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

net/publication/311847028

Pengukuran Detak Jantung menggunakan Kamera Smartphone

Article · December 2016

CITATION READS
1 1,971

3 authors:

Thariq Warsahemas Wildan S. Nahar

Bandung Institute of Technology Bandung Institute of Technology
2 PUBLICATIONS   3 CITATIONS    10 PUBLICATIONS   6 CITATIONS   

SEE PROFILE SEE PROFILE

Ramadhan Pribadi
Tanjungpura University
2 PUBLICATIONS   1 CITATION   

SEE PROFILE

Some of the authors of this publication are also working on these related projects:

Thesis Management Web View project

Design and Implementation of Virtual Digital Storage Oscilloscope with Microchip and LabVIEW; Case study : Audio real-time analysis View project

All content following this page was uploaded by Wildan S. Nahar on 23 December 2016.

The user has requested enhancement of the downloaded file.

 Pengukuran Detak Jantung menggunakan Kamera
Smartphone
Thariq Warsahemas1,a), Wildan Syahrun Nahar1,b), dan Naufal Ramadhan
Pribadi1,c)
1
Departemen Fisika,
Fakultas Matematika dan Ilmu Pengetahuan Alam,
Institut Teknologi Bandung, Jalan Ganesha Nomor 10, 40132, Indonesia

a)
thariq_w@s.itb.ac.id
b)
wildansn@s.itb.ac.id
d)
pribadinaufal@s.itb.ac.id

Abstrak. Detak jantung merupakan salah satu parameter yang berguna untuk memberikan informasi medis seseorang,
seperti kondisi psikologis, fisik, dan kardiovaskular. Dengan berkembangnya teknologi maka pengukuran detak jantung
dapat dilakukan secara realtime dan efisien salah satunya dengan menggunaan kamera smartphone. Pada percobaan ini,
peneliti ingin menguji tingkat akurasi pengukuran detak jantung menggunakan kamera smartphone, dan menentukan
jenis jari yang paling representatif. Pengambilan data dilakukan dengan merekam video gambar jari yang disinari flash
lalu dilakukan akuisisi data menggunakan signal processing yang memanfaatkan software MATLAB. Hasil yang
diperoleh rata-rata galat hasil eksperimen dengan pengukuran manual adalah 2.852%, menunjukkan data dapat dikatakan
akurat. Jenis jari yang paling merepresentasikan adalah jari manis dengan nilai galat terkecil.

LATAR BELAKANG

Detak jantung merupakan salah satu parameter yang berguna untuk memberikan informasi medis dari
seseorang. Dengan mengetahui detak jantung, kita dapat memperoleh informasi sebagai berikut :
a. Tingkat stress (kondisi psikologi)
b. Tingkat kebugaran (kondisi fisik)
c. Aktivitas jantung akibat pengaruh zat adiktif seperti kafein dan obat-obatan (kondisi
kardiovaskular)
Oleh karena itu, pengukuran detak jantung amat penting dilakukan di dunia medis dan menjadi salah satu
standar untuk mengetahui tingkat kesehatan seseorang.
Alat-alat medis yang dapat digunakan untuk mengukur detak jantung saat ini diantaranya adalah
Electrocardiogram (ECG), stetoskop, dan melalui pendengaran ultrasonik. Alat-alat itu menjadi standar
yang digunakan oleh para dokter untuk mengecek berapa detak jantung tiap menit dari pasiennya. Namun,
bagi orang awam alat itu tergolong mahal dan rumit. Mahal karena memang dari bahan yang digunakan
dan perawatan membutuhkan biaya yang lumayan tinggi. Rumit karena proses pembuatan, kalibrasi, dan
pengujiannya perlu melalui serangkaian tes dan perlakuan.
Untuk itulah dibutuhkan alternatif dalam mengukur detak jantung. Alternatif ini diperlukan jika dalam
kondisi terdesak misalnya saat tidak ada standar alat medis, daerah terpencil, atau kondisi lainnya. Alat ini
juga nantinya akan bekerja secara realtime dan efisien.
 Untuk itulah, pada percobaan kali ini kami menawarkan solusi alternatif pengukuran detak jantung
dengan memanfaatkan kamera smartphone dan computer untuk proses analisa data. Alat medis dengan
smartphone dan computer untuk analisis data ini bersifat portable dan fleksibel, sehingga mudah
digunakan. Namun tentunya perlu diuji keakuratan hasilnya, sehingga hal ini mendasari peneliti untuk
melakukan pengujian tingkat akurasi pengukuran detak jantung menggunakan kamera smartphone, dan
menentukan jenis jari (jempol, manis, telunjuk, dsb) yang paling representatif menggambarkan nilai detak
jantung yang sesungguhnya.

