Klasifikasi dan Pengenalan Pola pada Sinyal EKG Berdasarkan Sifat Keacakan (Entropy) dengan 6 Channel Jaenal Arifin1, Oyas Wahyunggoro2, Rudy Hartanto3 Jurusan Teknik Elektro dan Teknologi Informasi Fakultas Teknik, Universitas Gadjah Mada Jl. Grafika No.2 Kampus UGM, Yogyakarta 5528 Indonesia 1
[email protected],
[email protected],
[email protected]
Abstrak—Kondisi detak jantung manusia dapat dipantau melalui EKG. Banyaknya pola rekaman EKG yang beragam merupakan persoalan tersendiri dalam penafsiran kondisi jantung seseorang. Dalam penelitian ini menjelaskan klasifikasi dan pengenalan pola pada sinyal elektrokardiograf (EKG) berdasarkan sifat keacakan (entropy) dengan 6 channel. Perekaman sinyal EKG dilakukan berdasarkan nilai Low Pass Filter (LPF) nya yang telah diatur pada saat melakukan pengukuran yaitu 40 LPF, 100 LPF dan 150 LPF. Selanjutnya mengamati perlakuan kondisi EKG seseorang dengan perlakuan kondisi perasaan senang, tenang atau relax, stress dengan beban kerja kantor dan kondisi setelah seseorang melakukan aktivitas lari kecil. Hasil penelitian menunjukkan bahwa nilai entropy pada masing-masing orang memiliki nilai entropy yang berbeda-beda. Kata kunci : Sinyal EKG, Low Past Filter (LPF), Entropy.
I.
PENDAHULUAN
Sinyal elektrokardiografi (EKG) adalah sinyal yang dihasilkan dari irama denyut jantung secara terus menerus. Mekanisme sederhana dari alat ini adalah mengukur potensial listrik sebagai fungsi waktu yang dihasilkan oleh jantung. Potensial listrik tersebut dihasilkan dengan pemicu denyut jantung yang dapat merubah sistem kelistrikan jantung. Perbedaan potensial tersebut kemudian divisualisasikan sebagai sinyal pada layar monitor atau pada kertas perekam [1]. Jantung adalah salah satu organ penting dalam tubuh manusia yang berfungsi memompa darah ke seluruh tubuh. Darah yang dipompa ke seluruh tubuh melalui sistem peredaran darah mengangkut zat-zat yang sangat dibutuhkan untuk kelangsungan hidup sel-sel tubuh. Sebaliknya, darah juga membawa zat-zat yang tidak berguna lagi bagi sel untuk dibuang keluar tubuh [2]. Tubuh manusia juga merupakan sebuah konduktor yang baik, maka implus yang dibentuk oleh jantung dapat menjalar ke seluruh tubuh, sehingga potensial bioelektrik yang dipancarkan oleh jantung dapat diukur melalui elektroda-elektroda yang diletakkan pada berbagai posisi dipermukaan tubuh [2]. Tujuan dari penelitian ini adalah menerapkan teknik pengklasifikasi dan pengenalan pola pada sinyal EKG berdasarkan sifat keacakan (Entropy) pada citra, hasil dari pengukuran sinyal EKG yang telah dilakukan serta dapat melihat perbedaan nilai secara kuantitatif pada perekaman sinyal EKG dengan melihat nilai entropynya.
II.
LITERATUR REVIEW
Elektrokardigraf adalah alat medis yang digunakan untuk merekam beda potensial biomedik dipermukaan kulit yang dibangkitkan jantung dengan memasang elektroda rekam (Ag/AgCl) pada tempat tertentu dipermukaan tubuh. Berikut gambar aktivitas listrik jantung [1].
Gambar 1. Denyutan jantung hasil dari EKG [1].
Sinyal elektrokardiografi (EKG) mempunyai bentuk spesifik sehingga dapat dijadikan sebagai acuan untuk menentukan kondisi jantung manusia. Sinyal EKG direkam menggunakan perangkat elektrokardiograf. Sebuah sinyal EKG mempunyai bentuk seperti pada gambar 2.
Gambar 2. Gelombang EKG [3]
Gelombang P menunjukkan depolarisasi atrial yang dipicu oleh node SA, segmen PR menunjukkan berhentinya implus pada AV node, gelombang QRS menunjukkan depolarisasi ventrikel, segmen ST menunjukkan tidak adanya implus disebabkan adanya periode refrakter di sel miokardium dan gelombang T menunjukkan repolarisasi. Menurut Tompkins [4] gelombang EKG normal memiliki ciri-ciri sebagaimana ditunjukkan pada tabel 1.
