Pengembangan Sistem Monitoring Kesehatan Jantung Tahan Noise Berbasis Sinyal EKG

Anggun Winursito

Abstract


Penelitian mengenai sistem monitoring kesehatan jantung secara otomatis banyak dilakukan, namun masih belum menghasilkan output yang maksimal. Permasalahan utama dari penelitian yang sudah ada adalah akurasi sistem monitoring yang masih rendah terutama pada kondisi sinyal EKG yang mengandung noise. Pada penelitian ini dirancang sistem deteksi yang tahan noise melalui pengembangan algoritma kombinasi, serta dirancang prototipe hardware dan software sistem pelayanan bagi pasien dalam memonitoring kesehatan jantung. Algortima kombinasi menggunakan Wavelet dan Artificial Neural Network (ANN). Output sinyal hasil proses denoising dimasukkan dalam proses klasifikasi menggunakan ANN dan output deteksi berupa kondisi sinyal EKG yang menggambarkan keadaan jantung normal atau abnormal. Proses denoising dirancang menggunakan Wavelet dengan mengujicobaan beberapa tipe Wavelet Daubechies, Symlet, serta Coiflet pada sinyal EKG yang mengandung noise. Hasil penelitian menunjukkan bahwa algoritma kombinasi mampu memperbaiki performa sistem deteksi konvensional pada proses monitoring kesehatan jantung. Software monitoring serta prosedur pelayanan pasien juga dirancang berbasis website dan menggunakan teknologi internet of thngs.


Keywords


EKG; Jantung; Noise; Wavelet; ANN

Full Text:

PDF

References


S. A. A. Yusuf, “Analisis Metode Ekstraksi Fitur Pada Isyarat EKG Menggunakan Discrete Wavelet Transformation dan Mel- Frequency Cepstral Coefficient,” Universitas Gadjah Mada, Yogyakarta, Indonesia, 2020.

D. A. Singh, “Oral health status, behaviours and knowledge of patients with cardiovascular disease,” Journal of Cardiovascular Disease Research, no. 02, p. 6, 2022.

X. Zhang et al., “Automated detection of cardiovascular disease by electrocardiogram signal analysis: a deep learning system,” Cardiovasc Diagn Ther, vol. 10, no. 2, pp. 227–235, Apr. 2020.

M. Mohamed Suhail and T. Abdul Razak, “Cardiac disease detection from ECG signal using discrete wavelet transform with machine learning method,” Diabetes Research and Clinical Practice, vol. 187, p. 109852, May 2022.

M. S. Haleem et al., “Time adaptive ECG driven cardiovascular disease detector,” Biomedical Signal Processing and Control, vol. 70, p. 102968, Sep. 2021.

J.-W. Ren, J. Yao, J. Wang, H.-Y. Jiang, and X.-C. Zhao, “Recognition efficiency of atypical cardiovascular readings on ECG devices through fogged goggles,” Displays, vol. 72, p. 102148, Apr. 2022.




DOI: http://dx.doi.org/10.12928/jstie.v10i2.24153

Refbacks

  • There are currently no refbacks.


Copyright (c) 2022 Anggun Winursito

Creative Commons License
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.


Jurnal Sarjana Teknik Informatika
Organized by Informatics Department
Published by Universitas Ahmad Dahlan
Website: http://journal.uad.ac.id/index.php/JSTIF
Office: Industrial Technology Faculty, Kampus Utama UAD Jalan Ahmad Yani (Ringroad Selatan), Tamanan, Banguntapan, Bantul, Yogyakarta 55166, Indonesia
Email: herman.yuliansyah@tif.uad.ac.id || jurnalsarjana@tif.uad.ac.id


 

Creative Commons License

This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.