Ekstraksi Parameter Temporal Sinyal ECG Menggunakan Difference Operation Method

dokumen-dokumen yang mirip
Algoritma Mendeteksi Ketidaknormalan Premature Atrial Contractions(PACs) Berdasarkan Kombinasi RR Interval dan Correlation Coefficient

SISTEM TELECARDIAC MONITORING EKSTRAKSI DAN TRANSMISI PARAMETER TEMPORAL SINYAL JANTUNG MELALUI KANAL RADIO

Klasifikasi Sinyal Elektrokardiografi Menggunakan Wavelet Transform Dan Neural Network

PENGEMBANGAN SISTEM DIAGNOSA KELAINAN JANTUNG BERBASIS CONTINOUS WAVELET TRANSFORM (CWT) DAN ARTIFICIAL NEURAL NETWORK (ANN)

Analisis Dimensi Fraktal Sinyal Elektrokardiografi

BAB IV HASIL DAN PEMBAHASAN

DETEKSI KETIDAKNORMALAN PREMATURE VENTRICLE CONTRACTIONS(PVCS) BERDASARKAN RR INTERVAL DAN CORRELATION COEFFICIENT

Sinyal ECG. ECG Signal 1

Sistem Instrumentasi Sinyal Electrocardiography untuk Analisa Dinamika Jantung

ADLN - PERPUSTAKAAN UNIVERSITAS AIRLANGGA BAB I PENDAHULUAN

Analisa Suara Jantung Normal Menggunakan Discrete Wavelet Transform (DWT) dan Fast Fourier Transform (FFT)

DETEKSI OTOMATIS KELAINAN JANTUNG MENGGUNAKAN HIDDEN MARKOV MODEL (HMM)

BAB I PENDAHULUAN. 1.1 Latar Belakang

BAB III METODE PENELITIAN

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

DETEKSI KELAINAN JANTUNG PREMATURE ATRIAL CONTRACTIONS (PACS) BERBASIS KOMBINASI BASELINE WANDER DAN DENOISING MENGGUNAKAN RR INTERVAL

TUGAS AKHIR PERANCANGAN SISTEM PENDETEKSI ARITMIA MENGGUNAKAN NEURAL NETWORK. Andri Iswanto

BAB I PENDAHULUAN 1.1 Latar Belakang Masalah

TUGAS KEPERAWATAN GAWAT DARURAT INTERPRETASI DASAR EKG

PENGENALAN CITRA REKAMAN ECG ATRIAL FIBRILATION DAN NORMAL MENGGUNAKAN DEKOMPOSISI WAVELET DAN K-MEAN CLUSTERING

KONSEP DASAR EKG. Rachmat Susanto, S.Kep.,Ns.,M.Kep.,Sp.MB (KV)

Iman Fahruzi Politeknik Negeri Batam, Parkway St- Batam Centre, Batam,

BAB III METODE PENELITIAN

SIMULATOR ECG BERBASIS PC SEBAGAI ALAT BANTU AJAR PENGOLAHAN SINYAL BIOMEDIS

BAB IV HASIL DAN PEMBAHASAN. dicolokan ke komputer, hal ini untuk menghindari noise yang biasanya muncul

BAB II DASAR TEORI Suara. Suara adalah sinyal atau gelombang yang merambat dengan frekuensi dan

IDENTIFIKASI SPEKTRUM FREKUENSI ISYARAT ELEKTROKARDIOGRAF MENGGUNAKAN JARINGAN SYARAF TIRUAN KOMPETISI PENUH

DETEKSI ARITMIA BLOKADE CABANG BERKAS KIRI PADA ELEKTROKARDIOGRAM DENGAN JARINGAN SYARAF TIRUAN BERDASARKAN FITUR INTERVAL QR DAN RS

BAB I PENDAHULUAN. I.1 Latar Belakang Masalah

BAB I PENDAHULUAN 1.1 Latar Belakang

Mengurangi Pengaruh Noise Baseline Wander pada Sinyal Electrocardiogram(ECG)

EKSPRESI EMOSI MARAH BAHASA ACEH MENGGUNAKAN ALGORITMA PERCEPTRON

Identifikasi dan Klasifikasi Pola Sinyal EKG Berdasarkan Sifat Keacakan (Entropy)

