LAPORAN JURNAL READING

BUNYI JANTUNG NORMAL

Disusun oleh :
Kelompok 1

Lalu Azriel Semataru (018.06.0024)

Marini Lumintang (020.06.0050)
Mochammad Haidyr Dzikrurrohman (020.06.0052)
Nova Rindani Sofyana (020.06.0062)
Roro Wulansari Setyoningrum (020.06.0072)
Syah Jihan Manstaderman (020.06.0082)

FAKULTAS KEDOKTERAN
UNIVERSITAS ISLAM AL-AZHAR
MATARAM
TAHUN 2020
 KATA PENGANTAR

Puji syukur kami panjatkan kehadirat Tuhan Yang Maha Esa karena atas rahmat-Nya
dan dengan kemampuan yang kami miliki, penyusunan laporan Journal Reading dengan
judul ‘Bunyi Jantung Normal’ dapat diselesaikan tepat pada waktunya.

Penyusunan laporan ini tidak akan berjalan lancar tanpa bantuan dari berbagai pihak,
maka dari itu dalam kesempatan ini kami mengucapkan terima kasih kepada:
1. dr. Nisia Putri Rinayu, S.ked.. Sebagai dosen fasilitator dalam Journal Reading ini.
2. Sumber literature dan jurnal ilmiah yang relevan sebagai referensi kami dalam
penyusunan laporan ini.
3. Keluarga yang kami cintai yang senantiasa memberikan dorongan dan motivasi.

Mengingat pengetahuan dan pengalaman kami yang terbatas dalam menyusun laporan
ini, maka kritik dan saran yang membangun dari semua pihak sangat diharapkan demi
kesempurnaan laporan ini. Kami berharap semoga laporan ini dapat bermanfaat bagi kita
semua.

Mataram, 20 Oktober 2020

Penyusun

1
 DAFTAR ISI

KATA PENGANTAR...........................................................................................................................2
DAFTAR ISI.........................................................................................................................................3
ABSTRAK...........................................................................................................................................4
BAB I....................................................................................................................................................5
PENDAHULUAN.................................................................................................................................5
1.1 Latar Belakang....................................................................................................................5
1.2 Tujuan..................................................................................................................................5
1.3 Manfaat................................................................................................................................5
1.4 Identitas Jurnal....................................................................................................................5
BAB II...................................................................................................................................................6
PEMBAHASAN JURNAL...................................................................................................................6
PENDAHULUAN..........................................................................................................................6
METODE.........................................................................................................................................7
HASIL DAN DISKUSI..................................................................................................................8
BAB III................................................................................................................................................12
KESIMPULAN..............................................................................................................................12
DAFTAR PUSTAKA..........................................................................................................................13

2
 ABSTRAK
Makalah ini berkaitan dengan studi sintesis dari Fast Fourier Transform (FFT) dan
transformasi wavelet dalam menganalisis sinyal fonokardiogram (PCG). Telah
ditunjukkan bahwa transformasi wavelet menyediakan fitur yang cukup dari sinyal PCG
yang akan membantu klinik mendapatkan pengukuran kualitatif dan kuantitatif dari
karakteristik sinyal PCG frekuensi waktu dan akibatnya membantu dalam diagnosis.
Demikian pula, telah ditunjukkan bahwa kandungan frekuensi sinyal semacam itu dapat
ditentukan oleh FFT tanpa kesulitan. Bunyi detak jantung yang tidak normal dapat
mengandung bunyi lain selain bunyi pertama dan kedua, S1 dan S2, murmur dan kelainan
yang disebabkan oleh kondisi patologis yang berbeda dari sistem kardiovaskular.