TABEL I. Parameter Electrocardiogram Gelombang EKG P Q R T
Amplitude < 0.3 1.6 – 3mV 25% dari R 0.1 – 0.5 mV
EKG Interval P-R Q-T S-T Q-R-S
Durasi 0.12 – 0.20 detik 0.35 – 0.44 detik 0.05 – 0.15 detik 0.06 – 0.10 detik
Interval antara R-R menandakan periode dari detak jantung yang dapat dikonversikan menjadi Heart Rate (H) 𝟔𝟎𝟎𝟎 𝐇= 𝐛𝐩𝐦 (1) 𝐑−𝐑 R – R = adalah interval antara sinyal R dengan sinyal R yang diukur dalam milidetik. Interval R-R relatif konstan dari detak ke detak. Dalam pengambilan sinyal electrocardiogram terdapat berbagai metode yang bisa dilakukan yaitu [3] : - Standard klinik EKG Menggunakan 10 elektroda yang digunakan untuk menganalisis kondisi kesehatan jantung pasien. - Vectorcardiogram Pemodelan potensial tubuh sebagai vektor 3 dimensi dengan menggunakan sadapan bipolar Einthoven. Pengambilan sinyal jantung melalui 3 titik tertentu pada tubuh. - Monitoring EKG Menggunakan 1 atau 2 elektroda yang ditempelkan pada titik tertentu yang digunakan untuk memantau kondisi kesehatan jantung pasien dalam jangka waktu yang panjang. Wiens Stefan dkk, [5] mengutarakan bahwa adanya pengaruh kondisi emosi seseorang terhadap detak jantungnya, dalam penelitiannya dilakukan terhadap 52 mahasiswa sebagai subjek atau sample (19 laki-laki, 33 perempuan) melakukan deteksi detak jantung dan dengan mengklasifikasikan baik (n = 9) dan buruk (n = 43) dengan deteksi denyut jantung. Subyek kemudian diberikan dengan dua sensor berupa elektroda, masingmasing menargetkan satu dari tiga valensi emosional yang berbeda (senang, marah, takut). Subjek melaporkan bahwa adanya tanggapan efektif dari mereka untuk klip di 9-point (skala) menunjukkan kecenderungan/intensitas dan ketagihan (menunjukkan rasa keenakan). Wiens Stefan dkk juga mengutarakan bahwa detektor yang baik dapat memberikan laporan atau report emosi lebih intens dari pada detektor yang buruk di ketiga valensi emosional yang dimaksud, namun tidak ada perbedaan ditemukan pada peringkat ketagihan antara kelompok. Hasil ini menunjukkan bahwa persepsi viseral berperan dalam pengalaman intensitas emosi. Dalam penelitiannya Stefan Koelsch [6] mengutarakan bahwa detak jantung dapat memberi petunjuk dari sifat kepribadian seseorang. Pada penelitian yang telah dilakukan dapat dimungkinkan bahwa dengan sinyal elektrokardigraf (EKG) dapat mengetahui emosi seseorang. Dalam ilmu kardiologi [1] (ilmu yang mempelajari tentang jantung) dikenal dengan 12 sadapan EKG standar, yaitu : - Tiga (3) sadapan bipolar Einthoven (I,II,III). - Tiga (3) sadapan unipolar (aVR, aVL, aVF).
Enam (6) sadapan prekordial (VI – V6). Dalam perekaman sinyal EKG yang dilakukan menggunakan 6 Channel dengan perlakuan kondisi manusia yang berbeda - beda. Kondisi tersebut adalah perasaan senang, tenang atau rilex, stress dengan beban kerja dikantor dan kondisi setelah seseorang melakukan aktivitas lari kecil. Dari 6 Channel tersebut diamati yaitu pada masing-masing channel dengan memberikan nilai Low Pass Filter (LPF) yang berbeda, yaitu 40 LPF, 100 LPF dan 150 LPF [7]. Perancangan pengukuran Elektrokardiograf dalam penelitian ini ditunjukkan pada gambar 3. -
Mulai
Pengukuran EKG (6 Channel)
Perangkat EKG 2000
Komunikasi serial RS 232 To USB
PC (Personal Computer) atau Laptop
Selesai Gambar 3. Perancangan sistem elektrokardiograf
Dalam proses pengukuran EKG dapat dimungkinkan adanya beberapa gangguan diantaranya gangguan dari sinyal listrik (AC), pergerakan yang dilakukan pada saat subjek bernafas dalam kondisi pengukuran dan adanya kontraksi otot serta organ-organ internal dari subjek saat dilakukan pengukuran. III. METODOLOGI PENELITIAN Metodologi yang digunakan dalam penelitian ini ditunjukkan pada gambar 4.
