Klasifikasi dan Pengenalan Pola pada Sinyal EKG Berdasarkan Sifat Keacakan (Entropy) dengan 6 Channel

Transkripsi

1 Klasifikasi dan Pengenalan Pola pada Sinyal EKG Berdasarkan Sifat Keacakan (Entropy) 6 Channel Jaenal Arifin 1, Oyas Wahyunggoro 2, Rudy Hartanto 3 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, 2 oyas@te.ugm.ac.id, rudy@mti.ugm.ac.id Abstrak detak jantung manusia dapat dipantau melalui EKG. Banyaknya pola rekaman EKG yang beragam merupakan persoalan tersendiri dalam penafsiran kondisi jantung seseorang. Dalam penelitian ini menjelaskan klasifikasi dan pengenalan pola pada sinyal elektrokardiograf (EKG) berdasarkan sifat keacakan (entropy) 6 channel. Perekaman sinyal EKG dilakukan berdasarkan nilai Low Pass Filter (LPF) nya yang telah diatur pada saat melakukan pengukuran yaitu 40 LPF, 100 LPF dan 150 LPF. Selanjutnya mengamati perlakuan kondisi EKG seseorang perlakuan kondisi perasaan, tenang atau relax, stress dan kondisi seseorang melakukan. Hasil penelitian menunjukkan bahwa nilai entropy pada masing-masing orang memiliki nilai entropy yang berbeda-beda. Kata kunci : Sinyal EKG, Low Past Filter (LPF), Entropy. II. LITERATUR REVIEW Elektrokardigraf adalah alat medis yang digunakan untuk merekam beda potensial biomedik dipermukaan kulit yang dibangkitkan jantung memasang elektroda rekam (Ag/AgCl) pada tempat tertentu dipermukaan tubuh. Berikut gambar listrik jantung [1]. I. PENDAHULUAN Sinyal elektrokardiografi (EKG) adalah sinyal yang dihasilkan dari irama denyut jantung secara terus menerus. Mekanisme sederhana dari alat ini adalah mengukur potensial listrik sebagai fungsi waktu yang dihasilkan oleh jantung. Potensial listrik tersebut dihasilkan pemicu denyut jantung yang dapat merubah sistem 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 baik, maka implus yang dibentuk oleh jantung dapat menjalar ke seluruh tubuh, sehingga potensial bioelektrik yang dipancarkan oleh jantung dapat diukur melalui elektroda-elektroda yang diletakkan pada berbagai posisi dipermukaan tubuh [2]. Tujuan dari penelitian ini adalah menerapkan teknik pengklasifikasi dan pengenalan pola pada sinyal EKG berdasarkan sifat keacakan (Entropy) pada citra, hasil dari pengukuran sinyal EKG yang telah dilakukan serta dapat melihat perbedaan nilai secara kuantitatif pada perekaman sinyal EKG melihat nilai entropynya. Gambar 1. Denyutan jantung hasil dari EKG [1]. Sinyal elektrokardiografi (EKG) mempunyai bentuk spesifik sehingga dapat dijadikan sebagai acuan untuk menentukan kondisi jantung manusia. Sinyal EKG direkam menggunakan perangkat elektrokardiograf. Sebuah sinyal EKG mempunyai bentuk seperti pada gambar 2. 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.

2 TABEL I. Parameter Electrocardiogram Gelombang Amplitude EKG Durasi EKG Interval P < 0.3 P-R detik Q 1.6 3mV Q-T detik R 25% dari R S-T detik T mv Q-R-S detik Interval antara R-R menandakan periode dari detak jantung yang dapat dikonversikan menjadi Heart Rate (H) H = 6000 bpm (1) R R R R = adalah interval antara sinyal R 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 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 mengklasifikasikan baik (n = 9) dan buruk (n = 43) deteksi denyut jantung. Subyek kemudian diberikan dua sensor berupa elektroda, masingmasing menargetkan satu dari tiga valensi emosional yang berbeda (, 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 sinyal elektrokardigraf (EKG) dapat mengetahui emosi seseorang. Dalam ilmu kardiologi [1] (ilmu yang mempelajari tentang jantung) dikenal 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 Channel perlakuan kondisi manusia yang berbeda - beda. tersebut adalah perasaan, tenang atau rilex, stress di dan kondisi seseorang melakukan. Dari 6 Channel tersebut yaitu pada masing-masing channel 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 Channel) 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 Metodologi yang digunakan dalam penelitian ini ditunjukkan pada gambar 4. Gambar 4. Penerapan Sistem Klasifikasi pola sinyal EKG.

