analisis statistik dan dimensi fraktal …sinyal ekg merupakan salah satu contoh dari fraktal alami,...
TRANSCRIPT
ANALISIS STATISTIK DAN DIMENSI FRAKTAL SINYALELEKTROKARDIOGRAFI
(Skripsi)
Oleh
Rizki Yara Exsa N
JURUSAN FISIKAFAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS LAMPUNGBANDAR LAMPUNG
2016
i
ABSTRAK
ANALISIS STATISTIK DAN DIMENSI FRAKTAL SINYALELEKTROKARDIOGRAFI
Oleh
Rizki Yara Exsa N
Telah dilakukan penelitian tentang analisis statistik dan dimensi fraktal sinyalelektrokardiografi (EKG). Sinyal EKG merupakan salah satu contoh dari fraktalalami, sehingga sinyal ini dapat analisis dengan menggunakan dimensi fraktal.Tujuan penelitian ini menganalisis sinyal EKG dengan menggunakan dimensifraktal dan analisis statistik. Perhitungan dimensi fraktal dan analisis statistikdiolah dengan menggunakan software matlab 7.8. Sampel sinyal ekg yang diambilMIT-BIH database pada website Physionet. Metode dimensi fraktal yangdigunakan yaitu Box-Counting, Higuchi dan Katz dan metode analisis statistikyaitu varian (VAR), mean deviasi (MD) dan standar deviasi (STD). Klasifikasisampel sinyal yang diambil ada dua jenis yaitu normal dan aritmia. Metode yangdigunakan dalam penelitian ini adalah metode box-counting dan metode varianyang diperoleh dengan membandingkan nilai kalibrasi antara program danmanual. Hasil nilai dimensi yang diperoleh Normal yaitu 1.37, Arrhytmia yaitu1.49, Supraventri Arrhytmia yaitu 1.44 dan Cu ventricular Tachyarrhythmia yaitu1.21. Sedangkan nilai statistik yang diperoleh Normal yaitu 0.05, Arrhytmia yaitu0.02, Supraventri Arrhytmia yaitu 0.008 dan Cu ventricular Tachyarrhythmiayaitu 0.012. Dari data tersebut maka dapat disimpulkan bahwa klasifikasi nilaidimensi diatas 1.40 yaitu kondisi sinyal arrythmia dan untuk nilai dimensidibawah 1.40 yaitu kondisi sinyal normal dan tachyarrythmia, sedangkanklasifikasi nilai statistik dibawah 0.02 yaitu kondisi sinyal arrythmia dan untuknilai statistik diatas 0.02 yaitu kondisi sinyal normal.
Kata Kunci : Fraktal, Sinyal Elektrokardiografi, Higuchi, Katz dan Box Counting
ii
ABSTRACT
STATISTICAL ANALYSIS AND DIMENSIONAL FRACTAL SIGNALELECTROCARDIOGRAPHY
By
Rizki Yara Exsa N
It has been utilized a research on statistical analysis and fractal dimensionanalysis of electrocardiographic (ECG) signals. ECG signal is one example of afractal nature, so that this signal can be analyzed by using fractal dimension. Thepurpose of this study analyzes the ECG signal using fractal dimensions andstatistical analysis. Fractal dimension calculation and statistical analysis wereprocessed using matlab 7.8 software. ECG signal samples taken at the MIT-BIHdatabase Physionet website. Fractal dimension method used is the Box-Counting,Higuchi and Katz and methods of statistical analysis of variance (VAR), the meandeviation (MD) and standard deviation (STD). Classification of signal samplestaken, there are two types: normal and arrhythmia. The method used in this studyis the box-counting method and method variants are obtained by comparing thecalibration value between the program and manual. Results normal valuesobtained dimension is 1.37, arrhythmias is 1.49, Supraventri arrhythmias is 1.44and ventricular tachyarrhythmia Cu is 1.21. While the value of statistics obtainedNormal is 0.05 arrhythmias is 0.02, namely 0.008 Supraventri arrhythmias andventricular tachyarrhythmia Cu is 0.012. From these data it can be concludedthat the classification dimension values above 1.40 is the signal conditionarrythmia and to the dimension values below 1.40 is the condition of normalsignals and tachyarrythmia, while the classification of statistical values under0.02 which signal conditions arrythmia and for statistical values above 0.02 is thecondition of the normal signal.
Keywords: Fractal,Signal, Electrocardiography, Higuchi, Katz dan Box Counting
ANALISIS STATISTIK DAN DIMENSI FRAKTAL SINYALELEKTROKARDIOGRAFI
Oleh
RIZKI YARA EXSA NARVINDA
Skripsi
Sebagai Salah Satu Syarat untuk Memperoleh GelarSARJANA SAINS
Pada
Jurusan FisikaFakultas Matematika dan Ilmu Pengetahuan Alam
JURUSAN FISIKAFAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS LAMPUNGBANDAR LAMPUNG
2016
vii
RIWAYAT HIDUP
Penulis yang bernama lengkap Rizki Yara Exsa Narvindadilahirkan di Pringsewu, Kab. Pringsewu, pada tanggal 02 Juli1993, anak pertama dari pasangan Bapak Sunardi dan IbuUmayati. Penulis menyelesaikan pendidikan Sekolah Dasar diSD Negeri 1 Sukoharjo pada tahun 2005, Sekolah MenengahPertama (SMP) di SMP N 1 Sukoharjo pada tahun 2008 danSekolah Menengah Atas (SMA) di SMA 2 Pringsewu pada
tahun 2011. Penulis terdaftar sebagai mahasiswa di Jurusan Fisika FakultasMatematika dan Ilmu Pengetahuan Alam (FMIPA) Universitas Lampung melaluijalur Seleksi Nasional Masuk Tinggi Negeri (SNMPTN) pada tahun 2011. Selamamenempuh pendidikan penulis pernah menjadi Asisten Praktikum Fisika Dasar I,dan Asisten Praktikum Elektronika Dasar I. Penulis pernah aktif di kegiatanorganisasi kemahasiswaan di Badan Eksekutif Mahasiswa (BEM) FMIPA periode2012-2013 sebagai Anggota Departemen Pemberdayaan Sumber Daya Mahasiswa(PSDM), Rohani Islam periode 2012-2013 sebagai Anggota Bidang Keputrian,Himpunan Mahasiswa Fisika (HIMAFI) periode 2012-2013 sebagai AnggotaBidang Kaderisasi, Badan Eksekutif Mahasiswa (BEM) FMIPA periode 2013-2014 sebagai Sekretaris Dinas Pemberdayaan Sumber Daya Mahasiswa (PSDM),Badan Eksekutif Mahasiswa (BEM) FMIPA periode 2014-2015 sebagaiBendahara Eksekutif. Penulis juga mengikuti berbagai seminar dan pelatihan.Praktik Kerja Lapangan (PKL) dilaksanakan penulis di Badan Tenaga NuklirNasional (BATAN) Serpong Tangerang pada tahun 2014, dengan judul “AnalisisPengukuran Reaktivitas dari Hasil Kalibrasi Batang Kendali RSG-GAS” danmenyelesaikan penelitian skripsi di Jurusan Fisika dengan judul “AnalisisStatistik dan Dimensi Fraktal Sinyal Elektrokardiografi”.
viii
MOTTO
“Kesuksesan Akan diraih untuk Orang-Orang yang Berusahadan Bekerja Keras”
“ Berpikirlah Diatas Kemampuan Rata-Rata Kebanyakan OrangBerpikir “
“...Laa Tahzan, Innallaha ma’ana...” (Q.S At Taubah : 40)
“The Experience is The Best Teacher”
ix
Bismillahirrohmanirrohim
Kuniatkan karya kecil nan indah ku ini karena
Allah SWT
Ku Persembahkan Karya Ini Untuk
Kedua Orang tua ( Bapak Sunardi dan Ibu Umayati)yang telah berjuang tanpa lelah untuk mendukung dan
mendo’akan hingga aku mampu menyelesaikanpendidikan S1
Adik-adik (Dio, Ozy) yang selalu memberi dukungansemangat
Keluarga Besar yang selalu mendukung
Dosen-Dosen dan Teman – teman
serta
Almamater Tercinta Universitas Lampung
x
KATA PENGANTAR
Puji syukur penulis panjatkan kehadirat Allah SWT atas segala rahmat dan
hidayah-Nya sehingga penulis dapat menyelesaikan skripsi ini guna untuk
memenuhi tugas akhir untuk mencapai gelar sarjana pada Jurusan Fisika Fakultas
Matematika dan Ilmu Pengetahuan Alam Universitas Lampung.
Laporan skripsi ini telah disusun berdasarkan penelitian yang dilakukan di
Laboratorium Elektronika Dasar jurusan Fisika Fakultas Matematika dan
Pengetahuan Alam Universitas Lampung. Penulis menyadari bahwa laporan ini
masih sangat banyak sekali kekurangan, sehingga penulis mengharapkan kritik
dan saran agar laporan ini menjadi lebih baik untuk kedepannya. Dan penulis
berharap Laporan Skripsi ini dapat bermanfaat dan dapat berfungsi dengan baik
bagi penulis sendiri maupun pembaca.
Bandar Lampung, April 2016
Rizki Yara Exsa N
xi
SANWACANA
Dengan rasa syukur yang selalu penulis panjatkan kepada ALLAH SWT yang
paling utama kemudian juga penulis mengucapkan terimakasihm juga kepada
pihak-pihak yang telah mendukung dan membantu dalam menyelesaikan Laporan
Praktik Kerja Lapangan. Sehingga penulis menyampaikan ucapan terima kasih
kepada :
1. Orang Tua serta seluruh Keluarga Besar Penulis ;
2. Ibu Yanti Yulianti, Dr., selaku Ketua Jurusan Fisika Fakultas Matematika
Dan Ilmu Pengetahuan Alam, Universitas Lampung;
3. Bapak Arif Surtono, S.Si., M.Si., M.Eng., Selaku Pembimbing I serta
Bapak Amanto, S.Si., M.Si., selaku Pembimbing II memberikan
bimbingan, ilmu, kemudian saran dan kritik dalam proses pembuatan
skripsi ini;
4. Terima kasih kepada seluruh Dosen Jurusan Fisika Fakultas Matematika
dan Ilmu Pengetahuan Alam yang telah berpartisipasi dan membantu
membimbing dan memberi pengalaman selama kuliah di Jurusan Fisika;
5. Sahabat SMP (rizka,tugar,fatma,nova,meli,sevi,nunung,ratih), dan sahabat
SMA (suci,veni,raynal,tiwi,hesti,riska,desi,lia,wuri,devi,wiwin,dian,ika)
yang selalu mendoakan dan memberi semangat.
6. Sahabat seperjuangan di Jurusan Fisika (nawira dan putri) dan teman-
teman fisika 2011 (sinta, naila, rini, umi latifah, sunarsih, anisa, yuni,
xii
vaolina, vivi) dan semuanya yang tidak bisa penulis sebutkan satu
persatu, terimakasih untuk doa dan dukungannya.
7. Teman-teman kosan Andika ( nur, laras, laili, ari, dan novia ) terimakasih
atas kerjasamanya.
8. Kakak tingkat angkatan 2008-2010 khususnya mba Firda aziza, mba riza
bang Febriandi, kak iman, mba ningrum, mba fitri, mba melia, mba amria,
mba sofi, mba ulum, kak muji, kak juli, kak danu, mba alfi, dan semuanya
terimakasih atas ilmu dan pengarahannya yang diberikan.