3
 BAB I
PENDAHULUAN
1.1 Latar Belakang
Sistem kardiovaskular merupakan sistem yang memberi fasilitas proses
pengangkutan berbagai substansi dari dan ke sel-sel tubuh. Komponen dari sistem
kardiovaskular meliputi jantung, pembuluh darah, darah dan beberapa komponennya. Sistem
ini terdiri dari organ  penggerak yang disebut jantung. Jantung ini terdiri dari empat ruang
yang masing – masing ruang memiliki fungsi.
Secara umum, bunyi detakan pada jantung berasal dari :
 Tegangan yang terjadi pada jaringan yang menghubungkankatup dan otot jantung.
 Getaran yang terjadi ketika katup jantung membuka dan menutup.
 Aliran darah yang sangat cepat dan bertekanan tinggi di dalam jantung.
Bunyi jantung normal maupun tidak normal biasanya dapat diketahui ketika seseorang
sedang melakukan pemeriksaan fisik jantung, misalnya saat medical check up atau

4
pemeriksaan fisik umum. Jika bunyi jantung anda tidak terdengar “lup-dup” atau disertai
dengan bunyi tambahan, kemungkinan jantung anda mengalami gangguan.
1.2 Tujuan
1. Untuk mengetahui bagaimana cara suara jantung normal
2. Untuk mengetahui apakah ada kelainan pada jantung denganmendengarkan suara
jantung
1.3 Manfaat
1. Mahasiswa dapat mengetahui bagaimana cara suara jantung normal
2. Mahasiswa dapat mengetahui apakah ada kelainan pada jantung denganmendengarkan
suara jantung

1.4 Identitas Jurnal

Features for Heartbeat Sound Signal Normal and Pathological (dalam Bahasa “Fitur
untuk Sinyal Suara Detak Jantung Normal dan Patologis”) merupakan jurnal yang ditulis
oleh Debbal SM Amin dan Bereksi-Reguig Fethi. Peneliti mampu untuk menulis karya ini
karena sesuai dengan kemampuan yang dimiliki.
Features for Heartbeat Sound Signal Normal and Pathological (dalam Bahasa “Fitur
untuk Sinyal Suara Detak Jantung Normal dan Patologis”) dipublikasikan oleh penerbit
Bentham Science Publishers. Vol. 1 No. 1, halaman 1-8. Alamat Korespondensi: Geni-
Biomedical Labora-tory (GBM), Departemen elektronik, Fakultas teknik sains, universitas
Aboubekr Belkaid Tlemcen, BP 119, Tlemcen, Aljazair; E-mail: adebbal@yahoo.fr atau
f_bereksi@mail.univ-tlemcen.dz.

BAB II
PEMBAHASAN JURNAL
PENDAHULUAN
Analisis suara detak jantung dengan auskultasi masih belum memadai untuk
mendiagnosis beberapa penyakit jantung. Ini tidak memungkinkan analis untuk
mendapatkan karakteristik kualitatif dan kuantitatif dari sinyal fonokardiogram. Bunyi
detak jantung yang tidak normal mungkin mengandung selain suara pertama dan kedua, S1
dan S2, murmur dan kelainan yang disebabkan oleh kondisi patologis yang berbeda dari
sistem kardiovaskular. Suara yang dipancarkan oleh jantung manusia selama satu siklus
mobil diac terdiri dari dua peristiwa dominan yang dikenal sebagai suara jantung
pertama S1 dan suara jantung kedua S2. S1 berkaitan dengan penutupan katup mitral
dan trikuspid sementara S2 dihasilkan oleh penghentian selebaran katup aorta dan paru.
Dalam makalah ini, wavelet transform, continue version (CWT) atau discrete (DWT)
digunakan untuk menganalisis suara jantung normal dan abnormal pada domain waktu