Mengurangi Pengaruh Noise Baseline Wander pada Sinyal Electrocardiogram(ECG)

Segmentasi Suara Jantung S1 dan S2 Menggunakan Kurva Amplop

INTERPRETASI ELEKTROKARDIOGRAFI STRIP NORMAL HIMPUNAN PERAWAT GAWAT DARURAT DAN BENCANA INDONESIA SULAWESI UTARA

BAB I PENDAHULUAN. adanya peningkatan tekanan pengisian (backward failure), atau kombinasi

BAB I PENDAHULUAN 1.1. Latar Belakang

Oleh Arif Widodo NRP Dosen Pembimbing Dr. Tri Arief Sardjono, ST. MT.

BAB I PENDAHULUAN. Penyakit jantung merupakan salah satu penyebab kematian terbesar di

BAB III METODE PENELITIAN DAN PERANCANGAN SISTEM

Frekuensi Dominan Dalam Vokal Bahasa Indonesia

Normal EKG untuk Paramedis. dr. Ahmad Handayani dr. Hasbi Murdhani

Implementasi Kalman Filter Pada Sensor Jarak Berbasis Ultrasonik

UNIVERSITAS GADJAH MADA

BAB III METODE PENELITIAN. jantung pasien penyakit jantung secara elektro-akustik atau PCG

BAB I PENDAHULUAN 1.1. Latar Belakang

IMPLEMENTASI ALGORITMA PENDETEKSIAN GELOMBANG QRS KOMPLEK PADA SISTEM PERINGATAN KELAINAN KERJA JANTUNG BERBASIS MIKROKONTROLER 8-BIT

Analisa Suara Jantung Berbasis Complex Continuous Wavelet Transform

Deteksi Miokard Infark Jantung pada Rekaman Elektrokardiogram Menggunakan Elevasi Segmen ST

1 BAB I PENDAHULUAN 1.1 Latar Belakang dan Permasalahan

Analisa Sinyal Electrocardiography dan Phonocardiography Secara Simultan Menggunakan Continuous Wavelet Transform

Digital to Analog Conversion dan Rekonstruksi Sinyal Tujuan Belajar 1

Deteksi Miokard Infark Jantung pada Rekaman Elektrokardiogram Menggunakan Elevasi Segmen ST

APLIKASI SPECTRUM ANALYZER UNTUK MENGANALISA LOUDSPEAKER

BAB III METODE PENELITIAN DAN PERANCANGAN SISTEM. penelitian laboratorium. Studi kepustakaan dilakukan untuk mencari teori atau

SISTEM AKUISISI ECG MENGGUNAKAN USB UNTUK DETEKSI ARITMIA

Rancang Bangun Sistem Monitoring RR Interval pada Data Elektrokardiogram Berbasis Metode First Derivative Based Technique (FDBT) untuk User Bergerak

BAB I PENDAHULUAN A. Latar Belakang B. Rumusan Masalah

PERANCANGAN DAN PEMBUATAN PROTOTIPE BAND PASS FILTER UNTUK OPTIMASI TRANSFER DAYA PADA SINYAL FREKUENSI RENDAH; STUDI KASUS : SINYAL EEG

PENDETEKSI AMPLITUDO ELEKTROKARDIOGRAM DISKRIT MENGGUNAKAN ALGORITMA PQRST

Laporan Pendahuluan Elektrokardiogram (EKG) Oleh Puji Mentari

BAB III METODE PENGAMBILAN DAN PENGOLAHAN DATA SEISMOELEKTRIK. palu. Dari referensi pengukuran seismoelektrik di antaranya yang dilakukan oleh

SKRIPSI APLIKASI ADAPTIVE NOISE CANCELLATION FREKUENSI 50 HZ PADA ELECTROCARDIOGRAM

AUDIO WATERMARKING DENGAN DISCRETE WAVELET TRANSFORM DAN HISTOGRAM MENGGUNAKAN OPTIMASI ALGORITMA GENETIKA

BAB I PENDAHULUAN. Jantung merupakan sebuah organ tubuh yang terdiri dari sekumpulan otot.