9. Kawan-kawan BEM FMIPA periode 2012-2013 ( kak sule, kak ahmad,
mba septi, mba riska, mba dina, ria, novi, ari, fajri, mirfat dll), BEM
FMIPA 2013-2014 (mba hapin, mba mpeb, kak herman, heni, anis, ani,
iyan, miftah, fara, pras, anggino,dll) dan BEM FMIPA 2014-2015 (irkham,
sobran, sinta, aldino, nurul, dini, edi, audi, ima, nengah, tazkiya, citra,
budi, aas, sepria, isna, gaziya, ridho, wulan, nailul, luna, fifi, bayu, dona,
tami, andi, febita) yang selalu memberikan motivasi serta memberikan
dukungan.
10. Temen-temen ngajar di bimbel Azwana (mis puji, mis siska, mis derlen,
mis wita, mis nova, mis devi, mis hilda) yang sudah membantu
mendoakan dalam kelancaran menyusun skripsi.
xiii
Penulis menyadari banyaknya kekurangan dalam menulis skripsi ini. Oleh karena
itu perlu adanya kritik dan saran agar lebih sempurna. Dengan ini penulis
mengharapkan semoga skripsi yang sederhana ini dapat bermanfaat serta
berfungsi bagi kita semua.
Amin.
Bandar Lampung, April 2016
Rizki yara Exsa N
xiv
DAFTAR ISI
Halaman
ABSTRAK ...................................................................................................... i
ABSTRACT .................................................................................................... ii
HALAMAN JUDUL ..................................................................................... iii
HALAMAN PERSETUJUAN ...................................................................... iv
HALAMAN PENGESAHAN ........................................................................ v
SURAT PERNYATAAN ............................................................................... vi
RIWAYAT HIDUP ........................................................................................ vii
MOTTO .......................................................................................................... viii
PERSEMBAHAN........................................................................................... ix
KATA PENGANTAR .................................................................................... x
SANWACANA ............................................................................................... xi
DAFTAR ISI................................................................................................... xiv
DAFTAR GAMBAR ...................................................................................... xvi
DAFTAR TABEL .......................................................................................... xix
I. PENDAHULUAN
1.1. Latar Belakang ......................................................................................1
1.2. Rumusan Masalah .................................................................................4
1.3. Tujuan Penelitian..................................................................................4
1.4. Manfaat Penelitian.................................................................................5
1.5. Batasan Masalah....................................................................................5
II. TINJAUAN PUSTAKA
2.1. Penelitian Terdahulu .............................................................................7
2.2. Perbedaan dengan Penelitian Sebelumnya........................................... 8
2.3. Teori Dasar...........................................................................................9
1. Konsep Biolistrik ............................................................................9
xv
2. Biolistrik Jantung..........................................................................11
3. Prinsip Pengukuran Elektrokardiografi.........................................13
4. Gelombang sinyal Elektrokardiogram ..........................................17
5. Sinyal Elektrokardiogram (EKG) Normal ....................................20
6. Sinyal Elektrokardiogram (EKG) Aritmia....................................21
7. Fraktal ...........................................................................................22
8. Dimensi Fraktal.............................................................................26
9. Analisis Statistik Biosinyal ...........................................................32
10. Filter Digital..................................................................................34
11. Sistem Matlab ...............................................................................39
12. Bagian Penting Matlab..................................................................42
III. METODE PENELITIAN
3.1. Waktu dan Tempat Penelitian .............................................................45
3.2. Alat dan Bahan...................................................................................45
3.3. Prosedur Kalibrasi..............................................................................47
3.4. Prosedur Penelitian ............................................................................48
3.5. Metode Perhitungan ............................................................................50
3.6. Data Hasil Penelitian............................................................................53
IV. HASIL DAN PEMBAHASAN
4.1. Data Penelitian ....................................................................................54
4.2. Pembahasan ........................................................................................63
V. KESIMPULAN DAN SARAN
DAFTAR PUSTAKA
LAMPIRAN
xvi
DAFTAR GAMBAR
Gambar halaman
1. Tingkat konsentrasi ion K,Na,Cl...........................................................10
2. Biolistrik Jantung ..................................................................................11
3. Lead Bipolar (Segitiga Einthoven)........................................................14
4. Lead Unipolar........................................................................................15
5. Lead Prokardial (Sedapan Dada) ..........................................................16
6. Gelombang EKG...................................................................................17
7. Gelombang P.........................................................................................18
8. Gelombang Q ........................................................................................18
9. Gelombang R ........................................................................................19
10. Gelombang S.......................................................................................19
11. Gelombang T.......................................................................................20
12. Gelombang EKG Normal....................................................................21
13. Gelombang EKG Aritmia ...................................................................22
14. Fraktal Alami .....................................................................................24
15. Salju Koch..........................................................................................25
16. Himpunan Julian ................................................................................25
17. Landskap.............................................................................................26
18. Sinyal dengan Metode Box-Counting.................................................29
xvii
19. Sinyal dengan Metode Katz ................................................................31
20. Sinyal dengan Metode Higuchi ...........................................................32
21. Menambahkan Baselin Wander untuk Signal asli .............................35
22. Penghapusan Baselin Wander dengan EMD .....................................36
23. Menghilangkan noise menggunakan notch filter...............................37
24. Spektrum notch filter setelah denoising sinyal suara ........................37
25. Contoh sinyal dengan filter sgolayfilt ...............................................39
26. Bahasa (Pemrograman) Matlab .........................................................39
27. Lingkungan Kerja Matlab..................................................................40
28. Penggunaan Grafik .............................................................................41
29. Pustaka Fungsi Matematik Matlab.....................................................41
30. Jendela Perintah/ Commond Window................................................42
31. Jendela Ruang Kerja/Workspace .......................................................43
32. Command History ..............................................................................43
33. Current Directory ...............................................................................44
34. Launch Pad .........................................................................................44
35. Diagram Alir Kalibrasi .......................................................................47
36. Diagram Alir Penelitian .....................................................................48
37. Sinyal Lurus .......................................................................................55
38. Sinyal Kotak .......................................................................................55
39. Box-Counting .....................................................................................56
40. Katz ....................................................................................................58
41. Higuchi ...............................................................................................59
42. Sinyal EKG pada GUI Matlab ...........................................................63
xviii
43. Situs web www.physionet.com ...........................................................65
44. Physiobank .........................................................................................65
45. Input database.....................................................................................66
46. Data sinyal dalam matrik....................................................................66
47. Sinyal kalibrasi kotak .........................................................................70
48. Sinyal kalibrasi lurus ..........................................................................70
49. Tampilan Akusisi Data Sinyal EKG ..................................................70
50. Sinyal EKG ........................................................................................75
xix
DAFTAR TABEL
Tabel halaman
3.2. Spesifikasi personal computer.............................................................45
3.5. Data hasil penelitian............................................................................ 53
4.1.1. Data penelitian sinyal kalibrasi ............................................................55
4.1.1.1. Perhitungan Box-Counting pada microsoft excel..................... 56
4.1.1.2. Perhitungan Katz pada Microsoft excel.................................... 57
4.1.1.3. Perhitungan Higuchi pada microsoft excel............................... 59
4.1.2. Data Penelitian sinyal EKG................................................................. 61
4.1.3. Perhitungan Sinyal EKG..................................................................... 62
4.2.4. Hasil Perhitungan dengan Metode Varian (VAR).............................. 76
BAB I
PENDAHULUAN
1.1. Latar Belakang
Jantung adalah organ tubuh manusia yang memiliki fungsi vital, kelainan
kecil bisa berpengaruh besar pada kinerja tubuh kita. Berdasarkan data dari
Badan Kesehatan Dunia (WHO), penyakit jantung memiliki persentasi
mencapai 29% dalam kasus kematian di Dunia (Thaler, 2000). Selama ini
penderita jantung melakukan pengobatan dengan melakukan pemeriksaan
rutin ke dokter dengan durasi waktu tertentu. Sehingga tidak ada laporan
keadaan kesehatan jantung secara kontinu. Oleh karena itu diperlukan alat
yang mampu mendeteksi kelainan jantung sehingga para penderita penyakit
jantung bisa berobat lebih dini untuk membantu mengurangi jumlah
kematian akibat serangan jantung (Thaler, 2000). Alat yang diperlukan
untuk memonitoring atau merekam aktivitas jantung adalah
elektrokardiografi. Rekaman yang dihasilkan oleh Elektrokardiografi (EKG)
pada kertas disebut Elektrokardiogram.
Elektrokardiogram adalah sinyal yang menggambarkan aktivitas listrik yang
dilakukan oleh jantung dan sangat penting dalam mendiagnosis penyakit
jantung dan kondisi jantung. Ketidaknormalan aktivitas listrik pada jantung
atau biasa dikenal dengan aritmia jantung, dapat diketahui dengan rekaman
2
EKG (Elly dan Basruddin, 2011). EKG juga bisa diartikan sebagai alat
yang mampu merekam aktivitas jantung berdasarkan periode waktu tertentu.
Dengan menggunakan sinyal hasil rekaman dari elektrokardiografi, berbagai
macam aktivitas yang berhubungan dengan detak jantung dapat diketahui.
Kegiatan-kegiatan tersebut antara lain adalah distribusi oksigen dalam
tubuh, kondisi jantung, kondisi pernafasan, dan bahkan tingkat keterlelapan
tidur seseorang (Chitrahadi dkk, 2011).
Analisis sinyal Elektrokardiografi (EKG) selama ini yang sering dilakukan
atau secara umum yaitu analisis sinyal menggunakan wavelet yang
mempunyai kelebihan dapat dipelajarinya karakteristik sinyal secara lokal
dan detail, sesuai dengan skala-nya. Sifat ini sangat berguna untuk sinyal-
sinyal nonstasioner atau memiliki komponen transien dengan waktu hidup
(life time) yang pendek atau memiliki karakteristik yang berbeda pada skala-
skala yang berbeda atau memiliki singularitas (Risnasari, 2014). Sedangkan
kelemahan dari analisis sinyal dengan menggunakan wavelet ini adalah
sifatnya yang belum bisa tepat waktu dan pemotongan data yang masih
manual. Untuk itu perlu adanya perbaikan sehingga metode ini bisa
dilakukan pada sinyal EKG yang diambil terus-menerus pada pasien
(monitoring ECG) serta segmentasi otomatis ( Rizal dan Suryani, 2008).
Sinyal EKG adalah sinyal biologis yang non-stasioner. Oleh karena itu
untuk melakukan diagnosa yang tepat diperlukan pengamatan pola EKG 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
3
karena itu analisis berbasis komputer akan sangat membantu dalam
meningkatkan kualitas hasil diagnosa. Kenyataan menunjukkan bahwa
deteksi gelombang QRS kompleks sulit dilakukan karena beberapa masalah,
seperti noise sinyal EKG, interferensi jaringan listrik, 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 yang mengusulkan suatu algoritma untuk mengenali QRS
kompleks yang biasa disebut metode Pan dan Tompkins. (Yasak dan Arifin,
2012).