TEORI DASAR

Medical background
Setiap saat detak jantung memompa darah ke seluruh tubuh. Denyut jantung mengubah warna
dan brightness kulit pada bagian tubuh, melalui aktivitas pembuluh darah yang dekat dengan kulit.
Kamera smartphone dapat merekam gambar dengan resolusi yang tinggi. Kamera smartphone merekam
warna kulit pantulan cahaya flash dengan brightness yang berbeda-beda tiap waktunya. Hal inilah yang
nantinya akan dianalisa dengan metode signal processing dengan beberapa teknik.

Signal processing
Agar data yang diinginkan dapat diperoleh, suatu sinyal harus diolah terlebih dahulu. Proses
pengolahan sinyal ini disebut signal processing. Signal processing pada eksperimen ini sebagai berikut:

GAMBAR 1. Bagan Signal processing

Mula-mula, data diambil dalam bentuk video denan kamera smartphone (video signal acquisition).
Kemudian, brightness signal computation berfungsi mengubah data video menjadi grafik brightness level
terhadap frame atau waktu. Bandpass filtering berfungsi membuang noise yang memiliki frekuensi diluar
range yang diinginkan. Namun, noise masih terdapat di range frekuensi tersebut. Oleh karena itu, dengan
fast fourier transform, grafik tersebut diubah kedalam ruang frekuensi agar frekuensi dengan amplitude
tersbesar dapat terlihat. Kemudian, peak detection berperan mendeteksi puncak-puncak sinyal. Terakhit,
puncak tersebut diperhalus (smoothing) agar BPM sebenarnya dapat ditentukan.

METODE PENGAMBILAN DATA

Metode yang digunakan adalah dengan membandingkan pengukuran detak jantung menggunakan
kamera smartphone dan pengukuran manual dengan menghitung denyut nadi dalam waktu 1 menit. Objek
tubuh yang digunakan adalah kelima jari (jari jempol, telunjuk, tengah, manis, dan kelingking) untuk
menentukan bagian jari mana yang paling representatif dalam mengukur detak jantung ini. Jari yang akan
diukur detak jantungnya ditempelkan pada bagian camera smartphone. Lalu smartphone diubah ke mode
video dengan mengaktifkan flash. Hasil perekaman inilah yang nantinya akan dianalisis dengan bantuan
software MATLAB[1].

HASIL DAN DISKUSI

a) Video sig1l acquisition

Data yang diambil menggunakan kamera smartphone Samsung Galaxy 5S dengan 30 fps (frame
per second), dengan resolusi : 1280 x 720 pixels, dan durasi 30 detik. Pada bagian ini, diasumsikan
target sinyal adalah 40 – 230 bpm (beat per minute). Bila dikonversikan ke Hz, maka menjadi
0.667 – 3.833 Hz. Dengan menggunakan prinsip Nyquist yaitu frekuensi sampling minimal 2 kali
frekuensi tertinggi[2] yaitu 2 x 3.833 Hz, maka dengan device ini hal tersebut dapat dicapai.