5
dan frekuensi. Teknik ini telah terbukti memiliki resolusi waktu yang sangat baik untuk
komponen frekuensi tinggi. Faktanya, resolusi waktu meningkat dengan meningkatnya
frekuensi dan resolusi frekuensi meningkat seiring dengan penurunan frekuensi.
Namun, distribusi Wigner (WD) dan WVD (Distribusi Wigner Ville) yang sesuai telah
menunjukkan kinerja yang baik dalam analisis sinyal
Non-stasioner. Ini berasal dari kemampuan WD untuk memisahkan sinyal baik
dalam arah waktu maupun frekuensi. Salah satu keuntungan WD dibandingkan STFT
adalah bahwa WD tidak mengalami masalah pertukaran frekuensi waktu. Di sisi lain,
WD memiliki kelemahan karena menunjukkan persilangan dalam responnya.
Persilangan ini disebabkan oleh perilaku nonlinier WD dan tidak memiliki arti fisik.
Salah satu cara untuk menghilangkan suku silang ini adalah dengan menghaluskan
bidang frekuensi waktu, tetapi ini akan mengorbankan resolusi yang menurun baik
dalam waktu maupun frekuensi. Transformasi wavelet adalah teknik dalam domain
distribusi frekuensi waktu. Namun, distribusi Wigner (WD) dan WVD yang sesuai
(Distribusi Wigner Ville) telah menunjukkan kinerja yang baik dalam analisis sinyal
non-stasioner. Ini berasal dari kemampuan WD untuk memisahkan sinyal baik dalam
arah waktu maupun frekuensi. Salah satu keuntungan WD dibandingkan STFT adalah
bahwa WD tidak mengalami masalah pertukaran frekuensi waktu. Di sisi lain, WD
memiliki kelemahan karena menunjukkan persilangan dalam responnya. Persilangan ini
disebabkan oleh perilaku nonlinier WD dan tidak memiliki arti fisik. Salah satu cara
untuk menghilangkan suku silang ini adalah dengan menghaluskan bidang frekuensi
waktu, tetapi ini akan mengorbankan resolusi yang menurun baik dalam waktu maupun
frekuensi. Transformasi wavelet adalah teknik dalam domain distribusi frekuensi
waktu. Dalam makalah ini, metode FFT dan WT diterapkan untuk menganalisis sinyal
PCG normal dan patologis. Oleh karena itu, dalam makalah ini para peneliti tertarik
untuk menganalisis bunyi jantung kedua S2, yang terdiri dari dua komponen utama,
satu akibat tertutupnya katup aorta (A2) dan yang lainnya akibat tertutupnya katup
pulmonal (P2). Katup aorta biasanya menutup sebelum katup pulmonalis, menyebabkan
jeda waktu antara dua komponen A2 dan P2 iní. Penundaan ini dikenal sebagai
"perpecahan" dalam komunitas medis. Pentingnya S2 dalam diagnosis telah lama
diketahui dan signifikansinya dianggap oleh ahli jantung sebagai "kunci" untuk
auskultasi jantung. Khususnya selama ekspirasi, A2 dan P2 dipisahkan oleh interval
yang relatif singkat biasanya kurang dan 30ms. A2 memiliki frekuensi konten yang
lebih tinggi deripada P2 dan umumnya A2 mendahului P2. Oleh karena itu diperlukan
untuk menerapkan alat pemroses sinyal untuk menganalisis PCG dan akibatnya
mengukur interval waktu dan kandungan frekuensi S2 ini.

6
METODE
1. Fast Fourier Transform (FFT)
Pada metode ini terdapat rumus : S (w) = s (t)

Yang dimana Transformasi Fourier S (w) dari sinyal s (t). t dan w ini adalah
parameter waktu dan frekuensi masing-masing. S (w) mendefinisikan spektrum sinyal
s (t). Pada metode ini, system pemantauan jangka panjang dari satu atau lebih
parameter ini seperti detak jantung, kecepatan aliran darah dan aktivitas pendengaran
listrik.

2. Transformasi Wavelet
Metode Transformasi Wavelet adalah metode yang terkenal dapat mengolah
sinyal. Oleh karena itu, metode ini sangat cocok digunakan untuk analisis sinyal atau
biasa disebut dengan Transformasi Wavelet Kontinu. Untuk sinyal yang banyak,
frekuensi rendah adalah bagian terpenting dan sebaliknya. Misalnya jika dianggap
dengan suara manusia, apabila frekuensi tinggi yang dilepas maka akan terdengar
suara yang berbeda. Tetapi jika frekuensi rendah dipindahkan maka akan terdengar
omong kosong.
Penemuan ini berkaitan dengan metode analisis sinyal kardio-akustik yang
terdiri dari langkah-langkah penerimaan sinyal yang mewakili suara jantung dari
sensor akustik.