Dari beberapa penelitian sebelumnya terdapat kekurangan dan kelebihan
dalam menganalisis sebuah sinyal EKG sehingga dalam penelitian ini
mengusulkan bahwa untuk menentukan nilai yang diperoleh pada sinyal
elektrokardiografi dengan mudah menggunakan nilai dimensi fraktal. Hal
ini dikarenakan nilai dimensi tersebut akan diperoleh dengan menggunakan
suatu program pada matlab sehingga akan lebih mudah dibandingkan pada
penelitian sebelumnya. Ketika sinyal elektrokardiografi pada keadaan lurus
dan tidak terdapat beberapa noise maka diperoleh nilai dimensinya
mendekati satu atau sama dengan satu, sedangkan pada sinyal
elektrokardiografi yang terdapat beberapa noise akan diperoleh nilai
dimensinya lebih dari satu. Hal ini dinyatakan berdasarkan perhitungan
dimensi fraktal dan analisis statistik. Berdasarkan penjelasan tersebut, maka
4
dimensi fraktal itu adalah sebuah jumlah kuantitatif yang menggambarkan
suatu objek yang mengisi suatu ruang tertentu.
Selanjutnya pada penelitian ini akan dilakukan perhitungan pada sinyal
elektrokardiografi untuk membandingkan hasil perhitungan dengan metode
statistik dan dimensi fraktal. Metode perhitungan analisis statistik yang akan
digunakan adalah Varian (VAR), Mean Deviasi (MD) dan Standar Deviasi
(STD). Sedangkan metode perhitungan dimensi fraktal yang akan digunakan
adalah metode Box Counting, Highuci, dan Katz .
1.2. Rumusan Masalah
Adapun rumusan masalah ini adalah sebagai berikut:
1. Bagaimana membandingkan metode analisis sinyal EKG yang umum
digunakan dengan metode analisis EKG dengan menggunakan dimensi
fraktal dan statistika.
2. Bagaimana analisis hasil perhitungan dengan menggunakan dimensi
fraktal dari ketiga metode yaitu Metode Box-Counting, Higuchi, dan
Katz pada sinyal elektrokardiografi.
3. Bagaimana analisis hasil perhitungan dengan menggunakan metode
statistik dari berbagai metode yang digunakan pada sinyal
elektrokardiografi.
1.3. Tujuan Penelitian
Adapun tujuan penelitian ini adalah sebagai berikut:
1. Menganalisis sinyal elektrokardiografi secara analisis statistik yaitu
Varian (VAR), Standar Deviasi (STD), dan Mean Deviasi (MD).
5
2. Menganalisis sinyal elektrokardiografi dengan menggunakan dimensi
fraktal dengan metode Box-Counting, Higuchi, dan Katz.
3. Membandingkan nilai dimensi fraktal dan analisis statistik dari sinyal
elektrokardiografi
1.4. Manfaat Penelitian
Adapun manfaat penelitian adalah sebagai berikut:
1. Memperoleh perbandingan hasil analisis sinyal EKG dengan metode
dimensi fraktal dan analisis statistik.
2. Sinyal elektrokardiografi dapat dianalisis dari hasil perhitungan dengan
menggunakan metode analisis statistik yaitu metode Varian (VAR),
Standar Deviasi (STD) dan Mean Deviasi (MD).
3. Sinyal elektrokardiografi dapat dianalisis dari hasil perhitungan dengan
menggunakan metode dimensi fraktal yaitu metode Box-counting,
Higuchi, dan Katz.
1.5. Batasan Masalah
Adapun batasan masalah ini adalah sebagai berikut:
1. Bahasa pemrograman MATLAB 7.8. merupakan software yang akan
digunakan sebagai alat bantu untuk perbandingan perhitungan dimensi
fraktal dan metode statistik.
2. Metode perhitungan yang digunakan pada analisis statistik yaitu Varian
(VAR), Standar Deviasi (STD), dan Mean Deviasi (MD) pada dimensi
6
fraktal metode perhitungan yang digunakan adalah Box-counting,
Higuchi dan Katz.
3. Sumber data diambil dari situs web www.physionet.org.
7
BAB II
TINJAUAN PUSTAKA
2.1. Penelitian Terdahulu
Sebelumnya telah dilakukan penelitian tentang analisis sinyal EKG dengan
menggunakan salah satu metode yaitu Heart Rate Variability (HRV) pada
domain waktu. Penelitian ini dilakukan oleh Halomoan (2013) yaitu
menganalisis sinyal EKG dari pasien dalam keadaan berdiri dan terlentang
dengan metode HRV. Hal ini bertujuan untuk menghindari tingginya angka
kematian akibat penyakit jantung koroner, oleh karena itu untuk
menghindari terjadinya angka kematian yang disebabkan oleh penyakit
tersebut maka dapat dilakukan pemeriksaan EKG sejak dini dengan metode
HRV pada domain waktu. Metode analisa HRV pada domain waktu untuk
interval RR dan kecepatan detak jantung meliputi analisa histogram,
scattergram, dan beberapa perhitungan statistik yang digunakan. Hasil
analisa sinyal EKG dengan metode HRV pada aktivitas berdiri dan
terlentang akan menghasilkan yaitu waktu rata-rata interval RR, waktu
minimum interval RR, dan waktu maksimum interval RR semakin
meningkat, standar deviasi nn50 dan pnn50 juga meningkat, dan kecepatan
rata-rata detak jantung semakin menurun. Selanjutnya pernah dilakukan
juga penelitian yang sama oleh Marpaung (2014). Telah dilakukan analisis
sinyal EKG dengan menggunakan transformasi wavelet untuk mendapatkan
8
pola dan ciri sinyal EKG berdasarkan pola Transformasi Wavelet Kontinu
(TWK) dan energi dekomposisi wavelet. Hasil dari transformasi wavelet
kontinu menunjukkan pola-pola tertentu sinyal EKG. Pada EKG normal,
pola sinyal EKG muncul secara berulang pada skala 14-144 dan energi
tertinggi subyeknya didominasi pada D3 dengan jangkauan frekuensi 8–16
Hz. Pada sinyal EKG abnormal kondisi Atrial Fibrillation, energi
dekomposisi tertinggi semua subyek terdapat pada komponen aproksimasi
A4 dengan jangkauan frekuensi 0-4 dan pola yang terbentuk adalah pola
sinyal acak yang ditunjukkan dengan nilai skala yang berubah-ubah.
Transformasi wavelet diskrit memberikan perbedaan ciri berdasarkan energi
pada pita frekuensi hasil dekomposisi. Dari proses tersebut dapat dilihat
bahwa pada EKG normal, energi dekomposisi tertingginya didominasi pada
frekuensi 8-16 Hz dan untuk EKG abnormal didominasi pada frekuensi
yang lebih rendah.
2.2. Perbedaan dengan Penelitian Sebelumnya
Berdasarkan penelitian sebelumnya, maka penulis menganalisis sebuah
sinyal yaitu sinyal jantung. Analisis sinyal ini dilakukan dengan dua metode
yaitu dimensi fraktal dan metode statistik. Metode yang digunakan pada
dimensi fraktal ada tiga yaitu metode Box-Counting, Higuchi, dan Katz,
sedangkan pada analisis statistik yang digunakan 3 parameter yaitu Varian
(VAR), Mean Deviasi (MD) dan Standar Deviasi (STD). Setelah dilakukan
analisis dengan menggunakan metode dimensi fraktal dan analisis statistik
maka hasil perhitungan akan dibandingkan. Perhitungan sinyal maka dapat
9
dilihat nilai dimensi dari sinyal EKG tersebut dari berbagai sampel sinyal
yang digunakan yaitu sinyal EKG dalam keadaan normal, aritmia, dan lain-
lain. Perhitungan sinyal EKG juga dapat menggunakan software Matlab
dengan input program algoritma. Perhitungan dengan metode dimensi
fraktal dan metode statistik ini akan mudah digunakan dalam diagnosa
kelainan jantung.
2.3. Teori Dasar
2.3.1. Konsep Biolistrik
Biolistrik merupakan fenomena sel. Sel-sel jaringan tubuh manusia mampu
menghasilkan potensial listrik dengan muatan positif pada permukaan luar
dan muatan negatif pada permukaan dalam bidang batas/membrane (Carr,
2001). Di seluruh permukaan atau membran neuron dalam sel terdapat beda
potensial (tegangan) yang disebabkan adanya ion negatif yang banyak di
bagian dalam membran daripada di luar. Pada kondisi ini, neuron dikatakan
terpolarisasi. Bagian dalam sel biasanya mempunyai tegangan 60-90 mV
lebih negatif daripada di bagian luar sel. Beda potensial ini disebut potensial
istirahat neuron. Fenomena potensial listrik yang terjadi pada membran sel
ini telah dirumuskan dalam sebuah persamaan Nerst (Malmivuo, 1995).
Vk = - ln,, (2.1)
dengan :
Vk = Tegangan Nerst (Volt)
10
R = Konstanta gas [ 8.314 J/(mol.K)
T = Temperatur (K)
Zk = Ion valensi dari k (mol)
F = Konstanta Faraday [ 9.649 x 104 C/mol]
Ci,k = Konsentrasi ion k di dalam sel (gr/mol)
Co,k = Konsentrasi ion k di luar sel (gr/mol)
Gambar 1. Tingkat konsentrasi ion K+, Na+, Cl-, dan ion-ion protein didalam dan luar sel (dalam mol/L). Di dalam sel lebih negatifdibandingkan di luar sekitar 60-90 mV. dengan medan listrik E(Cameron, 1978).
Gambar 1 menunjukkan skematis konsentrasi dari berbagai ion di dalam dan
di luar suatu membran akson. Ketika neuron dirangsang, terjadi perubahan
potensial sesaat yang besar pada potensial istirahat di titik rangsangan.
Potensial ini disebut potensial aksi, yang menyebar sepanjang akson.
Potensial aksi adalah metode utama transmisi sinyal di dalam tubuh.
Rangsangan terjadinya potensial diri ini dapat disebabkan oleh rangsangan
11
secara kimia dan berbagai reaksi fisika seperti panas, dingin, cahaya, suara,
dan bau. Jika rangsangan ini berupa sinyal listrik, hanya diperlukan sekitar
20 mV melintasi membran untuk memulai potensial aksi.
2.3.2. Biolistrik Jantung
Jantung merupakan organ vital yang berfungsi memompa darah dari seluruh
tubuh. Jantung dilapisi membran yang terdiri dari atrium kiri dan kanan
serta ventrikel kiri dan kanan. Pada sudut kanan atas dan atrium kanan
terdapat nodus sinoatrial yaitu sekumpulan sel yang disebut sebagai sel
pacemaker atau sel yang dapat menghasilkan impuls listrik dan berfungsi
untuk mengatur ritme jantung/normalnya 60-100 bpm. Oleh karena itu
jantung juga disebut sebagai sistem elektromekanikal dimana sinyal untuk
kontraksi otot jantung timbul akibat dari penyebaran arus listrik di
sepanjang otot jantung (Rohmaisa dkk, 2015).
Gambar 2. Biolistrik jantung (Malmivuo,1995).
12
Jika sambungan dari atrium ke nodus AV gagal, nodus AV mengadopsi
frekuensi intrinsiknya. Jika sistem konduksi gagal di pusatnya, ventrikel
akan mengalahkan pada tingkat ditentukan oleh wilayah mereka sendiri
yang memiliki frekuensi intrinsik tertinggi. Bentuk gelombang aksi
dorongan diamati pada jaringan jantung khusus yang berbeda ditunjukkan
pada Gambar 2. Sebanyak 870 elektroda ditempatkan ke dalam otot jantung;
aktivitas listrik kemudian direkam oleh tape recorder dan diputar kembali
pada kecepatan yang lebih rendah oleh penulis EKG; dengan demikian
kecepatan kertas yang efektif adalah 960 mm/s, memberikan resolusi waktu
yang lebih baik dari 1 ms (Malmivuo dkk, 1995).