GAMBAR 2. Proses akuisisi video

b) Brightness signal computation

Persamaan numeric yang digunakan untuk menghitung brightness signal adalah seperti berikut :

1 𝐻 𝑊
𝑏[𝑛] = 𝑊𝐻 ∫𝑥 ∫𝑦 𝑣[𝑛, 𝑥, 𝑦, 1]....(1)

Dimana
W : lebar dari gambar dalam pixel
H : tinggi gambar dalam pixel
v[n,x,y,1] : level cahaya pada panel merah (indeks 1) pada koordinat [x,y] pada frame ke-n
dari sinyal video
 GAMBAR 3. Grafik level brightness dalam fungsi n (banyaknya frame)

c) Bandpass filtering
Digunakan untuk menghilangkan noise pada frekuensi yang diinginkan. BPF yang digunakan
merupakan jenis butterworth orde 2.

(a) (b)

GAMBAR 4. a) Respons frekuensi dari Butterworth Bandpass Filter b)

Warna biru merupakan sinyal sebelum dilakukan filter, sedangkan warna
hijau merupakan sinyal setelah dilakukan filter.
d) Fast-fourier transform (FF)
Digunakan untuk mengubah domain dari waktu ke frekuensi. Berikut formula yang dipakai :

𝑛
(𝑗−1)(𝑘−1)
𝑌(𝑘 ) = ∑ 𝑋 (𝑗)𝑊𝑛 … (2)
𝑗=1

𝑊𝑛 = 𝑒 −2𝜋𝑖/𝑛 …(3)
dimana
Y : domain frekuensi
X : domain waktu
e) Peak detection
Bertujuan untuk mencari nilai-nilai puncak. Setelah nilai-nilai tersebut ditemukan, lalu dicari lagi
nilai tertinggi yang merepresentasikan nilai bpm yang diinginkan dengan memakai fungsi findpeak
pada MATLAB.

GAMBAR 5. Contoh hasil penerapan fungsi findpeak pada MATLAB[3]

f) Smoothing
Untuk mendapatkan titik yang paling ‘halus’. Dipilihlah koordinat kotak dengan nilai x dan y
tertentu sebagai representasi beat per minute.

GAMBAR 6. Zoom in dan smoothing untuk mendapatkan 1 titik yang

paling representatif
 Data Total

TABEL 1. Nilai bpm pada berbagai jenis jari untuk teknik pengukuran manual

BPM MANUAL
No.
Jempol Telunjuk Tengah Manis Kelingking
1. 96 95 98 99 95
2. 99 96 95 97 99
3. 94 96 95 93 93
4. 97 97 97 95 96
Rata-rata 96.5 96 96.25 96 95.75
Standar
Deviasi 2.081665999 0.816497 1.5 2.581989 2.5

TABEL 2. Nilai bpm pada berbagai jenis jari untuk teknik pengukuran dengan kamera smartphone

BPM EXPERIMENT
No.
Jempol Telunjuk Tengah Manis Kelingking
1. 97.7348 95.9598 99.4461 98.9154 100.2094
2. 99.9648 107.9179 98.7124 99.5213 99.8424
3. 98.2723 97.3001 98.4364 94.6813 98.4276
4. 103.0795 96.9884 96.9042 94.8001 98.5899
Rata-rata 99.76285 99.54155 98.37478 96.97953 99.267325
Standar
Deviasi 2.406635073 5.613521 1.068974 2.597432 0.891115269

