ABSTRAKSI: Jantung memiliki peran yang sangat penting dalam kehidupan, sehingga jantung selalu dituntut dalam keadaan baik. Dalam dunia kedokteran alat untuk mendeteksi kondisi jantung disebut Elektrokardiogram (EKG) yang menghasilkan gelombang elektrokaradiograf sebagai representasi perubahan pola kelistrikan jantung. Gelombang EKG memiliki pola dan interval yang khusus untuk tiap kondisi jantung. Oleh karena itu, Pembacaan sinyal secara manual dapat diganti dengan memanfaatkan teori analisis sinyal untuk mendapatkan hasil pemeriksaan kondisi jantung seseorang yang akurat dan cepat
Dalam tugas akhir ini digunakan suatu perangkat lunak yang dapat mengenali pola gelombang elektrokardiogram dengan menggunakan dekomposisi wavelet 5 level sebagai ekstraksi ciri. Dengan Wavelet Daubechies2 (db2) sebagai mother wavelet. Dekomposisi wavelet membuat masing-masing sinyal menjadi unik terhadap sinyal lainnya sehingga mudah untuk dicirikan. Ekastraksi ciri yang dihasilkan oleh wavelet lalu dihitung nilai energinya melalui proses periodogram. Nilai energi Subband ini yang akan menjadi masukan untuk Support Vector Machine ( SVM ) yang berperan sebagai klasifier. Cara kerja SVM adalah dengan mencari bidang pemisah yang terbaik sehingga bisa mengurangi empirical risk dan mendapatkan generalisasi yang baik. Dari 5 jenis data keadaan jantung yaitu Normal Sinus Rhytm (NSR), Atrial Fibrilation (AF), Congestive Heart Failure (CHF), Supraventricular Arrhythmia (SA), Ventrycular Tachyarrhythmia (VT) didapatkan tingkat akurasi pengenalan sebesar 98,89 %. Oleh karena itu, metode ini cukup representatif untuk mengenali sinyal EKG yang diujicobakan.
Kata Kunci : Jantung, elektrokardiograf, dekomposisi wavelet, SVMABSTRACT: Heart has very important part in life, so that it should be in good condition, but sometimes we do not know exactly the condition of our heart. In medical, the instrument to detect heart condition is called Electrocardiograf (EKG). EKG can produce elektrokardiogram wave to represent heart electric pattern changes. Elektrokardiogram wave consists of complex QRS wave that represents condition of our heart – whether normal or not. This wave detection needs special ability to read it, while this QRS wave has specific pattern for each heart condition. Therefore, manual signal reading can be replaced by using signal analyze theorem to minimize error reading in order to get an accurate and fast data of heart condition.
In this final project, I made software that can detect electrocardiogram wave using wavelet decomposition and support vector machine (SVM). Wavelet decomposition make input signal to be unique – in form of energy – so that the signal can be categorized easier. Wavelet Daubecies2 as mother wavelet. While, svm is used to search the best separated layer so that it can decrease empirical risk and also can get a good generalization. Support vectort machine (SVM) was introduced first by Vapnik in 1992 as a harmonic series of best concept in pattern recognition. Until now, svm is the newest growing method and can produce good classification. From five heart condition datas – Normal Sinus Rhytm (NSR), Atrial Fibrilation (AF), Congestive Heart Failure (CHF), Supraventricular Arrhythmia (SA), Ventricular Tachyarrhythmia (VT), I got 98.89% of recognition accuracy. Therefore, this method is good enough as a representation in recognizing EKG signal samples.
Keyword: heart, electrocardiograf, wavelet decomposition, SVM