Adapun beberapa hukum fisika yang berkaitan dengan peristiwa biolistrik
yaitu hukum ohm dimana arus yang melewati suatu konduktor akan
menghasilkan beda potensial dan hukum joule yaitu arus yang melewati
suatu konduktor dengan beda potensial dan sedang waktu tertentu akan
menghasilkan panas, sehingga kelistrikan jantung bisa direkam dan suhu
manusia selalu hangat (Rohmaisa dkk, 2015).
Kelistrikan memegang peranan penting dalam bidang kedokteran. Ada dua
aspek kelistrikan dan magnetis dalam bidang kedokteran yaitu listrik dan
magnet yang timbul dari tubuh manusia, serta penggunaan listrik dan
magnet pada permukaan tubuh manusia.
Rumus/hukum dalam biolistrik. Ada beberapa rumus/hukum yang berkaitan
dengan biolistrik antara lain:
13
Hukum ohm: “Perbedaan potensial antara ujung konduktor berbanding
langsung dengan arus yang melewati, berbanding terbalik dengan tahanan
dari konduktor”. Hukum Ohm ini dapat dinyatakan dengan rumus:
R = (2.2)
Keterangan:
R = dalam Ohm (Ω),
I = ampere (A) ,
V= tegangan (volt)
Hukum Joule : “Arus listrik yang melewati konduktor dengan perbedaan
tegangan (v) dalam waktu tertentu akan menimbulkan panas”. Hal ini
dinyatakan dengan rumus:
(kalori) = (2.3)
Keterangan:
V= Tegangan dalam voltage,
I= Arus dalam ampere,
t= waktu dalam detik,
j = joule = 0,239 kal (Gabriel, 1996).
2.3.3. Prinsip Pengukuran Elektrokardiogram (EKG)
Elektrokardiografi atau EKG adalah suatu alat dengan elektrode yang
terpasang di permukaan kulit yang digunakan untuk mengamati aktivitas
elektris otot jantung. Untuk mendapatkan sinyal jantung manusia dilakukan
14
dengan cara pemasangan sadapan di tubuh manusia. Pengukuran EKG ini
adalah pengukuran sinyal listrik dari kulit tubuh. Sinyal listrik ini
ditimbulkan karena adanya penyebaran arus listrik disepanjang otot jantung.
Dari permukaan kulit di dada atau kulit di kaki dan tangan sudah bisa
mewakili sinyal jantung. (Flint etc, 1995).
1. Lead Bipolar (I,II,III)
Lead bipolar adalah menyatakan selisih potensial listrik antara dua tempat
tertentu pada permukaan tubuh (Bakpas dkk ,2014). Sinyal EKG yang
dianalisis adalah sinyal yang diambil menggunakan 3 lead sesuai dengan
segitiga Einthoven. Pada sistem ini sinyal EKG tiap lead merupakan beda
potensial antar anggota tubuh antara lain:
a) Lead I : beda potensial antara tangan kiri dengan tangan kanan.
b) Lead II : beda potensial antara kaki kiri dengan tangan kanan
c) Lead III : beda potensial antara kaki kiri dengan tangan kiri (Rizal dan
Suryani, 2008). Skema lead bipolar pada EKG ditunjukan pada gambar di
bawah ini:
Gambar 3. Lead bipolar (segitga Einthoven) (Malmivuo dkk,1995).
15
2. Lead Unipolar (aVR, aVL, aVF)
Lead Unipolar merupakan lead yang disesuaikan secara elektris untuk
mengukur potensial listrik absolut pada satu tempat pencatatan, yaitu dari
elektroda positif yang ditempatkan pada ekstremitas (Bakpas dkk, 2014).
Bagian-bagian pada lead unipolar adalah sebagai berikut:
a) aVL dibentuk dengan lengan kiri (LA-left arm) elektroda positif dan
anggota tubuh lainnya (ekstremitas) elektroda negatif.
b) aVR dibentuk dengan lengan kanan (RA- right arm) elektroda positif
dan anggota tubuh lainnya (ekstremitas) elektroda negatif.
c) aVF dibentuk dengan membuat kaki kiri (LL-left leg) elektroda positif
dan anggota tubuh lainnya (ekstremitas) elektroda negatif. (Rizal dan
Suryani, 2008).
Skema lead unipolar pada EKG ditunjukan pada gambar di bawah ini:
Gambar 4. Lead Unipolar (Bakpas dkk ,2014).
3. Lead Prekardial (V1, V2, V3, V4, V5, V6)
Lead prekardial/dada (V1 sampai V6) adalah lead yang menunjukan arus
listrik jantung yang dideteksi oleh elektroda yang ditempatkan pada posisi
16
yang berbeda pada dinding dada (Bakpas dkk, 2014). Sadapan prekardial
V1 (merah), V2 (kuning), V3 (hijau), V4 (coklat), V5 (hitam), dan V6
(ungu) ditempatkan secara langsung di dada.
Karena terletak dekat jantung, 6 sadapan itu tak memerlukan augmentasi.
Terminal sentral Wilson digunakan untuk elektrode negatif, dan sadapan-
sadapan tersebut dianggap unipolar. Sadapan prekardial memandang
aktivitas jantung di bidang horizontal. Sumbu kelistrikan jantung di bidang
horizontal disebut sebagai sumbu Z. Sadapan V1, V2, dan V3 disebut
sebagai sadapan prekardial kanan sedangkan V4, V5, dan V6 sebagai
sadapan prekardial kiri (Rizal dan Suryani, 2008).
Adapun Skema lead prekardial pada EKG ditunjukan pada gambar di
bawah ini:
Gambar 5. Lead prokordial (sadapan dada) (Bakpas dkk, 2014).
Adapun Posisi lead prokordial adalah sebagai berikut:
Lead V1 : ruang interkosta IV, tepi sternum kanan
17
Lead V2 : ruang interkosta IV, tepi sternum kiri
Lead V3 : pertengahan antara V2 dan V4
Lead V4 : ruang interkosta V, garis midklavikularis kiri
Lead V5 : garis aksilaris anterior kiri
Lead V6 : garis mid-aksilaris kiri (Bakpas dkk, 2014).
2.3.4. Gelombang Sinyal Elektrokardiogram
Sebuah EKG yang khas melacak detak jantung normal (atau siklus jantung)
terdiri atas gelombang P, gelombang Q, gelombang R, gelombang S dan
gelombang T. Garis dasar elektrokardiogram dikenal sebagai garis isolistrik.
Gambar 6. Sinyal normal Elektrokardiografi (Malmivuo dkk,1995).
a. Gelombang P
Selama depolarisasi atrium normal, vektor listrik utama diarahkan dari
nodus SA ke nodus AV, dan menyebar dari atrium kanan ke atrium kiri.
Vektor ini akan membentuk gelombang P pada rekaman EKG, yang tegak
pada sadapan II, III, dan aVF ( karena aktivitas kelistrikan umum sedang
menuju elektrode positif di sadapan-sadapan itu ), dan membalik di sadapan
aVR ( karena vektor ini sedang berlalu dari elektrode positif untuk sadapan
itu ). Sebuah gelombang P harus tegak di sadapan II dan aVF dan terbalik di
18
sadapan aVR untuk menandakan irama jantung sebagai irama sinus.
Hubungan antara gelombang P dan kompleks QRS membantu membedakan
sejumlah aritmia jantung. Bentuk dan durasi gelombang P dapat
menandakan pembesaran atrium (Nazmah, 2011).
Gambar 7. Gelombang P (Nazmah, 2011).
b. Gelombang Q
Gelombang Q adalah gelombang pada EKG yang menggambarkan adanya
aktivitas listrik jantung yang sedang terjadi di septal ventrikel, dengan
depolarisasi otot ventrikel. Gelombang Q merupakan gelombang yang
terdefleksi negatif pertama setelah gelombang P. Pada keadaan normal
gelombang Q amplitudo tidak boleh melebihi 1/3 atau 25 % dari gelombang
R. Jika gelombang Q melebihinya, maka dinamakan dengan gelombang Q
patologis (Nazmah, 2011).
Gambar 8. Gelombang Q (Nazmah, 2011).
19
c. Gelombang R
Gelombang R adalah gelombang positif pertama setelah gelombang Q dan
merupakan bagian gelombang EKG yang terjadi pada saat otot ventrikel
mengalami depolarisasi. Pada keadaan normal gelombang EKG memiliki
gelombang R kecil di V1 sampai V6 (Nazmah,2011).
Gambar 9. Gelombang R (Nazmah, 2011).
d. Gelombang S
Gelombang S adalah gelombang negatif kedua setelah gelombang R.
Gelombang S merupakan bagian dari gambaran gelombang EKG yang
terjadi pada saat otot ventrikel mengalami depolarisasi (Nazmah,2011).
Gambar 10. Gelombang S (Nazmah, 2011).
e. Gelombang T
Gelombang T menggambarkan repolarisasi ventrikel. Interval dari awal
kompleks QRS ke puncak gelombang T disebut sebagai periode refraksi
20
absolut. Separuh terakhir gelombang T disebut sebagai periode refraksi
relatif (peride vulnerabel). Pada sebagian besar sadapan, gelombang T
positif. Namun, gelombang T negatif normal di sadapan aVR. Sadapan V1
bisa memiliki gelombang T yang positif, negatif, atau bifase. Disamping itu,
tidak umum untuk mendapatkan gelombang T negatif terisolasi di sadapan
III, aVL,atau aVF (Nazmah, 2011).
Gambar 11. Gelombang T (Nazmah, 2011).
2.3.5. Sinyal Elektrokardiografi (EKG) Normal
Sebuah sinyal yang didapat dari ECG normal adalah seperti pada gambar
11. Gelombang ECG normal memiliki ciri-ciri sebagai berikut :
1. Gelombang P mempunyai amplitude kurang dari 0,3 mVolt dan periode
kurang dari 0,11 detik.
2. Gelombang Q mempunyai amplitude sebesar minus 25% dari amplitude
gelombang R.
3. Gelombang R mempunyai amplitude maksimum 3 mV.
21
Gambar 12. Sinyal EKG Normal (Lutfianto dkk, 2011).
4. Gelombang S merupakan defleksi negatif sesudah gelombang R.
5. Kompleks QRS terdiri dari gelombang Q, R dan S yang memiliki
periode 0,06-0,10 detik dengan periode rata-rata 0,08 detik.
6. Gelombang T mempunyai amplitude minimum 0,1 mVolt (Lutfianto
dkk, 2011).
2.3.6. Sinyal Elektrokardiografi (EKG) Aritmia
Aritmia adalah kelainan pada jantung yang berupa gangguan pada frekuensi,
keteraturan, tempat asal denyut atau konduksi impuls listrik pada jantung.