KLASIFIKASI ARITMIA EKG MENGGUNAKAN JARINGAN SYARAF TIRUAN DENGAN FUNGSI AKTIVASI ADAPTIF

BAB III METODE PENELITIAN DAN PERANCANGAN SISTEM

III. METODE PENELITIAN. Penelitian dilaksanakan dari bulan Agustus 2012 sampai dengan November 2012

Perancangan Software Deteksi Kelainan Jantung Premature Atrial Contractions (PACs) Menggunakan RR Interval pada Smartphone Berbasis Android

EKSTRASI CIRI SINYAL JANTUNG MENGGUNAKAN WAVELET HAAR

BAB I PENDAHULUAN. bahkan di Dunia. Penyakit jantung dapat dideteksi dengan alat elektrokardiograf

Intisari. -36 c Jurusan Fisika FMIPA ITS JURNAL FISIKA DAN APLIKASINYA VOLUME 11, NOMOR 1 JANUARI 2015

udara maupun benda padat. Manusia dapat berkomunikasi dengan manusia dari gagasan yang ingin disampaikan pada pendengar.

BAB II DASAR TEORI. sebagian besar masalahnya timbul dikarenakan interface sub-part yang berbeda.

BAB I PENDAHULUAN. Proses pengenalan kata merupakan salah satu fungsi dari

Gambar 13 Pembangkitan ROI Audio dari 4.wav Dimulai dari Titik ke i = 1,2,,2L K, j = 1,2,,2 p.

BAB III METODE PENELITIAN. sistem. Blok diagram sistem dapat dilihat pada gambar 3.1 di bawah ini.

BAB IV HASIL DAN PEMBAHASAN

Pembacaan Waktu sebagai ekstraksi EKG pada Diagnosis Penyakit Jantung

Jurusan Fisika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Hasanuddin

HASIL DAN PEMBAHASAN

BAB II DIGITISASI DAN TRANSMISI SUARA. 16Hz 20 khz, yang dikenal sebagai frekwensi audio. Suara menghasilkan

Disusun Oleh: Kevin Yogaswara ( ) Meitantia Weni S B ( ) Pembimbing: Ir. Rusdhianto Effendi AK., MT.

BAB III METODE PENELITIAN DAN PERANCANGAN SISTEM

PERANCANG PENGOLAH SINYAL EKG DENGAN MENGGUNAKAN FILTER WIENER PADA SOFTWARE LABVIEW SECARA REAL TIME

BAB 1 PENDAHULUAN Latar Belakang

Jurnal Einstein 2 (3) (2014): Jurnal Einstein. Available online

DETEKSI SINYAL FLICKER MENGANDUNG NOISE BERBASIS HILBERT HUANG TRANSFORM

BABI PENDAHULUAN. Pada dunia elektronika dibutuhkan berbagai macam alat ukur dan analisa.

ANALISIS PERBANDINGAN ALGORITMA KOMPRESI PADA MONITORING SINYAL DATA ELEKTROKARDIOGRAM

BAB IV HASIL DAN PEMBAHASAN

Trio Novrizal¹, -². ¹Teknik Telekomunikasi, Fakultas Teknik Elektro, Universitas Telkom

Desain dan Realisasi Perangkat Elektrokardiograf Berbasis PC Menggunakan Sound Card

BAB I PENDAHULUAN 1.1 LATAR BELAKANG

BAB 7. INSTRUMENTASI UNTUK PENGUKURAN KEBISINGAN

Identifikasi Tanda Tangan Menggunakan Transformasi Gabor Wavelet dan Jarak Minskowski

SOUND CONVERSION USING FAST FOURIER TRANSFORM ALGORITM

BAB IV HASIL DAN PEMBAHASAN. perangkat. Alat dan bahan yang digunakan sebelum pengujian:

PERANCANGAN SISTEM PENDETEKSI ARITMIA MENGGUNAKAN NEURAL NETWORK

Transkripsi:

194 Ekstraksi Parameter Temporal Sinyal ECG Menggunakan Difference Operation Method Abdul Yasak *, Achmad Arifin Jurusan Teknik Elektro, ITS Surabaya 60 Phone : (62 31) 594 7302, Fax : (62 31) 593 1237 *email : yasak10@mhs.ee.its.ac.id Abstrak.Sinyal ECG merupakan salah satu sinyal yang dapat digunakan untuk mendeteksi kelainan jantung. Tiap-tiap komponen sinyal ECG menggambarkan proses fisiologis selama satu siklus aktivitas jantung. Deteksi ketidaknormalan jantung dapat dilakukan dengan mengetahui parameter temporal dari sinyal ECG. Pada penelitian ini dilakukan eksperimen metode ekstraksi parameter temporal sinyal ECG dengan menggunakan metode Difference Operation Method (DOM)untuk ekstraksi fitur sinyal ECG. Parameter temporal yang diekstrak meliputi interval R-R, durasi kompleks QRS, dan laju detak jantung. Metode ini diuji dengan menggunakan data ECG dari ECG MIT database dengan tiga kondisi, normal, right bundle branch block (RBBB) dan left bundle branch block (LBBB). Hasil penelitian menunjukkan metoda DOM dapat mengekstrak parameter temporal ECG. Masing-masing kondisi jantung mempunyai ciri yang khas dari parameter temporal yang diekstrak. Kami mendeteksi ada kasus tertentu dimana batas antara satu kondisi dengan yang lain mempunyai batas yang fuzzy. Hal ini akan ditindaklanjuti dengan metoda klasifikasi yang sesuai dengan karakter data sesuai hasil penelitian ini. KataKunci:Difference Operation Method (DOM), Electrocardiogram (ECG), Left bundle branch block (LBBB), Right bundle branch block (RBBB). 1.PENDAHULUAN Electrocardiogram(ECG) adalah sinyal rekaman aktivitas kelistrikan jantung dalam waktu tertentu. Sinyal ECG adalah sinyal biologis yang non-stasioner. Oleh karena itu untuk melakukan diagnosa yang tepat diperlukan pengamatan pola ECG dan variabilitas detak jantung selama beberapa jam. Hal ini menjadikan volume data menjadi besar dan memakan waktu yang cukup lama. Tentu saja, kemungkinan salah membaca informasi yang penting menjadi tinggi. Oleh karena itu analisis berbasis komputer akan sangat membantu dalam meningkatkan kualitas hasil diagnosa. Pada Gambar 1 disajikan komponenkomponen penting dari sinyal ECG, yang meliputi gelombang P, kompleks QRS kompleks, dan gelombang T. Informasi penting dalam sinyal ECG meliputi parameter temporal PR, QRS, QT, interval ST, PR. Gelombang P menunjukkan depolarisasi dari Gambar 1. Komponen Sinyal ECG normal atrium, Kompleks QRS menunjukkan depolarisasi ventrikel. Sementara Interval PR merupakan durasi perjalanan gelombang depolarisasi dari atrium menuju ventrikel. Gelombang S menunjukkan defleksi negatif pertama setelah gelombang R. ST segmen merupakan waktu diantara depolarisasi ventrikel dan permulaan dari repolarisasi ventrikel. Sedangkan gelombang T menunjukkan repolarisasi ventrikel. Kenyataan menunjukkan bahwa deteksi QRS sulit dilakukan karena beberapa masalah, seperti noise sinyal ECG, interferensi power-line, dan amplitudo gelombang T yang mirip dengan QRS kompleks. Sehingga untuk mendapatkan informasi yang akurat masalah-masalah di atas harus diatasi. Lebih dari tiga dekade telah dilakukan penelitian untuk mendeteksi QRS kompleks dimana telah banyak metode yang ditemukan seperti Pan dan Tompkins [1] yang mengusulkan suatu algoritma untuk mengenali QRS kompleks yang biasa disebut metode PT. kemudian C.W. Li, C.X. Zheng, C.F. Tai [2] mengusulkan metode Wavelet Transforms untuk mendeteksi QRS kompleks. Serta X.Xu, Y. Liu [3] yang mengajukan algoritma Slope Vector Wave untuk menemukan titik QRS. Yun Chi Yeh dan Wen June Wang [4] mengusulkan suatu metode baru yang dikatakan sebagai metode yang simpel dan reliabel karena menggunakan algoritma yang cepat dan sederhana serta tidak membutuhkan perhitungan matematika yang rumit. Metode ini diberi nama metode Difference Operation Method (DOM) dimana metode ini terbagi dalam dua

