Pendahuluan

Extraction of Normal characteristics and Abnormal cardiac signals using methods of Sampling techniques

Ekstraksi Ciri Normal Dan Abnormal Sinyal Jantung Menggunakan Metode Teknik Sampling

Dimas Tri Anggara

dimasra129@gmail.com

Hindarto

hindarto@umsida.ac.id

Universitas Muhammadiyah Sidoarjo Prodi Informatika Indonesia Universitas Muhammadiyah Sidoarjo Prodi Informatika Indonesia 28 07 2020

Health is a serious issue facing the world today. Health problems are increasingly growing with changing times. One of them is the health of the heart, so we need a data that can monitor the condition of normalcy and abnormal heartbeat of a person with the method of sampling technique, heart rate and position of a person so that later in the event of health problems that are really worrying can be quickly resolved quickly integrated with of course sending information that can receive long distance and accurate. The data obtained will be entered into the matlab for data calculation and data processing, after that the data obtained will be calculated by the sampling technique method, where this technique can diagnose the normality and abnormality characteristics of the heart signal with a percentage of almost 99% where this research can replace diagnosis of heart signals medically and then the data is sent through matlab data collection communication and entered into the database of health agencies or hospitals and can be used as a reference for the first action before a medical action is performed.

Pendahuluan

Kesehatan adalah isu serius yang di hadapi dunia saat ini. Masalah kesehatan semakin hari semakin berkembang seiring perubahan jaman. Salah satunya adalah kesehatan Jantung, Dengan demikian dibutuhkan sebuah data yang dapat memonitoring kondisi kenormalan dan ketidaknormalan detak jantung seseorang tersebut dengan metode yaitu Teknik Sampling, denyut jantung dan posisi dari seseorang tersebut agar nantinya bila terjadi gangguan kesehatan yang benar-benar mengkhawatirkan dapat cepat teratasi secara terpadu dengan tentunya pengiriman informasi yang dapat menerima jarak jauh dan akurat. Data yang didapat akan diitputkan ke dalam matlab untuk proses penghitungan data dan pemrosesan data, setelah itu data yang didapat akan di hitung dengan metode teknik sampling, dimana teknik ini dapat mendiagnosa ciri kenormalan dan ketidaknormalan sinyal jantung dengan presentase hampir 99% dimana penelitian ini dapat menggantikan diagnose sinyal jantung secara medis dan selanjutnya data tersebut dikirim melalui komunikasi kumpulan data matlab dan masuk kedalam database instansi kesehatan ataupun rumah sakit dan ditampilkan berupa tampilan Aplikasi yang dapat diakses secara online maupun offline[1].

Sinyal Jantung merupakan suatu kumpulan data grafik ataupun data gelombang elektronik detak atau denyut jantung yang diperoleh dari alat yang disebut Elektrokardiogram (EKG). Sinyal ini berisi informasi mengenai aktivitas jantung yang ada dalam tubuh manusia. Dan data untuk sinyal jantung yang diinputkan dari beberapa rekaman suara jantung dikumpulkan dari berbagai lokasi di tubuh. Empat lokasi yang khas adalah daerah aorta, daerah pulmonik, daerah trikuspid dan daerah mitral, namun bisa menjadi satu dari sembilan lokasi berbeda. Teknik sampling merupakan teknik pengambilan sampel. Terdapat beberapa jenis teknik sampling yang dibisa digunakan untuk menentukan sampel pada suatu penelitian. Teknik sampling dikelompokkan menjadi dua yaitu Propabily Sampling dan Nonprobabily Sampling[2]

Metode Penelitian Kerangka Penelitian

Berikut ini Figure 1 kerangka penelitian yang digunakan dalam membangun sistem informasi iuran berbasis android.

Figure 1 Kerangka Kerja Penelitian

Berdasarkan gambar di atas, penelitian ini Pada pertama diawali dengan mempelajari beberapa teori yang berhubungan erat dengan konsep umum dan detail dari penelitian yaitu meliputi : Mempelajari teori dasar Sinyal EKG, Pengolahan Citra, dan Pengolahan Jaringan Syaraf Tiruan, Pengumpulan Sinyal EKG, mempelajari Sinyal EKG dengan Metode Teknik Sampling, merancang Aplikasi Pendeteksi Sinyal EKG (Perangkat lunak dibuat menggunakan Matlab), mengimplementasikan perangkat lunak pada data, menguji coba dan evaluasi perangkat lunak serta penyusunan laporan tesis[3].