Aritmia merupakan penyakit yang berbahaya, sehingga memerlukan
pengobatan yang segera dan terapi yang teratur untuk mencegah kondisi
yang lebih buruk. Salah satu diagnosis aritmia yang paling popular
digunakan adalah dengan Elektrokardiograf (EKG). Pada umumnya
diagnosis aritmia hanya dapat dilakukan oleh dokter ahli jantung. Tetapi
seiring dengan perkembangan ilmu pengetahuan dan teknologi, banyak
ilmuwan melakukan penelitian tentang diagnosis aritmia, sehingga dengan
ditemukannya suatu sistem yang bisa mengklasifikasikan aritmia diharapkan
22
setiap orang bisa dengan mudah mengenali aritmia jika terjadi kelainan pada
jantungnya (Iswanto, 2005). Ketidaknormalan aktivitas listrik pada jantung
atau biasa dikenal dengan aritmia jantung, dapat diketahui melalui rekaman
EKG. Dewasa ini, klasifikasi denyut jantung secara otomatis telah menjadi
topik penelitian yang menarik karena dengan adanya klasifikasi pola denyut
jantung secara otomatis akan sangat membantu ahli jantung dalam
menemukan adanya denyut jantung aritmia dalam sekian ratus bahkan
ribuan denyut jantung yang didapat dari kertas EKG (Imahb dan Basarrudin,
2011). Adapun contoh gambar sinyal EKG Aritmia adalah sebagai berikut:
Gambar 13. Sinyal EKG Aritmia (Malmivuo dkk, 1995)
2.3.7. Fraktal
Fraktal berasal dari bahasa latin, dari kata kerja frangere yang berarti
membelah atau kata sifat fractus yang artinya tidak teratur atau
terfragmentasi (Mandelbrot, 1992). Istilah fraktal diperkenalkan pertama
kali oleh Benoit Mandelbrot pada tahun 1977 dalam bukunya yang berjudul
“The Fractal Geometry of Nature”. Jadi, fraktal adalah benda geometris
yang kasar dan tidak teratur. Beberapa fraktal, apabila dipecah dan diambil
beberapa bagian kecilnya jika diperbesar akan terlihat mirip dengan fraktal
aslinya. Fraktal dikatakan memiliki detail yang tak hingga dan pada tingkat
23
perbesaran yang berbeda, ia memiliki struktur serupa diri dengan fraktal
aslinya (Ratri, 2014).
Beberapa contoh objek fraktal yang terkenal adalah Koch Snowflake,
Segitiga Sierpinski, Apollonian Gasket, dan himpunan Mandelbrot.
Rekaman elektrokardiogram yang menunjukkan keteraturan menjadi
justifikasi mengapa fitur fraktal dapat digunakan untuk mendeskripsikan
keseluruhan sinyal (Chitrahadi dkk, 2011).
Fraktal mampu menghasilkan dimensi pecahan (fractional dimension)
suatu objek, tidak seperti geometri Euclidean yang hanya mampu
menentukan dimensi bulat suatu objek. Seperti garis memiliki dimensi satu,
bidang berdimensi dua, dan balok berdimensi tiga. Fraktal memiliki
karakteristik self-similary yang berarti fraktal memiliki sifat-sifat yang sama
untuk berbagai skala yang digunakan. Dimensi fraktal berupa bilangan
pecahan yang dapat digunakan sebagai pengidentifikasi ciri suatu citra
(Sayekti dan Amiuza, 2014). Adapun contoh fraktal alami dan fraktal
buatan adalah sebagai berikut:
1. Fraktal Alami
Berikut merupakan beberapa contoh jenis fraktal alami yang sering kita
temui dalam kehidupan sehari – hari seperti struktur daun pakis, sayuran
brokoli, dan lembaran akrilik.
24
(a) (b)
(c)
Gambar 14. (a) lembaran akrilik (b) sayuran brokoli (c) pakisPada gambar diatas, ditunjukkan beberapa contoh fraktal alami yang
terbentuk secara langsung di Alam. Salah satunya pakis yang
menggunakan model algoritma rekursif. Sifat rekursifnya bisa dilihat
dengan mudah, ambil satu cabang dari suatu pohon dan akan terlihat bahwa
cabang tersebut adalah miniatur dari pohonnya secara keseluruhan (tidak
sama persis, tapi mirip). Sedangkan untuk gambar 14b, 14c, adalah fraktal
yang menunjukkan garis yang memiliki nilai dimensi tertentu berupa nilai
pecahan.
2. Fraktal Buatan
Fraktal buatan adalah fraktal yang dihasilkan akibat buatan tangan manusia,
fraktal buatan dikelompokkan menjadi tiga kategori luas sebagai berikut :
25
1) Sistem fungsi iterasi
Memiliki pola yang dapat dibangkitkan dengan mudah melalui iterasi.
Contohnya himpunan Cantor, serpihan salju Koch dan segitiga Sierpinski.
Gambar 15. Salju Koch
2) Fraktal waktu lolos
Menggunakan formula atau relasi rekursif pada setiap titik dalam bidang.
Contohnya himpunan Julian, yaitu merupakan bagian dari fraktal
Mandelbrot seperti gambar 16:
Gambar 16. Himpunan Julian
3) Fraktal acak
Menggunakan proses stokastik. Contohnya pada gerak Brown, teori
Perlokasi dan fraktal Landskap.
26
Gambar 17. Landskap
Bentuk fraktal landskap ditunjukkan pada gambar 2.9 yang merupakan
bentuk permukaan dengan menggunakan algoritma stokastik yang dirancang
untuk menghasilkan perilaku fraktal yang meniru tampilan dataran alami.
Dengan kata lain, hasil dari prosedur ini tidak permukaan fraktal
deterministik, melainkan permukaan acak yang menunjukkan perilaku
fraktal (Rawers, 1999).
2.3.8. Dimensi fraktal
Dimensi fraktal adalah sebuah jumlah kuantitatif menggambarkan sebuah
objek mengisi suatu ruang tertentu. Jika sebuah garis dibagi menjadi N
bagian yang sama, maka setiap bagian memiliki rasio dari keseluruhan
bagian. Metode yang biasa digunakan untuk menghitung dimensi fraktal
suatu objek adalah metode Box-Counting. Metode ini membagi sinyal
menjadi kotak kotak dengan berbagai variasi ukuran. Adapun langkah-
langkah Box-Counting adalah sebagai berikut :
a) Citra dibagi kedalam kotak-kotak dengan ukuran s.
b) Menghitung banyaknya kotak N(s) yang mengisi bagian sinyal. Nilai
N(s) sangat tergantung pada s.
27
c) Menghitung D(s) (Mulyadi dkk, 2013).
Titik (point) tidak memiliki dimensi karena tidak memiliki panjang, lebar
maupun bobot. Garis (line) berdimensi 1 karena memiliki panjang. Bidang
(plane) berdimensi 2 karena memiliki panjang dan lebar. Ruang (space)
berdimensi 3, karena memiliki panjang, lebar, dan kedalaman. Bila
diperhatikan, dimensi dari objek-objek Eucledian (garis, bidang, dan ruang)
merupakan bilangan bulat, yaitu berturut-turut 1, 2, dan 3. Objek-objek
fraktal dapat memiliki dimensi pecahan (fractional dimension). Metode
yang umum digunakan untuk menghitung dimensi dari objek fraktal adalah
metode penghitungan kotak (box counting) yang dapat dinyatakan sebagai
berikut.
D (s) =( )( ) (2.4)
dengan N(s) menyatakan banyaknya kotak berukuran s yang berisi informasi
objek, dan D(s) adalah dimensi fraktal objek dengan kotak berukuran s
(Putra, 2009). Secara umum sifat-sifat fraktal ada 2 macam, yaitu:
1. Self-similarity (Ukuran sama)
Fraktal adalah objek yang memiliki kemiripan dengan ukuran sama (Self-
similarity) namun dalam skala yang berbeda, ini artinya objek fraktal terdiri
dari bagian-bagian yang memiliki sifat seperti objek tersebut. Setiap bagian
objek tersebut bila diperbesar akan identik dengan objek tersebut.
2. Dimension
Pembangkitan fraktal dapat dilakukan dengan melakukan iterasi baik
terhadap fungsi matematika atau dapat juga iterasi atas elemen-elemen dasar
penyusun grafik, seperti titik, garis dan bentuk-bentuk geometri sederhana
28
seperti segitiga, segiempat, dan lain-lain. Fraktal yang terakhir ini
dinamakan fraktal bebas, contohnya adalah fraktal plasma dan fraktal
pohon. Sedangkan fraktal-fraktal yang dibangkitkan melalui fungsi
matematika antara lain fraktal yang berbasis bilangan kompleks, fraktal
berbasis fungsi polynomial dan fraktal yang berbasis fungsi transenden.
Fraktal berbasis bilangan kompleks akan menghasilkan gambar-gambar
yang indah dan akan menghasilkan gambar fraktal yang unik. Bentuk-
bentuk fraktal dari iterasi fungsi matematika semakin menarik, indah, dan
bervariasi setelah ditemukan mesin komputer yang sangat membantu
komputasi (perhitungan). Selain membantu komputasinya, mesin komputer
dengan perkembangan teknologi tampilannya, membantu penampilan
bangun fraktal menjadi menakjubkan (Mujiono, 2002).
Himpunan Fraktal mempunyai 5 karakter , yaitu:
a. Merupakan struktur halus, walaupun diperbesar seberapapun;
b. Bersifat terlalu tidak teratur, jika digambarkan dengan bahasa geometri
biasa;
c. Mempunyai kemiripan diri, mungkin secara pendekatan maupun secara
statistik;
d. Dimensi fraktal biasanya lebih besar dari dimensi topologinya; dan
e. Umumnya dapat didefinisikan secara sederhana, mungkin secara
rekursif (Falconer 1992).
Adapun Dimensi Fraktal mempunyai beberapa metode yaitu sebagai
berikut:
29
A. Metode Box-counting
Dimensi kotak penghitungan/box-counting adalah salah satu metode
dimensi fraktal. Dimensi kotak penghitungan dimotivasi oleh gagasan untuk
menentukan ruang pada pengisian sifat kurva. Hal ini dapat dinyatakan
secara matematis sebagai di mana N (s) adalah jumlah total kotak ukuran s
diperlukan untuk menutupi kurva seluruhnya. Namun dalam prakteknya,
box counting yang Algoritma memperkirakan FD kurva dengan menghitung
jumlah kotak yang diperlukan untuk menutup kurva untuk beberapa kotak
ukuran, dan tepat garis lurus untuk log-log plot N (s) terhadap s, di mana C
adalah konstanta (Raghavendra dan Dutt, 2010). Adapun rumus
matematisnya adalah sebagai berikut:
D (s) =( )( ) (2.5)
Dibawah ini contoh gambar sinyal dengan metode box-counting:
Gambar 18. Metode Box-counting (Raghavendra dan dutt, 2010).
B. Metode Katz
Metode katz adalah metode yang digunakan untuk mengurutkan poin [1, 2,
...,] [ , ,… ] , Di mana T merupakan transposisi dan N adalah jumlah
total sampel dalam urutan. Grafik urutan direpresentasikan sebagai si = (xi,
30
yi), i = 1, 2, ..., N, xi adalah nilai-nilai absis dan yi adalah nilai ordinat.
