ABSTRAKSI: Salah satu inovasi di dunia kedokteran adalah EKG (elektrokardiogram), yaitu rekaman informasi kondisi jantung yang diambil dengan memasang sejumlah elektroda (sadapan) pada badan. Sinyal ini direkam menggunakan perangkat elektrokardiograf. Penelitian yang dilakukan terhadap multi-sinyal EKG, yakni dua sadapan sinyal terukur (S1 dan S2) memiliki karakteristik sinyal yang bervariasi sebagai ciri. Kendala utama yang dihadapi adalah proses perolehan segmentasi sinyal dari rekaman sinyal EKG yang cukup panjang haruslah benar-benar mencirikan kelas kelainan sinyal EKG.
Pada tugas akhir ini, ekstraksi ciri dari sinyal EKG dilakukan dengan Wigner-Ville Distribution (WVD). Dari hasil transformasi ini diambil nilai-nilai statistika sebagai ciri, kemudian diklasifikasikan ke dalam empat kelas, yakni Normal Sinus Rythm (NSR), Arrhytmia (Ar), Atrial Fibrilation (AF), dan Congestif Heart Failure (CHF) dengan metode K-Nearest Neighbourhood (K-NN) menggunakan perhitungan jarak berdasarkan kosinus sudut (Cosine) dan k=2.
Pengolahan sinyal masukan berdasarkan dua skema, pertama sinyal S1 dan S2 diekstraksi secara terpisah kemudian hasil transformasinya digabungkan sebagai ciri. Skema kedua dengan menggabungkan sinyal S1 dan S2 terlebih dahulu kemudian barulah ditransformasi. Percobaan pada skema 1 memberikan akurasi keberhasilan sebesar 74,86% dan sensitivitas 94,06%. Sedangkan pada skema 2 memberikan akurasi keberhasilan sebesar 77,71% dan sensitivitas mencapai 96% untuk 350 data pengujian yang terdiri dari masing-masing 175 sinyal S1 dan S2.Kata Kunci : Elektrokardiogram, Wigner-Ville Distribution, K-Nearest Neighbourhood, ekstraksi, klasifikasi.ABSTRACT: One of innovation in medical world is ECG (electrocardiogram), that is record from information of heart condition taken with installing a number of electrode (lead) at human body. This signal is recorded by using an electrocardiograph. Research which has done to ECG multi-signal, that is two signal lead measured (S1 And S2) has characteristic signal which vary as characteristic. The major problem which has faced is process to get segmentation signal from record of ECG signal which enough length should be really distinguishing of disparity class from signal EKG.
At this assignment, characteristic extraction from ECG signal is done by Wigner-Ville Distribution (WVD). Result from the transformation is taken by statistical values as characteristic, then classified into four class as normal Sine Rhythm (NSR), Arrhythmia (Ar), Atria Fibrillation (AF), and Congestive Heart Failure (CHF) by using K-Nearest Neighborhood (K-NN) method which use the calculation distance according to angle cosine (Cosine) and k=2.
The input signal processing based on two scheme, first S1 and S2 signal extracted separately then result of the transformation joined as characteristic. Second scheme by joining signal S1 and S2 beforehand then transformed them. Attempt of scheme 1 giving efficacy accuration equal to 74,86% and sensitivity of 94,06%. While at scheme 2 giving efficacy accuration equal to 77,71% and sensitivity reach 96% of 350 examination data which consisted of each 175 signal S1 and S2.Keyword: Electrocardiogram, Wigner-Ville Distribution, K-Nearest Neighbourhood, extraction, classification.