3 A. Klasifikasi pola citra berdasarkan sifat keacakan [8]. 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), 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 sangat berkaitan erat nilai informasi suatu citra. Oleh karena itu klasifikasi pola dapat dilakukan berbasis pada informasi yang diperoleh berdasarkan sifat keacakan ini. Parameter untuk menyatakan sifat keacakan isyarat dapat dituangkan dalam ENTROPY. Menurut Shannon [8][9], definisi dari entropy secara matematis adalah H N i 0 1 pi log pi (2) Dimana H adalah entropy dan pi adalah nilai probabilitas kejadian i. Disini entropy di definisikan sebagai rerata informasi yang diperoleh. Untuk data digital bitbit biner digunakan log bilangan dasar 2. Tujuan pada penelitian ini adalah menerapkan teknik pengklasifikasi pola sinyal EKG berdasarkan sifat keacakan menggunakan nilai entropy hasil perhitungan pada citra pengukuran sinyal EKG yang telah dilakukan. B. Gambaran penelitian Proses akuisisi citra pola sinyal EKG diawali pengambilan citra sinyal EKG yang diperoleh dari hasil pengukuran. Misalnya sampel pola sinyal EKG ditetapkan berukuran persegi panjang ukuran 100x120 piksel. Setelah dilakukan proses pengambilan data selanjutnya sampel pola sinyal EKG di-scan sehingga menghasilkan file citra dalam format tif, dalam percobaan ini image-scanner mengambil citra jenis true-color kualitas foto (24bit) resolusi 300 dpi. Berikut gambaran penelitian seperti ditunjukkan pada gambar 5. Matlab. Sebagai langkah awal dilakukan konversi citra true-color ke binary dari citra asli resolusi 629 x 91. Dari eksperimen ini didapatkan citra seperti ditunjukkan pada gambar 6. (a). (b) Gambar 6. Proses konversi citra true-color (a) ke binary (b) [10] III. HASL DAN ANALISIS Dari pengukuran yang telah dilakukan dan menghitung nilai entropy pada masing masing Channel (Ch) didapatkan tabel hasil pengukuran sebagai berikut. TABEL II Pengukuran Sinyal EKG pada 40 LPF yang santai Ch.1 Ch.2 Ch.3 Ch.4 Ch.5 Ch Dari tabel 2 untuk pengukuran sinyal EKG pada filter 40 LPF mengandung maksud adalah untuk filter frekuensi 40Hz ini akan menghilangkan sinyal yang berfrekuensi lebih dari 40 Hz sehingga berpengaruh terhadap nilai entropy dari masing masing kondisi yang. Hasil yang didapatkan pada tabel di atas merupakan informasi dari sinyal EKG yang berupa citra medis. Adapun nilai keacakan yang diperoleh merupakan gambaran dari yang. Gambar 5. Gambaran penelitian Pada penerapan klasifikasi dan pengenalan pola sinyal EKG berdasarkan Entropy ini menentukan pola citra yang 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 menggunakan perangkat lunak Gambar 7. Sebaran nilai entropy pada 40 Low Pass Filter (LPF) Pada gambar 7 terlihat bahwa nilai entropy pada channel 5 sebesar dan channel 6 sebesar , nilai ini merupakan nilai terendah jika dibandingkan channel lainya dan terletak pada kondisi stress. Sedangkan untuk nilai entropy

