Sinyal Elektrokardiogram(EKG) merupakan sinyal listrik jantung yang menggambarkan akti?tas kerja jantung dalam tubuh. Dengan sinyal ini, dokter dapat mengetahui secara dini gejala penyakit jantung. Namun hasil dari pengukuran menggunakan EKG sering terdapat noise yang tidak diinginkan dan tidak dapat dihilangkan dengan metode ?lter sederhana. Pada penelitian sebelumnya telah banyak dilakukan denoising EKG dengan berbagai teknik, namun demikian pada kasus Kalman Filter belum ada penelitian yang menguji secara komperhensif kinerja dari teknik tersebut. Sehingga kinerja dari teknik tersebut patut dipertanyakan karena belum adanya validasi terdahap kinerja metode tersebut. Untuk menjawab persoalan tersebut, pada penelitian tugas akhir ini dilakukan validasi dengan menguji kinerja metode denoising Kalman Filter berdasarkan level noise yang berbeda. Validasi Kalman Filter dilakukan dengan menggunakan Matlab dengan metrics: Signal to Noise Ratio (SNR), Mean Square Error (MSE) dan Peak Signal to Noise Ratio (PSNR). Dalam pengujian, noise akan ditambahkan pada sinyal EKG sebelum menerapakan teknik denoising. Kemudian nilai SNR, PSNR dan MSE diperhitungkan pada sinyal hasil denoising. Penelitian ini telah berhasil menguji tiga metode pada empat jenis noise yaitu noise muscle artifac, baseline wander, electrode movement dan noise AWGN dengan intensitas noise yang berbeda. Kalman Filter menghasilkan performansi terbaik untuk tiga noise artifact, yaitu muscle artifact, baseline wander dan electrode movement serta noise AWGN. Kalman Filter memiliki ketahanan noise paling baik. Metode Kalman Filter paling jauh dapat mendenoise sinyal clean 122 dan 123 pada noise AWGN dengan intensitas noise sebesar 20 db. Metode Extended Kalman Filter memiliki ketahanan yang paling baik dari pada metode lainya pada sinyal clean 123 yang terpapar noise AWGN dengan intensitas 20 db. Metode Unscented Kalman Filter memiliki ketahanan yang paling baik pada sinyal clean 123 yang terpapar noise AWGN dengan intensitas 20 db.
Kata Kunci: EKG, Kalman Filter, Noise, Denoising, Signal Noise Ratio, Mean Square Error.