Dalam runtun waktu sinyal xi = ti, di mana ti, i = 1, 2, ..., N yang monoton
meningkat instants pada waktu gelombang sampel. Jika poin s1 dan s2
adalah direpresentasikan sebagai ( , ,) dan ( ,, ,) masing-masing,
Euclidean jarak antara titik-titik dihitung sebagai:
Dmax =. ( − ) + ( − ) (2.6)
Dimensi fraktal dari gelombang mewakili time series ditentukan dengan
menggunakan metode Katz (Raghavendra dan Dutt, 2010). Adapun
persamaan secara dimensi fraktalnya yaitu sebagai berikut:Dk = ( / )( / ) (2.7) (2.14)
Didefinisikan n = L/ . Maka persamaan menjadi := ( )( ) ( / ) (2.8)
Keterangan:
L= Panjang total kurva (sinyal)
d = diameter “max (Distance (1,i) )”
i = Titik yang menentukan jarak maksimum antara titik pertama dengan titik
yang ditinjau
a = Rata-rata nilai bilangan bulat pada kurva
Sedangkan contoh gambar sinyal menggunakan metode Katz:
31
Gambar 19. Metode Katz
C. Metode Higuchi
Metode Higuchi adalah metode yang digunakan untuk menghitung dimensi
fraktal dari suatu deret waktu yang didasarkan pada ukuran panjang dari
suatu sinyal elektrokardiografi yang mewakili deret waktu.= { ( ), ( + ), ( + 2 ), … , ( + )} (2.9)
m = 1, 2,...,k
Maka panjang rata – rata Lm (k) :( ) = ∑ (| ( + ) − ( + ( − 1) |) (3.0)
Di mana N adalah total panjang urutan data x dan (N - 1) / [(N - m) / k]
adalah normalisasi sebuah faktor. Panjang rata-rata dihitung untuk semua
seri waktu memiliki skala k yang sama, sebagai rata-rata k panjang Lm (k)
untuk m = 1,2, ..., k. Prosedur ini diulang untuk setiap k mulai dari 1 sampai
Kmax, dan mendapatkan panjang rata-rata untuk setiap k. Akhirnya, jika
<Lm (k)> / k-D maka waktu-series data x adalah fraktal dengan dimensi D
My(1)y(N)
S1sN
a
S2
S3
dmax
d1
d2
32
(Raghavendra dan Dutt, 2010). Adapun persamaan dimensi fraktalnya
adalah sebagai berikut:
D = - log[L(k)] / log(k) (3.1)
Dimana L(k) adalah jumlah sub-sampel yang ditentukan dengan persamaan
sebagai berikut:( ) = ∑ ( ) (3.2)
Keterangan :
m = menunjukan nilai waktu awal
k = interval waktu diskrit antara titik-titik (delay)( ) = dihitung untuk semua deret waktu (sinyal) yang mempunyai delay
yang sama (skala k) k = 1,2,... s/d
Berikut ini adalah contoh gambar sinyal menggunakan metode higuchi:
Gambar 20. Metode Higuchi
2.3.9. Analisis Statistik Biosinyal
Biosinyal adalah sinyal yang dapat diukur atau dianalisa untuk mengetahui
informasi terkait struktur dan dan fungsi dari sistem biologi, contoh: pada
denyut jantung, kontraksi otot, dan aktifitas otak.
y(1) y(2)
y(3)
N1 2 3
y(N)
33
Adapun metode perhitungan statistik untuk analisis sebuah sinyal EKG
adalah sebagai berikut:
1. Metode Varian (VAR)
Metode Varian (VAR) adalah metode perhitungan statistik yang berfungsi
untuk mengetahui suatu variable acak. Adapun persamaan metode varience
sebagai berikut : = ∑ ( − ̅) (3.3)
Varian yang diperoleh dari suatu variabel acak dapat diartikan sebagai
jumlah suatu nilai dari selisih pengkuadratan antara variabel rata-rata dan
variabel acak yang dibagi dengan banyaknya sampel atau N.
2. Metode Mean Deviasi (MD)
Mean Deviasi (MD) adalah metode untuk menghitung rata-rata deviasi dari
suatu himpunan N bilangan X , X , … X didefinisikan sebagai := ∑| ̅|(3.4)
Dimana X adalah mean aritmetik dari bilangan – bilangan tersebut dan|X − X| adalah nilai absolut atau mutlak dari deviasi X terhadap X (Spiegel
dkk, 2007).
3. Metode Standar Deviation (STD)
Metode Standar Deviasi (STD) adalah metode untuk mencari parameter
deviasi dari suatu himpunan N pada bilangan X , X , … X , adapun
persamaannya adalah sebagai berikut:
34
Xstd =∑ ( )
(3.5)
Dimana nilai X sebagai nilai rata-rata dari x, N adalah banyaknya sampel
yang digunakan atau banyaknya sinyal elektrokardiografi
2.3.10. Filter Digital
Filter adalah rangkaian yang digunakan untuk memisahkan sinyal
gelombang pada frekuensi dasarnya (Chen,1990). Filter pada umumnya
tersusun atas komponen pasif dan aktif seperti kapasitor, resistor, induktor,
amplifier atau kombinasi dari semua komponen. Ada empat tipe dasar dari
filter yang digunakan untuk melawatkan dan menahan frekuensi tertentu
yaitu low pass filter, high pass filter,band pass filter, dan Notch filter. Pada
penelitian ini menggunakan filter Sgolayfilt.
Adapun filtering yang digunakan pada sinyal elektrokardiografi adalah
sebagai berikut:
A. Baseline Wander Filter
Baseline wander adalah frekuensi rendah pada aktivitas di EKG yang
dapat mengganggu sinyal analisis yang membuat interpretasi klinis tidak
akurat. Ketika awal baseline wander berlangsung, pengukuran EKG terkait
dengan garis iso-listrik tidak dapat dihitung karena tidak didefinisikan
dengan baik. Isi spektral baseline wander biasanya dalam kisaran antara
0.05-1Hz , tetapi selama olahraga berat mungkin mengandung lebih tinggi
frekuensi. Baseline wander dasar di EKG sinyal telah menjadi salah satu
tantangan pertama dalam biomedis pemrosesan sinyal. Sebuah urutan filter
35
tinggi harus digunakan untuk menghasilkan hasil yang baik, yang
meningkatkan perhitungan waktu. Hal ini penting untuk memberikan yang
jelas dan akurat representasi agar ahli jantung dapat dengan benar
menafsirkan EKG (Lele dan Holkar ,2013).
Elektrokardiograf (EKG) telah digunakan secara luas untuk mendeteksi
penyakit jantung. Masalah klasik dalam rekaman sinyal EKG adalah bahwa
sinyal yang diukur menghasilkan baseline wander. Baseline wander
gangguan yang dihasilkan pada rekaman EKG. Untuk mengatasi gangguan
pada sinyal EKG biasanya dengan cara preprocessing yang berfungsi untuk
meningkatkan karakteristik sinyal pada diagnosis. Selanjutnya masalah lain
yang dapat menyebabkan baselin wander adalah pada gerakan pasien,
elektroda buruk dan situs elektroda penyiapan. Nilai frekuensi pada baseline
wander biasanya di bawah 0.5Hz yang sama dengan nilai frekuensi pada
segmen ST. Baseline wander dapat menyebabkan rekaman interpretasi EKG
sulit dihasilkan terutama pada penilaian penyimpangan ST. Jadi sebelum
menganalisa sinyal EKG maka sebaiknya menghapus baseline wander
seperlunya (Gurumurthy dkk,2013). Adapun contoh gambar sinyal hasil
filtering dengan baselin wander adalah sebagai berikut:
Gambar 21. Menambahkan Baselin Wander untuk Signal asli (Gurumurthy
dkk, 2013)
36
Gambar 22. Penghapusan Baselin Wander dengan EMD (Gurumurthy dkk,
2013)
B. Notch Filter
Notch filter adalah filter yang melewati semua frekuensi kecuali yang
berada di dipusat. Respon amplitudo pada notch filter datar berada di semua
frekuensi kecuali pada saat ikatan berhenti di kedua sisi frekuensi berpusat.
Titik acuan standar untuk roll-off di setiap sisi ketika berhentinya titik
ikatan pada saat amplitudo menurun 3 db untuk 70,7% dari amplitudo
aslinya. Banyak orang berpikir bahwa semakin tinggi Q maka semakin
melekuk, pernyataan ini dianggap tidak benar karena kedalaman lekukan
tergantung pada pencocokan komponen (Verma, 2013).
Notch Filter ditandai oleh pelemahan atau penurunan secara meningkat
dalam domain frekuensi. Filter jenis ini umumnya digunakan untuk
menghilangkan gangguan dari frekuensi sempit yang diketahui Lebar
penurunan/ pelemahan dan redaman maksimum tergantung pada urutan dan
implantasi. Gradien maksimum kemiringan fase adalah pusat dari frekuensi
redaman (Lundkvist dan Vinitha, 2009). Adapun contoh gambar sinyal hasil
notch filter adalah sebagai berikut:
37
Gambar 23. Menghilangkan noise menggunakan notch filter (Verma dkk
2013).
Gambar 24. Spektrum notch filter setelah denoising sinyal suara (Verma,
dkk 2013).
C. Filter Sgolayfilt
Filter Savitzky-Golay telah dipopulerkan oleh buku Numerical Recipes.
Filter satu dimensi yang disajikan dalam buku dan makalah asli yang
digunakan untuk menghaluskan satu dimensi, data yang ditabulasi dan
juga untuk menghitung turunan numerik. Ide dasarnya adalah untuk
menyesuaikan polinomial yang berbeda untuk data sekitarnya setiap titik
data. Poin merapikan dihitung dengan mengganti setiap titik data dengan
nilai polinomial dipasang nya. turunan numerik berasal dari menghitung
turunan dari setiap polinom dipasang di setiap titik data.
Sementara pas polinomial untuk tujuan ini jelas, bagian yang mengejutkan
adalah bahwa koefisien polinomial dapat dihitung dengan filter linear.
Untuk menghaluskan, hanya satu koefisien polinomial yang dibutuhkan,
38
sehingga seluruh proses kuadrat pas di setiap titik menjadi proses yang
sederhana menerapkan filter linear sesuai pada setiap titik. Buku-buku
Numerical Recipes memberikan deskripsi dari filter dan kode sumber
(Fortran dan C) untuk menghitung filter ini satu-dimensi untuk kedua
smoothing dan turunannya numerik.
Filter Savitzky-Golay hanya sebagai berguna untuk pengolahan gambar, di
mana idenya adalah untuk menyesuaikan polinomial dua dimensi ke
subbagian dua dimensi gambar untuk menghaluskan dan turunannya
numerik. Sementara buku Numerical Recipes memberikan cara
menghitung filter untuk data satu dimensi ini menunjukkan bagaimana
untuk menghitung filter dua dimensi untuk data gambar. Ini memberikan
rutin Matlab untuk menghitung filter dan kode sumber C untuk koefisien
filter yang sebenarnya untuk ukuran gambar patch yang berbeda dan
perintah polinomial yang berbeda (Krumm, 2001). Contoh program
matlab filter sgolayfilt adalah sebmatematis filter sgolayfilt adalah sebagai
berikut:
% Filter sgolayfiltfilter=sgolayfilt(val,7,31);% Plot ke Grafikymax=max(filter);ymin=min(filter);set(proyek.figure1,'CurrentAxes',proyek.axes2);plot(datax', filter');ylim([ymin ymax]);legend(labels);xlabel('Time (sec)');set(proyek.axes2,'Userdata',filter);% grid on
Adapun sinyal yang menggunakan filter Sgolayfilt yaitu di bawah ini:
39
Gambar 25. Contoh sinyal dengan filter sgolayfilt (Sridhara dkk 2014).