TABEL 3. Nilai galat / error dari BPM experiment dibandingkan dengan BPM manual
GALAT / ERROR
No.
Jempol Telunjuk Tengah Manis Kelingking
1. 1.807083333 1.010316 1.475612 0.085455 5.483578947
2. 0.974545455 12.41448 3.907789 2.599278 0.850909091
3. 4.545 1.354271 3.617263 1.807849 5.836129032
4. 6.267525773 0.011959 0.098763 0.210421 2.6978125
Rata-rata 3.39853864 3.697756 2.274857 1.175751 3.717107393
Standar
Deviasi 2.446353325 5.838967 1.811326 1.231068 2.37098638
 GAMBAR 7. Salah satu hasil BPM experiment pada sampel jari manis
kedua
Setelah dilakukan akuisisi data signal processing diperoleh informasi detak jantung pada tiap jenis jari
yang ditunjukkan pada tabel di atas (Tabel 1 dan 2). Hasil eksperimen menunjukkan bahwa nilai detak
jantung pada tiap jariya berada pada rentang 96-100 BPM, dengan nilai fluktuasi tertinggi terjadi pada jari
telunjuk ditunjukkan dengan standar deviasi terbesar. Nilai galat diperoleh dengan membandingkan hasil
pengukuran eksperimen dan manual yang dilakukan secara bersamaan dalam satu waktu proses.
Berdasarkan data galat menunjukkan bahwa rata-rata galat hasil eksperimen adalah 2.852%, data ini dapat
dikatakan akurat karena kurang dari 5%.
Dari semua jenis jari, jari manis menunjukkan nilai galat hasil eksperimen terkecil, yaitu rata-rata
1.1757% sehingga dapat dikatakan sebagai jari yang paling merepresentasikan nilai detak jantung. Nilai
detak jantung yang fluktuaktif pada tiap jenis jarinya berada pada rentang perbedaan 1-5 BPM
menunjukkan nilai dalam batas yang wajar sehingga masih dapat digunakan untuk menunjukkan nilai
detak jantung. Jari manis merepresentasikan pengukuran detak jantung dengan kamera smartphone karena
pada saat pengukuran dianggap paling sesuai dan menutupi kamera flash sehingga data brightness yang
didapat paling akurat diantara jenis jari yang lain.
 KESIMPULAN

Pengukuran detak jantung telah dilakukan dengan 2 cara, yaitu manual dengan menghitung denyut
nadi dan juga secara eksperimen dengan menggunakan kamera smartphone yang akan diolah dengan
bantuan software MATLAB. Secara umum, didapatkan data yang akurat dari pengukuran menggunakan
kamera smartphone dengan galat kurang dari 5% jika dibandingkan dengan pengukuran manual yang
dijadikan acuan. Keragaman data juga didapat dengan menghitung standar deviasi dari keempat sampel
yaitu didapat rata-rata standar deviasi sebesar 2.515%. Semakin besar nilai standar deviasi artinya
semakin beragam data yang didapat. Nilai yang masih dibawah 3% tersebut menandakan bahwa data
yang didapat memiliki tren yang sama dan cukup konsisten untuk mewakili percobaan ini. Dari kelima
jenis jari yang diujicobakan, jari manis dipilih sebagai jenis jari yang paling merepresentasikan
pengukuran dengan kamera smartphone ini karena memiliki galat paling kecil dan konsisten untuk
pengukuran pertama sampai keempat.

UCAPAN TERIMA KASIH

Penulis mengucapkan terimakasih kepada Dr. Freddy Haryanto atas bimbingan dan saran yang
diberikan. Penulis juga mengucapkan terimakasih kepada berbagai pihak yang telah membantu dalam
penulisan laporan ini.

DAFTAR PUSTAKA

[1] Uavster. Measuring heart rate with a smartphone camera. Tersedia di :

http://www.ignaciomellado.es/blog/Measuring-heart-rate-with-a-smartphone-camera [9 Desember
2016]
[2] Banitsas, K., et. al. “A simple algorithm to monitor heart rate for real time treatment applications.”
2009 9th International Conference on Information Technology and Applications in Biomedicine.
IEEE, 2009.
[3] Mathworks. Peak Analysis. Tersedia di : https://www.mathworks.com/help/signal/examples/peak-
analysis.html [15 Desember 2016]

View publication stats