Klasifikasi detak elektrokardiogram menggunakan transformasi wavelet diskret dan adaptive neuro fuzzy inference system

MAUKO, Imanuel Christian, Ir. P. Insap Santosa, M.Sc.,Ph.D

2010 | Tesis | S2 Teknik Elektro

Elektrokardiogram adalah suatu alat penting dalam mendiagnosis kondisi jantung. Elektrokardiogram (EKG) direkam dari berbagai variasi potensial bioelektrik yang berhubungan dengan waktu dan detak jantung manusia. Keadaan dari kesehatan jantung secara umum tercermin dari bentuk gelombang EKG dan irama jantung. Karena itu, untuk diagnosis yang efektif, penelitian terhadap pola EKG dan irama jantung yang bervariasi dapat memakan waktu beberapa jam. Jika volume data menjadi sangat besar, penelitian menjadi sangat membosankan dan memakan waktu. Tentu saja kemungkinan kesalahan analisis terhadap informasi vital sangat tinggi. Karenanya analisis dan klasifikasi penyakit berbasis komputer akan sangat menolong dalam mendiagnosis kondisi jantung. Metode ekstraksi ciri dan klasifikasi memegang peranan yang besar dalam membangun suatu sistem diagnosis EKG otomatis berbasis komputer. Transformasi wavelet merupakan salah satu metode pengolahan sinyal yang banyak digunakan saat ini. Dengan kemampuan analisis sinyal pada kawasan waktu dan frekuensi, serta metode analisis multiresolusi yang digunakan menjadikan transformasi wavelet sangat baik dalam mengekstraksi ciri suatu sinyal atau pola. Sedangkan teknik klasifikasi menggunakan metode ANFIS merupakan suatu metode yang merupakan penggabungan metode logika fuzzy dan jaringan neural. Dengan penerapan metode hybrid ini, ANFIS memiliki kehandalam dalam melakukan proses klasifikasi terhadap suatu pola sinyal. Oleh karena itu, pada penelitian ini, dikembangkan suatu metode diagnosis dan klasifikasi EKG otomatis, dengan menggunakan metode ekstraksi ciri transformasi wavelet diskret dan metode klasifikasi Adaptive Neuro Fuzzy Inference System (ANFIS). Sistem diagnosis EKG otomatis diterapkan pada empat (4) jenis kondisi jantung yakni, kondisi jantung Atrial Fibrillation (AF), Normal Sinus Rhythm (NSR), Congestive Heart Failure (CHF), dan Ventricular Tachyarrhythmia(VT). Tipe wavelet yang digunakan adalah wavelet Daubechies 4 (db4) pada 4 level dekomposisi, dengan pemilihan ciri statistik yakni, maksimim, minimum, nilai rata-rata (mean) dan standar deviasi. Hasil penelitian menunjukkan bahwa sensitivitas sistem diagnosis EKG otomatis yang dibangun adalah 96,875 % dengan jumlah epoch 500 pada sistem klasifikasi ANFIS dengan kecepatan klasifikasi CPU adalah 2,616 menit.

The electrocardiogram an important tools to diagnosing heart conditions. Electrocardiogram (ECG) recorded from bioelektrik potential variations associated with time and the human heartbeat. Cardiac health condition is generally reflected in the ECG waveform and cardiac rhythm. Therefore, for effective diagnosis, research on variation of the ECG and cardiac rhythm patterns can take several hours. If the volume of data becomes very large, the study becomes very tedious and time consuming. Of course, the possibility of error analysis of vital information is very high. Therefore, computer-based analysis and classification of heart diseases will be very helpful in diagnosing heart conditions. Method of feature extraction and classification plays a major role in building an automatic ECG diagnosis system based on computer. The wavelet transform is one of the signal processing methods are widely used today. With the ability to analyze signals in time and frequency region, as well as multiresolution analysis method used, make wavelet transform is very good to extract features of a signal or pattern. The classification technique using ANFIS method is a method which is the combination of fuzzy logic methods and neural networks. By applying this hybrid method, ANFIS has reliability to classification of a signals pattern. Therefore, in this study, an automatic diagnosis and classification system developed with feature extraction method using Discrete Wavelet Transform and Adaptive Neuro Fuzzy Inference System (ANFIS) as a classifier. ECG automatic diagnosis system applied to the four (4) types of heart conditions ie, Atrial Fibrillation (AF), Normal Sinus Rhythm (NSR), Congestive heart failure (CHF), and ventricular Tachyarrhythmia (VT). The type of wavelet used is the wavelet Daubechies 4 (db4) on the fourth level decomposition, with the selection of the statistical characteristics, maksimim, minimum, mean and standard deviation. Results showed that sensitivity of the ECG automatic diagnosis system was built to reach 96,875 % with 500 epochs of ANFIS classification system with 2,616 minute of CPU classification time.

Kata Kunci : Elektrokardiogram (EKG),Transformasi wavelet disjret,Adaptive neuro fuzzy inference system (ANFIS)