BAB I
PENDAHULUAN
Metode pengukuran BP klinis saat ini bersifat invasif atau berbasis manset.
Pertama kali dikenal sebagai kateterisasi [13], ini memberikan pengukuran BP
terus menerus langsung untuk setiap detak jantung. Meskipun metode ini
dianggap sebagai pengukuran tekanan darah yang paling akurat, teknik seperti itu
hanya berlaku untuk pasien yang menjalani intervensi bedah. Namun, teknik
pengukuran BP yang paling umum digunakan dalam perawatan kesehatan
didasarkan pada perangkat tipe manset konvensional [14]. Pengukuran berbasis
manset dapat memberikan nilai Systolic Blood Pressure (SBP) dan Diastolic
Blood Pressure (DBP) untuk titik waktu tertentu secara noninvasif. Namun,
terlepas dari keuntungan ini, perangkat BP berbasis manset sebagian besar
terputus-putus, membosankan, dan tidak nyaman bagi pasien karena inflasi dan
deflasi manset yang berulang selama pengukuran.
Selain itu, standar global untuk pengukuran BP tanpa manset, yang ditetapkan
oleh American National Standards of the Association for the Advancement of
Medical Instrumentation (AAMI), tidak diikuti secara ketat dalam hal jumlah
minimum subjek yang diperlukan untuk evaluasi. AAMI mensyaratkan mean
error (ME) dan standard deviation (SD) tidak lebih besar dari 5±8 mmHg yang
dievaluasi pada setidaknya 85 subjek. Namun, sebagian besar penelitian yang
4
dipublikasikan sejauh ini gagal memenuhi kedua persyaratan AAMI yaitu evaluasi
teknik yang diusulkan pada 85 subjek dan mencapai kesalahan di bawah 5±8
mmHg. Oleh karena itu, teknik sederhana yang andal untuk pemantauan BP tanpa
manset dan terus menerus menggunakan satu sensor belum ditetapkan dalam
praktik klinis. Oleh karena itu, pendekatan PPG memerlukan penyelidikan lebih
lanjut untuk menemukan rangkaian fitur yang paling relevan.
Berdasarkan latar belakang di atas, maka pada penelitian ini akan dilakukan
pengembangan model estimasi tekanan darah tinggi dengan HRV dari
Photoplethysmogram (PPG) domain waktu dan domain frekuensi untuk
memenuhi persyaratan AAMI. Klasifikasi yang digunakan pada penelitian ini
menggunakan Long Short-Term Memory (LSTM), Multilayer Perceptron (MLP),
Support Vector Regression (SVR), Random Forest dan AdaBoost yang di
implementasikan menggunakan google colaboratory. Google colaboratory
merupakan layanan cloud dari google yang menyediakan runtime Pyhthon 3.10.
B. Batasan Masalah
Pada penelitian ini menggunakan batasan-batasan permasalahan sebagai
berikut:
2. Penggunaan HRV domain waktu dan domain frekuensi sebagai fitur pada
deteksi tekanan darah.
3. Kinerja system identifikasi tekanan darah tinggi berupa akurasi dari masing-
masing algoritma machine learning.
5
C. Rumusan Masalah
Berdasarkan uraian latar belakang dan tujuan penelitian yang telah dijelaskan,
maka dapat dituliskan perumusan masalah sebagai berikut:
1. Bagaimana cara merancang sistem identifikasi tekanan darah tinggi
menggunakan Long Short-Term Memory (LSTM), Multilayer Perceptron (MLP),
Support Vector Regression (SVR), Random Forest dan AdaBoost?
2.
3. Bagaimana penyelesaian persamaan Schrodinger-Cosmic string bagian radial
dengan position dependent of mass dalam koordinat bola untuk potensial
Inverse Quadratic menggunakan metode Nikiforov Uvarov Functional Analysis
(NUFA)
?
4. Bagaimana penyelesaian persamaan Schrodinger-Cosmic string bagian sudut
dengan position dependent of mass dalam koordinat bola untuk potensial Scarf
menggunakan metode Nikiforov Uvarov Functional Analysis (NUFA) ?
5. Bagaimana analisis energi, fungsi gelombang, sifat termodinamika, dan sifat
magnet bagian radial untuk potensial Inverse Quadratic dan bagian sudut untuk
potensial Scarf menggunakan metode Nikiforov Uvarov Functional Analysis
(NUFA) ?
6. Bagaimana visualisasi energi, fungsi gelombang, sifat termodinamika, dan sifat
magnet bagian radial untuk potensial Inverse Quadratic dan bagian sudut untuk
potensial Scarf menggunakan software Matlab R2022a ?
6
D. Tujuan Penelitian
Dari latar belakang yang mendasari penelitian ini, maka tujuan dari penelitian
ini adalah sebagai berikut :
1. Memperoleh penyelesaian persamaan Schrodinger-Cosmic string bagian radial
dengan position dependent of mass dalam koordinat bola untuk potensial
Inverse Quadratic menggunakan metode Nikiforov Uvarov Functional Analysis
(NUFA).
2. Memperoleh penyelesaian persamaan Schrodinger-Cosmic string bagian sudut
dengan position dependent of mass dalam koordinat bola untuk potensial Scarf
menggunakan metode Nikiforov Uvarov Functional Analysis (NUFA).
3. Mendapatkan analisis energi, fungsi gelombang, sifat termodinamika, dan sifat
magnet bagian radial untuk potensial Inverse Quadratic dan bagian sudut untuk
potensial Scarf menggunakan metode Nikiforov Uvarov Functional Analysis
(NUFA).
4. Mendapatkan visualisasi energi, fungsi gelombang, sifat termodinamika, dan
sifat magnet bagian radial untuk potensial Inverse Quadratic dan bagian sudut
untuk potensial Scarf menggunakan software Matlab R2022a.
E. Manfaat Penelitian
Adapaun manfaat dilakukannya penelitian ini adalah :
1. Memperoleh penyelesaian persamaan Schrodinger-Cosmic string bagian radial
dengan position dependent of mass dalam koordinat bola untuk potensial
Inverse Quadratic menggunakan metode Nikiforov Uvarov Functional Analysis
(NUFA).
2. Memperoleh penyelesaian persamaan Schrodinger-Cosmic string bagian sudut
dengan position dependent of mass dalam koordinat bola untuk potensial Scarf
menggunakan metode Nikiforov Uvarov Functional Analysis (NUFA).
3. Dapat mengembangkan dan melatih kemampuan bagi peneliti dalam
menyelesaikan persamaan energi dan fungsi gelombang bagian radial untuk
potensial Inverse Quadratic menggunakan metode Nikiforov Uvarov
Functional Analysis (NUFA).
7