195 195 tahap. Dalam penelitian ini metode DOM digunakan untuk mengestrak parameter temporal sinyal ECG. Hasil parameter-parameter hasil ekstraksi tersebut dapat diidentifikasi jenis ECG normal, RBBB, dan LBBB. (a) (b) 2.METODE 2.1 Pengambilan Data Dalam penelitian ini digunakan sampel data ECG dari ECG MIT-BIH (Massachusetts Institute of Technology-Beth Israel Hospital) database sebanyak 10 file dengan durasi waktu 1 menit. Data ECG tersebut merupakan hasil rekaman analog yang dikonversi menjadi data digital dengan frekuensi sampling 360 Hz. (c) (e) (d) (f) Berdasarkan jenis pathologi data diklasifikasikan dalam 3 bagian yakni, normal sebanyak 5 file (100,,112,113, dan 115), LBBB sebanyak 3 file (109, dan 214), dan RBBB sebanyak 2 file (212 dan ). 2.2 Proses DOP Tahap pertama dalam algoritma DOM ini adalah melakukan difference operation process (DOP), Adapun rumus yang digunakan untuk operasi DOP ini seperti pada Persamaan (1), (1) dimana x(n) adalah input sinyal pada waktu n, dan adalah perbedaan output sinyal pada waktu n. Gambar 1 memperlihatkan sampel gambar sinyal MIT-BIH file normal (#), LBBB ( # ) dan file RBBB (# ) sebelum dan sesudah dilakukan difference operation process (DOP). Hasil yang didapat dari operasi DOM kemudian diproses menggunakan low pass filtering dengan cut off frekuensi 100 Hz yang berguna untuk menghilangkan sinyal amplitudo rendah tetapi mempunyai frekuensi tinggi dengan variasi bentuk gelombang, sebagaimana diketahui bahwa tipikal dari komponen frekuensi sinyal ECG mempunyai range antara 0.05 100 Hz. Sinyal hasil filter yang didapat kita beri nama xdf. Melalui rumus (2) sinyal diproses dengan menggunakan threshold T 1 dan T 2 untuk memperoleh sinyal akhir df dimana nilai T 1 adalah 2MVp dan nilai T 2 adalah 2 MVn. MVp adalah nilai mean semua amplitudo positif sedangkan MVn merupakan nilai mean semua amplitudo negatif. Penentuan nilai threshold sebesar nilai tersebut diatas ditetapkan setelah melalui banyak (2) Gambar 1. Grafik sinyal ECG : (a) Data ECG normal; (b) Hasil DOP data ECG normal;(c) Data ECG LBBB;(d) Hasil DOP data ECG LBBB (e) Data ECG RBBB;(f) Hasil DOP data ECG RBBB eksperimen yang bertujuan untuk mencari nilai nilai ekstrim positif dan ekstrim negatif yang paling benar tetapi nilai tersebut masih bisa dirubah sesuai dengan kondisi data. Pada penelitian ini digunakan nilai threshold sebesar 2.5 MVp dan 2.5 MVn. 2.3 Menemukan Titik R Setelah didapatkan sinyal df maka tahap selanjutnya adalah menemukan letak titik R. Menurut definisi medis durasi tiap interval RR berkisar antara 0.4 1.2 detik yakni berkisar antara 144 432 titik sampling pada frekuensi 360 Hz. Adapun tahap-tahap untuk mencari titik R adalah sebagai berikut : Tahap 1. Pisahkan sinyal df yang telah didapat pada langkah diatas menjadi dua macam sinyal yakni df dan df. Tahap 2. Temukan nilai titik ekstrim (nilai absolut) untuk tiap interval. Scan df dan df dari kiri ke kanan dengan panjang interval 50 sampling atau setara dengan 0.14 detik untuk data dengan frekuensi 360 Hz, Jika ditemukan nilai ekstrim bukan nol dalam interval maka kita simpan sedangkan interval yang tidak memiliki nilai titik ekstrim diabaikan saja. Tahap3. Pilihlah titik nilai ekstrim yang benar dengan cara mengukur perbedaan waktu diantara dua posisi nilai + ekstrim positif bukan nol yang berdekatan pada df - (ataupun df.) jika perbedaan waktunya sama atau lebih kecil dari durasi interval (0,14 detik atau 50 titik sampel) maka nilai ekstrim positif terbesar yang dipilih, tetapi jika perbedaan waktunya lebih besar

