
Jul-2012].
[7] B. Indonesia, “Operational manual EKG2000,” .
[8] I. Susanti, “Hand Out Teknik Klasifikasi dan Pengenalan Pola:
Klasifikasi Pengenalan Pola Berdasarkan Sifat Keacakan,”
Yogyakarta, 2012.
[9] “Shannon entropy,” pp. 51–58.
[10] R. C. Gonzales, Digital Image Processing Using Matlab. New-
Jersey: Pearson Prentice hall.

View publication stats