ABSTRAKSI: Jantung merupakan salah satu organ yang memiliki peranan terpenting dari tubuh manusia. Saat jantung bekerja memompa darah ke seluruh tubuh, jantung menghasilkan suatu sinyal elektrokardiogram (EKG) sebagai representasi perubahan pola kelistrikan jantung. Setiap sinyal EKG memiliki pola khusus yang menggambarkan kondisi jantung tersebut. Untuk saat ini proses pembacaan pola sinyal EKG masih sering dilakukan secara manual oleh tenaga medis. Oleh karena itu, dari tugas akhir ini diharapkan dapat menghasilkan suatu program yang mempermudah seseorang dalam proses pembacaan sinyal EKG sehingga kondisi jantung seseorang akan dapat diketahui dengan cepat dan akurat.
Tugas akhir ini menggunakan metode EMD (Emphirical Mode Decomposition). EMD memiliki cara kerja yaitu menguraikan sinyal asli menjadi dua bagian yaitu Independent Intrinsic Mode Function (IMF) dan komponen sisa. Proses penghitungannya yaitu dengan cara mengurangi jumlah sinyal yang diamati dengan mean (rata-rata) dari jumlah sinyal awal. Langkah penghitungan tersebut dilakukan berulang-ulang hingga didapatkan kondisi sinyal yang stabil (mendekati nol). Untuk klasifikasi kondisi jantung menggunakan metode Extreme Learning Machine (ELM). ELM merupakan jaringan syaraf tiruan feedforward dengan satu hidden layer atau lebih dikenal dengan istilah single hidden layer feedforward neural network (SLFN) yaitu dengan menemukan node yang memberikan nilai output maksimum, selanjutnya dapat menentukan hasil akhirnya
Hasil akhir dari tugas akhir ini adalah suatu program yang mampu mendeteksi kondisi jantung seseorang berdasarkan sinyal yang dihasilkan oleh EKG yang diolah menggunakan metode EMD. Dari 3 jenis data keadaan jantung yaitu Normal Sinus Rhytm (NSR), Atrial Fibrilation (AF), dan Congestive Heart Failure (CHF) didapatkan tingkat akurasi pengenalan sebesar 91,11 %. Oleh karena itu, metode ini cukup representatif untuk mengenali sinyal EKG yang diujicobakan.Kata Kunci : Elektrokardiogram (EKG), sinyal EKG, Empirical Mode Decomposition (EMD),ABSTRACT: Heart is one of organ that which is most important part of the body. When heart pumps bloods throughout the body, heart produces a signal electrocardiograph (ECG) as a representation of electrical pattern. Each ECG signal has a special pattern to describe the condition of heart. Now, the process of reading the ECG signal pattern still done by manually. Therefore, the final project is expected to produce a program that makes someone easy to read an ECG signal so that heart conditions will be known quick and accurate.
This final project use EMD method (Empirical Mode Decomposition) to know the characteristic of signal. The function of EMD which is to describes the original signal into two parts, which is Independent Intrinsic Mode Function (IMFs) and Residue Components. The counting process is by reduce the number of signals were observed with mean (average) of the original signal. Counting step is done repeatedly until the condition of the signal is stable. For heart classification conditions using Extreme Learning Machine (ELM). ELM is a feed forward neural network with one hidden layer or more recognized as a single hidden layer feed forward neural network (SLFN) by finding nodes that provide the maximum output value, so that can determine the outcome.
The end of the result from this final project is a program that can detect heart condition based on signal generated by ECG which is processed by use EMD method. Heart condition is divided into 3 class that are Normal Sinus Rhythm (NSR), Atrial Fibrilation (AF), and Congestive Heart Failure (CHF). The accuracy rate from this project is 91.11%. Therefore, this method is sufficiently representative to recognize the ECG signal.Keyword: Electrocardiogram (ECG), ECG signal, Empirical mode decomposition (EMD),