Pemodelan Sistem

Berikut Figure 2 merupakan Bagan proses pengolahan sinyal EKG :

Figure 2 Bagan Proses Pengolahan Sinyal EKG dan Pengukuran Kemiripan Sinyal

Data sinyal EKG diperoleh dari physioNET yang berisi data dari jantung yang berupa rekaman suara yang bersumber dari beberapa kontributor diseluruh dunia. Dikumpulkan dari beberapa subyek sehat dan patologis pasien. Data ini salinan dari 300 catatan dari pelatian ditetapkan dan akan digunakan untuk memvalidasi entri sebelum mereka evaluasi di set tes.

Proses Ektraksi Menggunakan Teknik Sampling Figure 3 Metode Teknik sampling, (a) Sample Sinyal, (b) Sample Sub Sinyal, (c)Seleksi Fitur

Tahap ekstraksi fitur digunakan untuk memunculkan ciri sinyal dan untuk mengurangi dimensi sinyal. Metode teknik sampling Simple Random Sampling (SRS) digunakan untuk melakukan proses ekstraksi ciri sinyal EKG seperti pada Figure 3. Dalam penelitian ini terdapat 60 data file sinyal yang digunakan untuk tiap subjek, sehingga 60 x 3 = 180 data. Satu sinyal memempunyai 250 point data yang akan dibagi menjadi lima sub sinyal. Sehingga setiap sub sinyal mempunyai 50 point data. Dari subsinyal tersebut akan digunakan untuk mengekstraksi ciri dengan mencari nilai minimum, maksimum, rata – rata, median, mode, quartil pertama (Xq1), quartil kedua (Xq2), range dan standart deviasi. Sehingga akan didapat 9 x 5 sub sinyal = 45 fitur ekstraksi ciri untuk setiap denyut[4].

Tahap <italic id="_italic-16">Backpropagation</italic>

Pada lapisan keluaran, unit-unit lapisan keluaran memberikan tanggapan yang disebut sebagai keluaran jaringan. Ketika keluaran jaringan tidak sama dengan keluaran yang diharapkan maka keluaran akan mundur (backward) pada lapisan tersembunyi (hidden layer) diteruskan ke lapisan masukan (input layer). Oleh karena untuk memperbaiki bobot digunakan tahap Backpropagation dari error. Error diminimalkan dengan persamaan sebagai berikut :

dimana

n : jumlah sampel data

r : jumlah unit data

d_lk: output yang dikehendaki untuk sampel ke-l dan unit output ke-k

O_lk: output jaringan yang dikehendaki untuk sample ke-l dan unit output ke-k.

Pelatihan Standar Backpropagation

Pelatihan Backpropagation meliputi 3 fase. Fase pertama adalah fase maju. Pola masukan dihitung mulai dari layar masukan hingga layar keluaran menggunakan fungsi aktivasi yang ditentukan. Fase kedua adalah fase mundur. Selisih antara keluaran jaringan dengan target yang diinginkan merupakan kesalahan yang terjadi. Kesalahan tersebut dipropagasikan mundur, dimulai dari garis yang berhubungan langsung dengan unit-unit di layar keluaran. Fase ketiga adalah modifikasi bobot untuk menurunkan kesalahan yang terjadi[5].

Tahap Penurunan Nilai Error Backpropagation

Untuk mendapatkan nilai error seminimal mungkan terdapat dua tahapan penurunan error , diantaranya :

Pertama dengan membandingkan keluaran BP dan target. Nilai error digunakan untuk perbaikan tiap bobot sambungan. Error diminimalkan dengan persamaan berikut :

Dengan adalah laju pembelajaran (learning rate) yaitu paramater yang digunakan untuk kontrol kecepatan pada perubahan nilai bobor sambungan yang bernilai antara 0 dan 1.