196 dari durasi interval maka kedua titik nilai ekstrim itu yang dipilih. Kemudian diukur lagi perbedaan waktu diantara dua nilai ekstrim berdekatan dari nilai ekstrim yang sudah terpilih tadi df (ataupun df.), jika perbedaan waktunya sama atau lebih kecil dari durasi interval (0,14 detik) maka kedua nilai ekstrim tersebut adalah pasangan yang benar dan akan disimpan tetapi sebaliknya jika perbedaan waktunya lebih besar dari durasi interval maka keduanya bukan merupakan pasangan yang benar dan harus dihapus. Tahap 4. Cocokkan pasangan posisi titik nilai ekstrim yang didapat tadi pada sinyal ECG yang asli, posisi nilai positif maksimum adalah nilai titik R dalam interval. Gambar 2 memperlihatkan hasil pengolahan sinyal ECG setelah dilakukan proses threshold dan ditemukan titik R pada file nomer (normal), 211 (LBBB) dan (RBBB). (a) (b) (c) 2.4 Menemukan Posisi Titik Q dan S Setelah ditemukan lokasi titik R maka tahapan selanjutnya adalah mencari lokasi titik Q dan titik S. Tahap 1. Mendefinisikan interval pencarian 1 Berdasarkan definisi medis QRS interval adalah durasi diantara onset dan offset dari QRS kompleks dengan durasi normal adalah berkisar antara 0,04 0,11 detik (15-40 titik sampling pada frekuensi 360 Hz). Oleh karena itu pertama kali didefinisikan interval pencarian 1 yakni interval pencarian yang berisi titik R. Interval 1 mempunyai rentang sebesar 20 titik sampling sebelum titik R dan 20 titik sampling sesudah titik R. Posisi nilai minimum di depan titik R ditandai sebagai titik Q 1 dan posisi nilai minimum di belakang titik R diberi nama titik S 1. Tahap 2.Mendefinisikan pencarian interval 2. Interval pencarian 1 diperlebar sebesar 200% pada sebelah kiri dan 200% sebelah kanan sehingga interval mempunyai nilai sebesar 80 titik sampling (pada frekuensi 360 Hz). Posisi nilai minimum di depan titik R disebut titik Q 2 dan posisi nilai minimum di belakang titik R disebut titik S 2. Tahap 3.Menemukan posisi titik Q Jika posisi dari Q 1 dan Q 2 nilainya sama, maka posisi keduanya adalah posisi titik Q, jika tidak maka harus kita perhatikan kriteria berikutnya yakni jika MVqq > Vq 1 + Tv (3) Maka posisi Q 2 adalah posisi titik Q dimana MVqq adalah magnitudo maksimum dalam interval antara Q 1 dan Q 2, Vq 1 adalah amplitudo titik Q 1, dan Tv adalah threshold dengan nilai 0,18 mv, nilai ini dipilih berdasarkan hasil banyak eksperimen yang dilakukan pada sinyal ECG yang berbeda-beda. Jika tidak sesuai dengan kriteria diatas, maka dicek lagi yakni jika, Gambar 2. Grafik sinyal ECG setelah ditemukan titik R (a) Normal ; (b) LBBB ; (c) RBBB Vq 2 > Vq 1 (4) maka posisi Q 1 adalah posisi titik Q, jika tidak maka posisi Q2 adalah titik Q, dimana Vq 2 adalah titik amplitudo Q 2. Tahap 4. Menemukan Posisi titik S Jika posisi S 1 dan S 2 sama maka posisi tersebut merupakan titik S, jika tidak sama maka jika Vs 2 > Vs 1 (5) maka posisi titik S terletak pada posisi S 1, jika tidak sesuai dengan persamaan (5) maka posisi titik S terletak pada titik S 2, dimana Vsi adalah amplitudo titik Si, i = 1,2. 3. HASIL DAN PEMBAHASAN Bundle Branch Block adalah arrhytmia yang mengacu pada kerusakan sistem konduksi listrik jantung yang dapat didiagnosis ketika durasi QRS kompleks pada sinyal ECG melebihi 120 ms. Eksperimen dengan metode DOM pada 10 file MIT-BIH durasi 1 menit frekuensi 360 Hz kemudian diambil hasil rata-ratanya serta dihitung nilai standar deviasinya. Hasil yang didapat dimasukkan ke dalam tabel yang berisi interval RR, QRS kompleks serta heart rate. Untuk menentukan heart rate digunakan rumus yang diambil berdasarkan interval RR. Dimana R R = adalah interval antara sinyal R dengan sinyal R yang diukur dalam satuan milidetik. (6)