HASIL DAN DISKUSI

Teknik Fast Fourier Transform (FFT) dan Continuous Wavelet Transform (CWT)
diterapkan untuk menganalisis sinyal PCG yang berbeda. Faktanya, empat kasus
dianggap, satu normal dan tiga abnormal (atau patologis). Laju sampling yang
digunakan adalah 8000 sampel / s. Skala sumbu waktu dan frekuensi adalah skala
linier. Pemindaian frekuensi dari 1Hz hingga 500Hz.

III.1. Analisis Frekuensi PCG (FFT)

7
 Algoritma FFT pertama kali diterapkan pada sinyal PCG yang diberikan pada Gambar.
(4a). Gambar ini menunjukkan siklus jantung normal (suara detak jantung) di mana dua
suara utama S1 dan S2 digambarkan dengan jelas. Spektrum frekuensi diilustrasikan pada
Gambar. ( 4a) menunjukkan bahwa sinyal PCG normal memiliki isi frekuensi yang
bervariasi dari sekitar 40Hz hingga 200Hz. Pada tahap ini, suara S1 atau S2 tidak dapat
dipisahkan. Faktanya, aplikasi Penerapan FFT pada suara jantung S1 dan S2 setelah
pemisahan atau identifikasi mereka menunjukkan bahwa komponen frekuensi dasar
secara jelas terdeteksi oleh transformasi Fourier tetapi bukan waktu tunda antar
komponen ini. Dua komponen A2 (karena penutupan katup aorta) dan P2 (karena
penutupan katup pulmonal) dari suara kedua S2 terlihat jelas pada Gambar. ( 1).
Namun, analisis FFT S2 tidak dapat membedakan mana dari keduanya, baik A2 atau P2
mendahului yang lain atau nilai jeda waktu di antara keduanya. Untuk aktivitas jantung
normal, biasanya A2 mendahului P2 dan nilai waktu tunda di antara keduanya lebih
rendah dari 40ms.

8
 Parameter A2 dan P2 ini (posisi dan waktu tunda) sangat penting untuk mendeteksi
beberapa kasus patologis. Suara S2 tampaknya memiliki konten frekuensi yang lebih
tinggi daripada S1 seperti yang ditunjukkan pada Gambar. ( 4b) dan Gambar. ( 4c).
Spektrum S1 memiliki nilai yang wajar dalam kisaran 10-200Hz. Spektrum S2 suara
memiliki nilai wajar pada kisaran 50-300Hz. Spektrum untuk suara ini secara jelas
diselesaikan pada waktunya menjadi dua komponen utama (A2 dan P2) seperti yang
ditunjukkan pada Gambar. ( 4c).

III.2. Analisis Wavelet Berkelanjutan dari PCG

Spektrum S1 dengan jelas diselesaikan dalam waktu menjadi empat komponen utama.
Spektrum S2 suara diselesaikan dalam waktu menjadi dua komponen utama (A2 dan P2).
Hasil ini mengkonfirmasi yang ditemukan oleh analisis spektral (teknik FFT), lihat Gambar. (
4b) dan ( 4c). Penundaan waktu antara A2 dan P2 dapat dengan mudah diukur dengan
menggunakan koefisien wavelet, lihat Gambar. ( 5c). Penundaan ini diukur menjadi 13ms. Ini
lebih kecil dari 30ms seperti yang terlihat pada kondisi patologis normal dari sinyal PCG.
Gambar. (4). Spektrum frekuensi untuk suara jantung normal dan suara S1 dan S2.
menerapkan algoritma CWT pada kasus patologis yang berbeda. Hasil dari aplikasi ini
diilustrasikan pada Gambar. ( 6a) ( aortic-insufisiensi), Gambar. (6b) (aortic-stenosis)
dan Gambar. ( 6c) (mitral-stenosis). Koefisien CWT memungkinkan kita untuk
membedakan dengan jelas rentang frekuensi dari setiap sinyal. Ini juga menunjukkan
komponen utama menurut variasi sementara; amplitudo maksimal dicirikan oleh warna
yang lebih gelap daripada amplitudo kecil.