4 tertinggi pada channel 1 sebesar dan channel 4 sebesar , nilai ini terletak pada kondisi stress. TABEL III Pengukuran Sinyal EKG pada 100 LPF yang santai Ch.1 Ch.2 Ch.3 Ch.4 Ch.5 Ch Dari tabel 3 untuk pengukuran sinyal EKG pada filter 100 LPF mengandung maksud adalah untuk filter frekuensi 100Hz ini akan menghilangkan sinyal yang berfrekuensi lebih dari 100 Hz. Hasil yang didapatkan pada tabel 3 merupakan nilai keragaman/keacakan berdasarkan dari nilai entropy 6 channel. Gambar.8 Sebaran nilai Entropy pada 100 Low Pass Filter (LPF) Pada gambar 8 terlihat bahwa nilai entropy pada channel 6 sebesar dan channel 5 sebesar , nilai ini merupakan nilai tertinggi jika dibandingkan channel lainya dan ini terletak pada kondisi stress. Sedangkan untuk nilai entropy terendah pada channel 3 sebesar terletak pada kondisi stress dan pada channel 3 sebesar , ini terletak pada kondisi santai. TABEL IV Pengukuran Sinyal EKG pada 150 LPF yang Ch.1 Ch.2 Ch.3 Ch.4 Ch.5 Ch santai Dari tabel 4 untuk pengukuran sinyal EKG pada filter 150 LPF mengandung maksud adalah untuk filter frekuensi 150Hz ini akan menghilangkan sinyal yang berfrekuensi lebih dari 150 Hz. Untuk pengaturan filter Low pass filter (LPF) pada perangkat ekg ini (EKG 2000) sangat disarankan pemilihan/diatur frekuensinya 150Hz [7]. Gambar.9 Sebaran nilai entropy pada 150 Low Pass Filter (LPF) Dari gambar 9 dapat dilihat bahwa grafik yang menunjukkan nilai entropy pada channel 3 pada kondisi santai sebesar dan pada channel 3 pada kondisi sebesar , nilai ini merupakan nilai terendah dibandingkan nilai pada channel lainya. Sedangkan nilai entropy tertinggi pada channel 6 pada kondisi sebesar dan pada channel 6 pada kondisi stress sebesar Sinyal electrocardiogram merupakan sinyal yang mempunyai bentuk spesifik sehingga dapat dijadikan sebagai acuan atau parameter untuk menentukan kondisi jantung manusia 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 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 channel 1,2,3,4,5 dan 6 memiliki nilai yang berbedabeda. Untuk kondisi stress memiliki nilai tertinggi pada channel 1 dan 4 pada nilai 40 LPF, pada 100 LPF nilai tertinggi di channel 5 dan 6 ini terlihat pada kondisi stress, sedangkan pada 150 LPF nilai tertinggi pada channel 6 dikondisi stress dan pada channel 6 pada kondisi. Untuk pengembangan ke depan nilai entropy pada masing masing channel dapat digunakan sebagai ciri utama maupun ciri pendukung dalam aplikasi sistem klasifikasi pola sinyal EKG yang lebih kompleks.

5 IV. KESIMPULAN 1. Nilai entropy tertinggi pada kondisi stress yaitu pada 40 LPF, pada 100 LPF dan pada kondisi 150 LPF. 2. Dari ke empat kondisi yang, stress mempunyai nilai entropy tertinggi pada pengaturan Low Pass filter (LPF), 40 LPF dan 100 LPF. 3. Berdasarkan penelitian yang telah dilakukan diperoleh bahwa adanya perbedaan secara kuantitatif pada perekaman sinyal EKG, ini bisa dilihat dari nilai entropy pada masing-masing channel. DFTAR PUSTAKA [1] L. Ismudiarti, Buku Ajar Kardiologi, FKUI [2] Wulansari Dwi Ratih, Sistem Pemantauan Kesehatan Manusia Berbasis Jaringan Sensor Nirkabel, Institut Teknologi Sepuluh Nopember, [3] S. Budi, Ekstraksi dan klarifikasi isyarat EKG berbasis transformasi wavelet dan jaringan neural vackpropagation, Universitas Gadjah Mada, [4] W. J. Tompkins, Biomedical Signal Processing, Prentice H. New Jersey, [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 , May [6] K. Stefan, Heartbents Hint at Personality Traints. [Online]. Available: [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, [9] Shannon entropy, pp [10] R. C. Gonzales, Digital Image Processing Using Matlab. New- Jersey: Pearson Prentice hall.