2.3.11. Matlab
Sistem matlab terdiri dari 5 bagian yaitu :
A. Bahasa (Pemrograman) Matlab
Bagian ini adalah bahasa (pemrograman) tingkat tinggi yang menggunakan
matriks atau array dengan pernyataan aliran kendali program, struktur data,
masukan atau keluaran dan fitur-fitur pemrograman berorientasi objek
(Wijaya dan Prijono, 2007). Adapun gambar 12. bahasa pemrograman pada
matlab ada seperti dibawah ini:
Gambar 26. Bahasa pemrograman Matlab
40
B. Lingkungan Kerja Matlab
Bagian ini adalah sekumpulan perangkat dan fasilitas Matlab yang
digunakan oleh pengguna atau pemrogram. Fasilitas yang dimaksud
misalnya untuk mengolah variabel didalam ruang kerja (workspace) dan
melakukan import dan eksport data. Sedangkan perangkat yang disediakan
untuk pengembangan, pengolahan, proses “debugging” dan pembuatan
profil M-files untuk aplikasi Matlab (Wijaya dan Prijono, 2007). Adapun
gambar 13. dari lingkungan kerja matlab adalah sebagai berikut:
Gambar 27. Lingkungan Kerja Matlab
C. Penggunaan Grafik
Bagian ini adalah sistem grafik Matlab, termasuk perintah-perintah
(program) tingkat tinggi untuk visualisasi data dimensi-2 dan dimensi-3,
pengolahan citra, animasi dan presentasi grafik. Selain itu, bagian ini juga
termasuk perintah–perintah (program) tingkat rendah untuk menetapkan
sendiri tampilan grafik seperti halnya membuat antar muka pengguna grafis
untuk aplikasi-aplikasi Matlab (Wijaya dan Prijono, 2007). Adapun gambar
dari penggunaan grafik adalah sebagai berikut:
41
Gambar 28. Penggunaan Grafik
D. Pustaka Fungsi Matematis Matlab
Bagian ini adalah koleksi algoritma komputasi mulai dari fungsi dasar
seperti menjumlahkan/sum, menentukan nilai sinus/sine, cosinus/cosine, dan
aritmatika bilangan kompleks yaitu: fungsi-fungsi matriks, nilai eigen
matriks, fungsi bessel dan FFT (Fast Fourier Transform) (Wijaya dan
Prijono, 2007). Adapun gambar dari pustaka fungsi matematis matlab
adalah sebagai berikut:
Gambar 29. Pustaka fungsi matematis matlab
Fungsi Pengertianabs(x) Nilai absolut xsqrt (x) akar rata-rata xsin (x) sin x dimana x dalam radiancos (x) cosine x dimana x dalam radiantan (x) tangen x dimana x dalam radianceil (x) nilai positif tak berhinggafloor (x) nilai negatif tak berhinggaround (x) nilai yang mendekati bilangan integerexp (x) exsponensial pangkat xlog (x) logaritma xsim (x) pembalik tanda x
rem (x,y) sisa pembagian x/y
42
2.3.12. Bagian Penting Matlab
Matlab memiliki kemampuan merotasi sebuah objek tanpa mengubah
programnya. Matlab mempunyai beberapa bagian penting (jendela utama)
(Sugiharto, 2006). Jendela utama tersebut antara lain sebagai berikut:
A. Jendela Perintah / Commond Window
Pada common window, semua perintah matlab dituliskan dan dieksekusi.
Pada common window juga dapat dituliskan perintah yang diperlukan
seperti perhitungan biasa, memanggil fungsi, mencari informasi tentang
sebuah fungsi/ help, demo program dan sebagainya. Setiap penulisan
perintah disini selalu diawali dengan “promp” (Sugiharto, 2006). Adapun
gambar jendela perintah/commond window ini adalah sebagai berikut:
Gambar 30. Jendela perintah/ commond window
B. Jendela Ruang Kerja / Workspace
Workspace merupakan sebuah jendela matlab yang berisi informasi
pemakaian variabel di dalam memori matlab (Sugiharto, 2006). Adapun
gambar jendela ruang kerja/workspace adalah sebagai berikut:
43
Gambar 31. Jendela ruang kerja/workspace
C. Command History
Command History merupakan sebuah jendela yang berisi informasi perintah
yang pernah dituliskan sebelumnnya (Sugiharto, 2006). Adapun gambar
current history adalah sebagai berikut:
Gambar 32. Command history
D. Current Directory
Current Directory digunakan untuk menentukan directory aktif yang
digunakan Matlab. Jika akan menjalankan sebuah fungsi, maka harus
dipastikan bahwa fungsi berada didalam direktori aktif atau dapat dengan
mengubah directory aktifnya ke directory tempat fungsi berada. Jika tidak
44
dilakukan, maka Matlab akan memberikan pesan kesalahan (Sugiharto,
2006). Adapun gambar dari current directory adalah sebagai berikut:
Gambar 33. Current directory
E. Launch Pad
Matlab menyediakan Launch Pad untuk menambahkan dalam mengakses
produk-produk matlab seperti: demo dan dokumentasi. Untuk menggunakan
Launch Pad dapat dengan mengaksesnya dari menu view dan memberi
tanda pada Launch Pad (Sugiharto, 2006). Adapun gambar launch pad
adalah sebagai berikut:
Gambar 34. Launch pad
BAB III
METODE PENELITIAN
3.1. Tempat dan Waktu Pelaksanaan
Penelitian ini dilaksanakan di Laboratorium Pemodelan Fisika dan
Laboratorium Elektronika Dasar Jurusan Fisika Fakultas Matematika dan
Ilmu Pengetahuan Alam Universitas Lampung pada bulan Juni 2015
sampai Januari 2016.
3.2. Alat dan Bahan
Adapun alat dan bahan yang digunakan pada penelitian ini adalah sebagai
berikut:
1. Perconal Computer (PC)
Perconal Computer (PC) adalah alat yang digunakan untuk mengolah sinyal
elektrokardiografi. Adapun spesifikasi Perconal Computer ini adalah
sebagai berikut:
Tabel 3.2. Spesifikasi Personal Computer
Deskripsi Spesifikasi
Video Intel(R) HD Graphics
Processor Intel(R) Core(TM) B940
Operating sytem Window 7, 64-bit
Hard Disk 500 GB
RAM 2 GB
46
2. Perangkat Lunak MATLAB
Perangkat Lunak MATLAB (Matrix Laboratory) 7.8. adalah program yang
digunakan untuk menghitung suatu sinyal elektrokardiografi dengan metode
statistik dan dimensi fraktal.
3. Sinyal Elektrokardiografi
Sinyal elektrokardiografi merupakan sinyal yang digunakan sebagai sampel
yang akan dihitung dengan dimensi fraktal dan metode statistik yang
selanjutnya akan dibandingkan. Membandingkan sinyal elektrokardiografi
tersebut berdasarkan keadaan sinyalnya contohnya pada sinyal keadaan
normal dan aritmia kemudian berdasarkan frekuensi sampling, lama waktu,
dan berdasarkan usia, jenis kelamin dan lain sebagainya. Sinyal
Elektrokardiografi ini diambil dari sebuah situs www.physionet.org yang
merupakan kumpulan referensi terkait dunia kesehatan. Data yang akan
diambil pada situs www.physionet.org dalam bentuk matrik yang akan
ditampilkan pada matlab dan sinyal yang akan diambil sebagai sampel yaitu
sinyal EKG dalam keadaan normal dan aritmia.
47
3.3. Prosedur Kalibrasi
Gambar 34. Diagram Alir Kalibrasi
Mulai
Pengambilan data sinyal lurus dan kotak
Perhitungan MetodeStatistik
Perhitungan DimensiFraktal
Membandingkan hasil perhitungan programmatlab dengan perhitungan pada exel
Analisis data hasil penelitian untuk menentukanmetode dimensi fraktal dan analisis statistik
yang akurat
Selesai
VAR
MD
STD
Box- Counting
Higuchi
Katz
48
3.4. Prosedur Penelitian
Gambar 35. Diagram Alir Penelitian
Mulai
Pengambilan data sinyal elektrokardiografipada situs www.physionet.org
Filter sinyal elektrokardiografi untukmenghilangkan noise pada sinyal
Perhitungan MetodeStatistik
Perhitungan DimensiFraktal
Membandingkan hasil perhitungan pada keduametode dimensi fraktal dan analisis statistik
Analisis data hasil penelitian
Selesai
VAR
MD
STD
Box- Counting
Higuchi
Katz
Kesimpulan
49
Berdasarkan Gambar 34, maka akan dijelaskan mengenai diagram alir
kalibrasi yaitu sebagai berikut: Sinyal lurus dan sinyal kotak diperoleh dari
situs di internet yang telah diketahui nilai dimensi dan program matrik,
Sinyal kotak dan sinyal lurus dihitung dengan menggunakan dua parameter
perhitungan yaitu dimensi fraktal dan analisis statistik. Metode dimensi
fraktal terbagi menjadi tiga metode yaitu metode box-counting, higuchi dan
katz. Sedangkan analisis statistik menggunakan tiga parameter juga yaitu
Variance (VAR), Standar Deviation (SD), dan Mean Deviation (MD). Hasil
perhitungan dimensi fraktal yaitu hasil dari program dan hasil secara manual
kemudian dibandingkan untuk memperoleh nilai dimensi fraktal yang lebih
akurat. Metode dimensi fraktal yang menghasilkan nilai dimensi yang
akurat menjadi acuan metode yang digunakan untuk pengambilan data.
Berdasarkan Gambar 35, maka akan dijelaskan mengenai diagram alir
tersebut yaitu sebagai berikut: Sinyal Elektrokardiografi diperoleh dari situs
yaitu www.physionet.org, situs ini PhysioNet adalah situs yang digunakan
sebagai akses web gratis untuk koleksi besar tentang sinyal fisiologis
(Physio Bank) dan perangkat lunak open-source yang terkait (Physio
Toolkit). Data PhysioNet di PhysioBank dibuat tersedia di bawah Public
Domain Dedication dan Lisensi v1.0 PhysioNetWorks adalah ruang kerja
yang tersedia untuk anggota komunitas PhysioNet dan tersedia untuk
umum pada PhysioBank dan PhysioToolkit. untuk menjelajahi situs web ini
menggunakan tombol PhysioNet (kiri atas) atau mulai dari peta situs , atau
50
menggunakan alat pencarian (kanan atas) untuk menemukan halaman yang
menarik.
Sinyal elektrokardiografi mempunyai noise yang hanya dapat difilter
menggunakan filter sgolayfilt. Menghitung sinyal EKG menggunakan dua
parameter perhitungan yaitu dimensi fraktal dan analisis statistik. Metode
dimensi fraktal terbagi menjadi tiga metode yaitu metode box-counting,
higuchi dan katz. Sedangkan analisis statistik menggunakan tiga parameter
juga yaitu Variance (VAR), Standar Deviation (SD), dan Mean Deviation
(MD). Membandingkan dan menganalisis nilai dimensi dan statistik yang
diperoleh dari hasil perhitungan. Dari hasil analisis tersebut maka akan
didapatkan suatu kesimpulan.