III.3. Identifikasi dan Ukuran Split S2

9
 Suara jantung kedua S2 terdiri dari dua komponen akustik A2 dan P2, yang pertama
disebabkan oleh penutupan katup aorta dan yang terakhir disebabkan oleh penutupan katup
pulmonal. Katup aorta biasanya menutup sebelum katup pulmonal, menyebabkan penundaan
waktu yang dikenal sebagai “split”. Sebuah Teknik transformasi wavelet diskrit (DWT) dan
transformasi wavelet kontinu (CWT) dikembangkan dalam makalah ini untuk mengukur
perpecahan, untuk menghitung pemisahan, dua komponen di S2 (yaitu A2 dan P2)
diidentifikasi dan penundaan antara kedua komponen tersebut dapat diperkirakan. Satu kasus
normal dan tiga kasus patologis dihasilkan dalam studi ini. Untuk setiap S2 suara dari sinyal
yang dipertimbangkan, perpecahan diukur. Konstitusi utama dari makalah ini adalah dalam
identifikasi dan pengukuran split suara S2.

PEMBANGUNAN SAAT INI & MASA DEPAN

Makalah ini berfokus pada pengembangan alat pengolah sinyal dari sinyal
fonokardiogram (PCG).

Untuk tujuan ini, seseorang dibatasi untuk merefleksikan pengembangan dan evaluasi
metode penyaringan dan analisis untuk mendeteksi berbagai komponen yang merupakan
sinyal PCG. Parameter yang mungkin berkontribusi pada pemahaman sinyal ini juga
dipertimbangkan dalam pekerjaan ini.

Tujuan dari penelitian ini adalah untuk mengarahkan pada suatu pendekatan, yang
mungkin menjawab sifat sinyal PCG dan akibatnya memungkinkan deteksi dan penyajian
berbagai komponen dan parameter sinyal ini untuk mengembangkan metode klasifikasi yang
10
kuat, yang mungkin sebagai- Sist dokter dalam pengambilan keputusan dalam diagnosis
mereka.

BAB III
PENUTUP

11
KESIMPULAN
Siklus fonokardiogram (PCG) jantung (suara detak jantung) ditandai oleh transien dan
perubahan frekuensi yang cepat seiring berjalannya waktu. Itu menunjukkan frekuensi dasar.

Konten sinyal PCG dapat dengan mudah diberikan menggunakan teknik FFT. Namun, durasi
waktu dan variasi transien tidak dapat diselesaikan; Oleh karena itu, transformasi wavelet kontinu
(CWT) adalah teknik yang sesuai untuk menganalisis sinyal semacam itu. Ini juga menunjukkan
bahwa koefisien dari transformasi wavelet kontinyu memberikan representasi grafis yang memberikan
analisis kuantitatif secara bersamaan dalam waktu dan frekuensi. Oleh karena itu, sangat membantu
dalam mengekstraksi informasi yang berguna secara klinis.
Hal ini juga menunjukkan bahwa transformasi wavelet memberikan penjelasan rinci tentang
struktur siklus suara kardiovaskular dan menyediakan metode yang dapat digunakan untuk
menganalisis suara jantung menggunakan prosedur kuantitatif berdasarkan waktu, frekuensi,
intensitas, evolusi dan bentuk.
Transformasi wavelet diskrit dengan analisis multi resolusi, mudah untuk menguraikan sinyal
menjadi blok bangunan dasar dan melokalisasi S2 split terbaik antara komponen A2 dan P2.
Transformasi wavelet kontinu (CWT) setelah lokalisasi S2 yang terbelah memberikan representasi
grafik yang memberikan analisis kuantitatif secara bersamaan dalam waktu dan frekuensi. Oleh
karena itu, sangat membantu dalam menggali informasi yang berguna secara klinis, dan analisis CWT
dapat berhasil digunakan untuk menentukan pemisahan dan frekuensi variasi konten dan sebagai
konsekuensinya membantu dalam diagnosis.

DAFTAR PUSTAKA
Luisada AA. Suara jantung normal. St louis: WHGreen 1972.