Pada Lapisan Keluaran

Pada Lapisan Tersembunyi

Perbaikan bobot sambungan pada lapisan tersembunyo dilakukan dengan cara mirip seperti lapisan keluaran, tapi harga keluaran target tidak diketahui. Harga error (SEE) diketahui dengan hubungan nilai aktifasi pada lapisan tersembunyi dengan persamaan minimalisasi error. Bobot sambungan tersembunyi diperbaiki dengan menggunakan persamaan sebagai berikut :

Pemilihan Bobot dan Bias Awal

Nguyen dan Widrow (1990) mengusulkan cara membuat inisialisasi bobot dan bias ke unit tersembunyi sehingga menghasilkan iterasi lebih cepat.

Misal :

Algortima inisialisasi Nguyen Widrow adalah sebagai berikut :

Inisialisasi semua bobot (v_ji(lama)) dengan bilangan acak dalam interval [-0.5, 0.5]

Hitung =

Bobot yang dipakai sebagai inisialisasi = v_ji=

Bias yang dipakai sebagai inisialisasi = v_j0= bilangan acak antara –β dan β

Hasil Penelitian dan Pembahasan

Hasil dari penelitian ini berupa sebuah perangkat lunak untuk mengekstraksi ciri dari sinyal EKG untuk kenormalan dan ketidaknormalan sinyal jantung dengan menggunakan teknik sampling dan mengaplikasikan backpropagation untuk klasifikasi.

Halaman Utama

Pada Figure 4 ini merupakan halaman utama dari program yang berisi beberapa tombol untuk melakukan proses, akses untuk menampilkan sinyal EKG sebelum dan sesudah diekstaksi, tabel untuk menampilkan data dan edit untuk menampilkan data[6].

Figure 4 Halaman Utama

Push Button Load

Tampilan Figure 5 ini hasil proses tombol upload yang berfungsi untuk melakukan upload atau menampilkan sinyal EKG kedalam program

Figure 5 Push Button Load

Push Button Ekstraksi

Tampilan hasil dari proses tombol ekstraksi. Pertama sinyal EKG yang sudah di upload akan dibagi menjadi tiga sub sinyal untuk tiap kelas, kemudian diekstraksi ciri dengan mencari nilai Maksimum, minimum, median, modus, dan standart daviasi. Seperti Figure 6 dibawah ini :

Figure 6 Push Button Ekstraksi

Push Button Training

Pada push button training digunakan untuk melakukan proses backpropagation tahap training (pelatihan). Pada tahap ini inputan yang didapat dari proses ekstraksi akan dilatih untuk mendapatkan nilai error sesuai target dan mendapatkan nilai bias dan bobot yang tepat. Kemudian nilai bias dan bobot tersebut disimpan yang nantinya akan digunakan pada tahap testing (pengujian). Jika push button training dijalankan maka akan muncul Figure 7 proses tahap backpropagatin[7]

Figure 7 Push Button Training

Push Button Testing

Pada Figure 8 push button testing digunakan untuk melakukan proses backpropagation tahap testing (pengujian). Pada tahap ini backpro akan melakukan pengkelasan dengan menggunakan nilai bias dan bobot dari tahap training yang sudah tersimpan[8].

Figure 8 Push Button Testing

Dan di Figure 9 terdapat juga nilai akurasi yang otomatis keluar ketika tahap testing telah dilakukan.

Figure 9 Nilai Akurasi Tahap Testing

Kesimpulan

Metode teknik sampling dengan mencari nilai maksimum, nilai minimum, nilai median, nilai standart daviasi dapat digunakan untuk mengekstraski ciri sinyal Jantung (EKG) normal dan tidak normal. Penelitian menggunakan metode Teknik Sampling dan Backpropogation sebagai klasifikasinya.. Pada tahap pelatihan (training) menggunakan 80 data set dari masing-masing Set A dan Set E , sedangkan pada tahap pengujian (testing) menggunakan 100 data set. Penelitian ini menggunakan metode back- propogation (2-40-2) yaitu 2 input sinyal EKG, satu hidden layer dengan 20 unit dan dua target epilepsi dan non epilepsi . dari pengujian data tersebut didapat nilai akurasi sebesar 100%.