3.5. Metode Perhitungan
Adapun metode perhitungan yang digunakan yaitu sebagai berikut:
A. Metode perhitungan secara Dimensi Fraktal
1. Metode Box-Counting
Adapun algoritma dari metode box-counting adalah sebagai berikut:
D (s) =( )( ) (3.6)
2. Metode Katz
Adapun algoritma dari metode Katz ini adalah sebagai berikut:
= ( / )( / ) (3.7)
51
Didefinisikan n = L/ . Maka persamaan menjadi :
= ( )( ) ( / ) (3.8)
Keterangan:
L = Panjang total kurva (sinyal)
d = diameter “max (Distance (1,i) )”
i = Titik yang menentukan jarak maksimum antara titik pertama dengan titik
yang ditinjau
a = Rata-rata nilai bilangan bulat pada kurva
3. Metode Higuchi
Adapun algoritma dari metode Higuchi ini adalah sebagai berikut:
D = - log[L(k)] / log(k) (3.9)
Dimana L(k) adalah jumlah sub-sampel yang ditentukan dengan persamaan
sebagai berikut:
( ) = ∑ ( ) (3.10)
Keterangan :
m = menunjukan nilai waktu awal
k = interval waktu diskrit antara titik-titik (delay)
52
( ) = dihitung untuk semua deret waktu (sinyal) yang mempunyai delay
yang sama (skala k) k = 1,2,... s/d
B. Metode perhitungan secara Statistik
1. Metode Varian (VAR)
= ∑ ( − ̅) (3.11)
Varian yang diperoleh dari suatu variabel acak. Hasil dari selisih antara
dan ̅ kemudian dikuadratkan dibagi dengan banyaknya objek N.
2. Metode Mean Deviasi (MD)
= ∑| |(3.12)
Dimana X adalah mean aritmetik dari bilangan – bilangan tersebut dan|X − X| adalah nilai absolut atau mutlak dari deviasi X terhadap X(Spiegel, 2007).
3. Metode Standar Deviasi (STD)
Xstd =∑ ( )
(3.13)
Dimana nilai X sebagai nilai rata-rata dari x, N adalah banyaknya
sampel yang digunakan atau banyalnya sinyal elektrokardiografi .
53
3.6. Data Hasil Penelitian
Berdasarkan hasil dari suatu perhitungan dari dimensi fraktal, statistik dan
program Matlab maka diperlukan sebuah tabel hasil penelitian atau
pengamatan untuk mempermudah dalam membandingkan hasil perhitungan
tersebut. Adapun tabel hasil penelitian yang akan digunakan adalah sebagai
berikut:
Tabel 3.5 Data Penelitian Sinyal Elektrokardiografi
No Sampel
Analisis Statistik Dimensi Fraktal
VAR STD MDBox
CountingHiguchi Katz
BAB V
KESIMPULAN DAN SARAN
5.1 Kesimpulan
Dari analisis dan pembahasan sebelumnya dapat diambil kesimpulan
sebagai berikut:
1. Sinyal Elektrokardiografi dapat dianalisis secara statistik dengan
perhitungan Varian. Sedangkan Mean deviasi dan Standar deviasi
dapat dijadikan untuk analisis namun hasil perhitungan masih jauh
mendekati range 1 dan 2 .
2. Sinyal Elektrokardiografi dapat dianalisis menggunakan dimensi
fraktal. Metode Box Counting lebih akurat untuk menganalisis sinyal
elektrokardiografi dibandingkan dengan metode Higuchi dan Katz yang
diperoleh berdasarkan hasil perhitungan kalibrasi secara manual pada
microsoft excel dan dibandingkan dengan komputasi matlab, sedangkan
metode Katz dan higuchi memiliki nilai yang masih jauh meskipun
sedikit juga bedanya dibandingkan metode Box Counting.
3. Perhitungan analisis statistik dan dimensi fraktal dilakukan berdasarkan
sinyal elektrokardiografi dari aktivitas kelistrikan jantung. Hasil
perhitungan dimensi fraktal yang kecil menunjukkan sinyal tersebut
dalam keadaan baik tanpa banyak noise sedangkan sebaliknya untuk
perhitungan pada analisis statistik.
5.2. Saran
Saran yang dapat diberikan oleh penulis untuk penelitian berikutnya adalah
Sebaiknya untuk mempermudah dalam perhitungan suatu sinyal maka dapat
diaplikasikan software matlab ini dalam bentuk hardware atau dibuatkan
suatu alat supaya lebih mudah.
DAFTAR PUSTAKA
Anwar, S., 2009, Rancang Bangun Elektrokardiograph Berbasis PersonalComputer (PC), Teknik Elektro Politeknik Negri Padang, Vol.1 No.1.
Bakpas, A.N., Nurdin, W.B., dan Suryani, S., 2013, Identifikasi karakter temporaldan potensial listrik statis pada Elektrokardiografi (EKG) akibatpenyakit otot jantung Myocardial Infarction (MI), UniversitasHasanuddin.
Cameron, J.R and Skofronick, 1978, Medical Physics, John Wiley & Sons, Inc.,Toronto, Canada
Carr, J.J and Brown, J.M, 2001, Introduction to Biomedical EquipmentTechnology, Prentice Hall, New Jersey, USA.
Chitrahadi, E., Antaresti, T., dan Arymurthy, A.M., 2011, Ekstraksi Fitur Fraktaldan Morfologi Sinyal Elektrokardiogram dan Pemanfaatannya DalamKlasifikasi Deep Sleep, Fakultas Ilmu Komputer Universitas Indonesia,Jurnal Ilmu Komputer dan Informasi Vol.4 No.2 .
Coyt, G., Diosdado, A.M., Lopez, J.A.B., Correa, J.L.D., and Brown, F.A., 2013,Higuchi’s method applied to the detection of periodic component intime series and its application to seismograms, Mexico.
Falconer, K., 1992, Fractal Geometry: Mathemetical Foundation danApplications New York, John Wiley dan Sons.
Flint, A., Turton and Nokes, LDM 1995, Introduction to Medical ElectronicsAplications, London: Little, Brown and Company.
Gabriel, J.F., 1996, Fisika Kedokteran, Penerbit Buku Kedokteran ECG, Jakarta.
Gurumurthy, S. dan Valarmozhi, 2013, System Design for Baseline Removal ofECG Signals with Empirical Mode Decomposition Using Matlab,Internal Journal Of Soft Computing and Engineering (IJSCE), Vol.3.Hal.3.
Halomoan, J., 2013, Analisa Sinyal EKG dengan Metode HRV (Heart RateVariability) pada Domain Waktu Aktivitas Berdiri dan Terlentang,Seminar Nasional aplikasi Teknologi Informasi (SNATI), Yogyakarta.
Imah, E.M., dan Basarrudin, T., 2011, Klasifikasi BEAT Aritmia Pada sinyal EKGmenggunakan Fuzzy Wavelet Learning Vector Quantization, JurusanMatematika FMIPA Universitas Negri Surabaya, Jurnal Ilmu Komputerdan Informasi Vol.4 No.1.
Indra, S.P., 2011, Perancangan Alat Pendeteksi Sinyal ElektrokardiogramBerbasis Mikrokontroler, Universitas Pembangunan Nasional JawaTimur.
Iswanto, A., 2005. Perancangan Sistem Pendeteksi Aritmia Menggunakan NeuralNetwork, Institut Sepuluh November, Surabaya.
Krumm, J., 2001, Savitzky-Golay Filter for 2D Image, Redmond WA 98052.
Lele dan Holkar, 2013. Removal of Baseline Wander from ECG signal,International Journal Of Electronics, Communication dan SoftComputing Science dan Engineering.
Lundkvist, A. dan Vinitha, R.Q., 2013, Algorithm For Design Of Digital NotchFilter Using Simulation. International Journal of Advanced Research inArtifical Intelligence, Vol.2. No.8.
Lutfianto, A. Rochmad, M., Puspita, E., Rokhana, R., 2011, Rancang BangunPembangkit Sinyal EKG Portable, Jurusan Teknik elektronika.Politeknik Elektronika Negeri Surabaya, Surabaya
Malmivuo, J. and Plonsey, R, 1995, Principles and Application of Bioelectric andBiomagnetic Fields, Oxford University Press, Oxford, UKhttp://butler.cc.tut.fi/~malmivuo/bem/index.htm)
MandelBroth, B.B., 1992, The Fractal Geometry of Nature, W.H. FreemanCompany.
Marpaung, D.R.A., 2014, Analisis Sinyal EKG Menggunakan TransformasiWavelet, Universitas Gajah Madha, Yogyakarta.
Mujiono, 2002, Tentang Fraktal Harian Umum Kompas, Tanggal 10 Mei 2002,Online. www. Kompas.com/kompas_cetak/0205/10/Iptek/ Tent 34.htm [diakses tanggal 15 Oktober 2006] .
Mulyadi, I., Isnanto, R. R., dan Hidayatno, A., 2013, Sistem Identifikasi TelapakTangan Menggunakan Ekstraksi Ciri Berbasis Dimensi Fraktal,Universitas Diponegoro.
Nazmah, A., 2011, Cara belajar dan Sistematis Belajar Membaca EKGCetakan Pertama, Jakarta: P.T Gramedia
Prasojo, I., dan Dewi, S.K., 2013, Diagnosis EKG dengan Sistem Pakar denganMenggunakan K-NN, Universitas Islam Indonesia, Yogyakarta.
Putra, K.G.D., 2009, Sistem Verivikasi Biometrika Telapak Tangan denganMetode Dimensi Fraktal dan Lacunarity, Fakultas Teknik UniversitasUdayana, Vol. No.2.
Raghavendra, and Dutt, D.N., 2010, Computing Fractal Dimension of SignalsUsing Multiresolution Box-Counting Method, World Academy ofScience, Engineering and Technology.
Ratri, A. A., 2014, Aplikasi Dimensi Fraktal Pada Bidang Biosains, JurusanMatematika FMIPA Universitas Jember.
Rawers J. dan Tylczak J. 1999, Fractal characterization of wear-erosion surfaces,Journal of Materials Engineering and Performance, Vol. 8, No.6,1999,pp. 669-676.
Risnasari, M., 2014, Penekanan Noise pada Sinyal EKG MenggunakanTransformasi Wavelet, Universitas Trunojoyo Maduri Bangkalan,Indonesia.
Rizal, A., dan Suryani, V., 2008, Pengenalan Sinyal EKG MenggunakanDekomposisi Paket Wavelet dan K-Means-Clustering, InstitutTeknologi Telkom, Yogyakarta.
Rohmaisa, F., Rahmawati, E., dan Sucahyo, I., 2015, Rancang Bangun AlatElektrokardiograf Lead 1 Berbasis Souncard pada Komputer, JurusanFisika FMIPA UNESA Vol.04 , No.03, Hal 95-100.
Sayekti, S.I. dan Amiuza, C.B., 2014, Geometri Fraktal pada Candi Singosarisebagai Konsep Desain Musium Purbakala Singasari, JurusanArsitektur Fakultas Teknik Universitas Brawijaya.
Spiegel, M. R. dan Stephens, L.J., 2007, Statistika Edisi 3, Erlangga, Jakarta.
Sugiharto, A., 2006, Pemrograman GUI dengan Matlab, Penerbit Andi,Yogyakarta.
Thaler, M. S., 2000, Satu-satunya buku EKG yang anda perlukan / Malcolm SThaler ;Alih bahasa, Samik Wahab.- Ed.2 - .Hipokrates, Jakarta.
Verma, A., Naina, dan Vinitha, Mrs.C.S., 2013, Algorithm for Desain of DigitalNotch Filter Using Simulation, International Journal of AdvancedResearch in Artifical Intelligence, Vol.2 No.8
Wijaya M. dan Prijono A., 2007, Pengolahan Citra Digital menggunakanMATLAB, Informatika Bandung.
Yasak, A. dan Arifin, A., 2012, Ekstraksi Parameter Temporal Sinyal ECGMenggunakan Difference Operation Method, Institut TeknologiSepuluh Nopember, Surabaya.