12
Rangayyan RM, Lehner RJ. Analisis sinyal fonokardiogram: tinjauan. CRC Crit
Rev Biomed Eng 1988; 15 (3): 211-236.
Feigen LP. Ciri fisik suara dan pendengaran. Am J Cardiol 1971; 28 (2): 130-133.

Tuteur FB. Wavelet Berubah dalam deteksi sinyal. IEEE ICASSP 1988; CH2561-
9: 1435-1438.

Grossmann A, Holschneider K-MR, Morlet J. Deteksi perubahan mendadak pada

sinyal suara dengan bantuan transformasi wavelet. Dalam: Masalah terbalik: Sebuah
studi interdisipliner. Kemajuan di bidang Elektronika dan Fisika Elektron. 1987;
Tambahan 19 [New York, Academic]: 298-306.

Obaidat MS. Analisis sinyal fonokardiogram: perbandingan teknik dan kinerja. J

Med Eng Technol (November-Desember 1993); vol 17, No 6: 221-227.

Boashas B. Analisis sinyal frekuensi waktu. Dalam kemajuan dalam Estimasi

spektrum, diedit oleh Haykin S, (NJ: Prentice-Hall) 1993. Williams WJ. Frekuensi
waktu dan wavelet dalam Pengolahan Sinyal Biomedis. Diedit oleh Metin Akay.
IEEE Press Serie di BME. 1997; 3-

8.
Olivier R, Duhamel P. Fast algoritma untuk transformasi wavelet diskrit dan
kontinu. Teori Info Trans IEEE 1992; 38: 569-586. Harris A., Sutton G, Towers M.
aspek fisiologis dan klinis auskultasi jantung. Medicine Ltd, London, Inggris; 1976.

Novey DN, Pencar M, Stang JM. Panduan untuk bunyi jantung: normal dan abnormal.
CRC. Tekan. Inc, Florida; 1990.

Alat cukur JA, Salerni R, Reddy PS. Bunyi jantung normal dan abnormal dalam
diagnosis jantung. Bagian I: bunyi sistolik. Curr Probl Cardiol 1985; 10 (3): 1-68.

Leatham A. Auskultasi dan fonokardiografi: Pandangan pribadi selama 40 tahun

B2 terakhir. Heart J 1987; 57: 397-403.

Leung TS, PR Putih, Cook J, Collis WB, Brown E, Salmon AP. Analisis suara
jantung kedua untuk diagnosis penyakit jantung anak. IEE Proc Sci Meas Technol
November 1998; 145 (6): 285-290. Kliot, M., Frederickson, RC, Forghani, MPD:
WO070406459

13
( 2007).
Debbal SM, Reguig FB. Analisis frekuensi waktu dari bunyi jantung kedua dalam
fonokardiogram. J Med Phys 2005; 32 (9): 2911-

2917.
Mallat S, Zhong S. Karakterisasi Sinyal dari tepi multiskala. Dalam Proce.10th Int
Conf Pattern Pengenalan Sistem Aplikasi Los Alamitos, CA, 1990; 891-896.

Mallat S. Multifrequency saluran dekomposisi gambar dan model wavelet. IEEE

Trans Acous Speech Signal Proc 1989; 37: 2091-2111.

Goupillan P, Grossmann A, Morlet J. Siklus-oktaf dan transformasi terkait dalam

analisis sinyal seismik. Geoexploration 1984/85; 23: 85-102.

Meyer Y. Ondelettes dan Opérateurs. Tome 1. Paris: Hermann 1990. Mallat S.

Teori dekomposisi sinyal multiresolusi: Representasi wavelet. IEEE Trans Pola
Anal Mach Intell 1989; 11: 674-693.

Dziubinski, M .: WO07043902 ( 2007).

Mohler, SH, Mulholland, D., Figgat, A., Holford, W .: US20077190994 ( 2007).

Debbal SM, Reguig FB. Analisis Suara Detak Jantung dengan gelombang- biarkan
Transform. J Mech Med berbagai 2004; 4 (2): 133-141.
Diab, MK, Kiani-Azarbayjany, E., Elfadfel, IM, McCarthy, RJ, Weber, WM, Smith, RA:
US20077215986 ( 2007).

14
15