Tubuh manusia terdiri dari beberapa organ, salah satu organ yang berperan penting
adalah jantung. Jantung berfungsi untuk mengalirkan darah ke seluruh tubuh. Jantung rentan
dengan berbagai penyakit. Penyakit jantung merupakan penyakit berbahaya yang dapat
menyebabkan kematian. Sinyal pada jantung disebut dengan elektrokardiogram (EKG) yang
digunakan untuk mengetahui kondisi jantung.
EKG
dihasilkan
oleh
aktifitas
listrik
otot
jantung
.
Sinyal
EKG
terdiri
dari
gelombang
P,
kompleks
QRS,
dan
gelombang
T.
Dari
r
ekaman
EKG
ini,
dapat
diketahui
kondisi
jantung
manusia
dalam
keadaan
normal
atau
terdapat
gangguan.
Dalam penelitian ini dilakukan
suatu sistem pengenalan sinyal EKG menggunakan
metode transformasi
Continuo
u
s Wavelet Transform
(CWT) dan klasifikasi
K
Nearest
Neighbor
(k
NN)
. Transformasi CWT memiliki resolusi yang baik di domain waktu maupun
domain frekuensi sehingga karakteristik dari setiap pola sinyal suara jantung dapat diekstrak
lebih tepat. Hasil transformasi diambil cirinya menggunakan
Gra
y Leve
l Co
occurrence
Matrix
(GLCM)
. Hasil ekstraksi ciri
diklasifikasikan
menggunakan k
NN yang merupakan
metode klasifikasi berdasarkan jarak terdekat.
Klasifikasi dibagi ke dalam 6 kelas
yaitu
Normal Sinus Rhyth
m
(NSR),
Atrial Fibrilation
(AF),
Ventricular Ta
chicardia
(VT),
Ventricular Fibrilation
(VF),
Premature Ventricular Contractions
(PVC), dan
Paced
Rhythms.
Dari metode yang digunakan dalam sistem ini, akurasi yang dihasilkan menggunakan
metode pengukuran
Euclidean Distance
dengan nilai k = 1 sebesar 90%, k = 3 sebesar 85%, k
= 5 sebesar 86
,
67%, dan k = 7 sebesar 83
,
33% pada skala 128 dalam metode CWT serta pada
skala 256 di dapatkan akurasi dengan nilai nilai k =
1 sebesar 95%, k = 3 sebesar 88
,
33%, k =
5 sebesar 86
,
67%,
dan k = 7 sebesar 85%.
Penggunaan skala 256 memiliki akurasi yang lebih
baik dibandingkan skala 128.
Elektrokardiogram, Continuo u s Wavelet Transform , Gra y Level Co - occurrence Matrix , k - Nearest Neighbor