197 197 Klasifikasi File Durasi QRS RR Interval Heart rate Kompleks ( detik ) ( detik ) ( bpm) Normal 100 0.045 ± 0.004 0.812 ± 0.038 74 0.053 ± 0.003 0.855 ± 0.033 70 112 0.092 ± 0.015 0.697 ± 0.042 86 113 0.045 ± 0.012 1.022 ± 0.119 59 115 0.107 ± 0.013 0.947 ± 0.094 63 LBBB 109 0.152 ± 0.044 0.646 ± 0.074 92 0.144 ± 0.022 0.914 ± 0.212 66 214 0.194 ± 0.018 0.798 ± 0.269 75 RBBB 212 0.127 ± 0.003 0.659 ± 0.036 91 0.128 ± 0.017 0.965 ± 0.153 62 Tabel 1 : Hasil eksperimen sinyal ECG dengan metode DOM Gambar 4 : Pola karakterisasi temporal sinyal ECG normal, LBBB, dan RBBB Tabel 1 yang berisi hasil penelitian pada jenis normal, left bundle block dan right bundle block memperlihatkan bahwa durasi QRS kompleks pada jenis normal rata-rata lebih kecil dari 0,12 detik seperti pada file #112 didapat nilai rata-rata durasi QRS kompleks per menit 0.092 detik dengan standar deviasi 0.015.Sedangkan pada sampel dengan kelainan bundle branch block rata-ratadurasi QRS kompleksnya lebih besar dari 0.12 detik yang menggambarkan adanya keterlambatan hantaran impuls saat depolarisasi ventrikel. Hubungan antara RR dan QRS kompleks selanjutnya digambarkan pada gambar 4 yang menunjukkan pola karakterisasi temporal sinyal ECG kondisi normal, LBBB dan RBBB. KESIMPULAN Metode Difference Operation Method (DOM) merupakan salah satu metode yang digunakan mencari QRS kompleks dimana sinyal ECG diolah pada domain waktu dan skala amplitudo. Hasil penelitian menunjukkan adanya perbedaan karakter parameter temporal terutama pada durasi QRS kompleks antara sinyal kondisi normal dengan sinyal yang mempunyai kelainan bundle branch block dimana nilai durasi QRS kompleksnya rata-rata lebih besar dari 0.12 detik. Dari penggambaran grafik pola karakterisasi temporal sinyal ECG hubungan antara QRS kompleks dan interval RR menunjukkan terjadinya pengelompokan data yang tidak linear, beberapa bagian data terlihat

198 masuk ke dalam bagian anggota kelompok atau kelas lain. Untuk menyajikan data sinyal ECG yang samar atau bersifat ambigu tersebut menjadi informasi klasifikasi yang jelas memerlukan metode classifier yang sesuai dengan karakter data ini sehingga tingkat akurasi klasifikasi menjadi lebih tinggi. DAFTARREFERENSI [1] J.Pan, W.J. Tompkins, A real time QRS detection algorithm, IEEE Trans. Biomed. Eng. BME-32 (3) (1985) [2] C.W. Li, C.X. Zheng, C.F. Tai, Detection of ECG characteristic points using wavelet transform, IEEE Trans. Biomed. Eng 42 (1) (1995) 21-28. [3] X. Xu, Y. Liu, ECG QRS complex detection using slope vector waveform (SVW) algorithm, in : Proceedings of the 26 th International Conference of the IEEE EMBS, 2004, pp. 3597-3600. [4] Yun Chi Ye, We June Wang, QRS complexs detection for ECG signal : The Difference Operation Method. Biomedicine 91 (2008) 245-254.