Gambar 4. Penerapan Sistem Klasifikasi pola sinyal EKG.
A. Klasifikasi pola citra berdasarkan sifat keacakan [8]. Sebuah citra digital biasanya merupakan hasil dari suatu proses diskritisasi (sampling) fungsi citra kontinu, I (x, y), dan disimpan di komputer sebagai array dua dimensi, I (m, n), dengan m = 0 1, ..., Nx-1 dan n = 0, 1, ..., Ny - 1 yaitu, akan disimpan sebagai sebuah array (Nx * Ny). Pembangkitan ciri suatu citra digital dapat berdasarkan sifat keacakan suatu citra. Sifat keacakan sangat berkaitan erat dengan nilai informasi suatu citra. Oleh karena itu klasifikasi pola dapat dilakukan dengan berbasis pada informasi yang diperoleh berdasarkan sifat keacakan ini. Parameter untuk menyatakan sifat keacakan isyarat dapat dituangkan dalam ENTROPY. Menurut Shannon [8][9], definisi dari entropy secara matematis adalah N
1 H pi log pi i 0
(2)
Dimana H adalah entropy dan pi adalah nilai probabilitas kejadian i. Disini entropy di definisikan sebagai rerata informasi yang diperoleh. Untuk data digital dengan bitbit biner digunakan log dengan bilangan dasar 2. Tujuan pada penelitian ini adalah menerapkan teknik pengklasifikasi pola sinyal EKG berdasarkan sifat keacakan menggunakan nilai entropy hasil perhitungan pada citra dengan pengukuran sinyal EKG yang telah dilakukan. B. Gambaran penelitian Proses akuisisi citra pola sinyal EKG diawali dengan pengambilan citra sinyal EKG yang diperoleh dari hasil pengukuran. Misalnya sampel pola sinyal EKG ditetapkan berukuran persegi panjang dengan ukuran 100x120 piksel. Setelah dilakukan proses pengambilan data selanjutnya sampel pola sinyal EKG di-scan sehingga menghasilkan file citra dalam format tif, dalam percobaan ini image-scanner mengambil citra dengan jenis true-color dengan kualitas foto (24bit) dengan resolusi 300 dpi. Berikut gambaran penelitian seperti ditunjukkan pada gambar 5.
Matlab. Sebagai langkah awal dilakukan konversi citra true-color ke binary dari citra asli dengan resolusi 629 x 91. Dari eksperimen ini didapatkan citra seperti ditunjukkan pada gambar 6.
(a).
(b)
Gambar 6. Proses konversi citra true-color (a) ke binary (b) [10]
III.
HASL DAN ANALISIS
Dari pengukuran yang telah dilakukan dan menghitung nilai entropy pada masing – masing Channel (Ch) didapatkan tabel hasil pengukuran sebagai berikut. TABEL II Pengukuran Sinyal EKG pada 40 LPF Kondisi yang diamati Perasaan senang Kondisi santai Stress dengan beban kerja kantor Kondisi setelah aktivitas lari kecil
Ch.1
Ch.2
Ch.3
Ch.4
Ch.5
Ch.6
0.2684
0.3306
0.3300
0.3483
0.2674
0.3440
0.3760
0.34306
0.3374
0.3680
0.3474
0.3440
0.4100
0.3436
0.2936
0.4220
0.2334
0.2220
0.2684
0.2601
0.2763
0.2576
0.2876
0.2700
Dari tabel 2 untuk pengukuran sinyal EKG pada filter 40 LPF mengandung maksud adalah untuk filter dengan frekuensi 40Hz ini akan menghilangkan sinyal yang berfrekuensi lebih dari 40 Hz sehingga berpengaruh terhadap nilai entropy dari masing – masing kondisi yang diamati. Hasil yang didapatkan pada tabel di atas merupakan informasi dari sinyal EKG yang berupa citra medis. Adapun nilai keacakan yang diperoleh merupakan gambaran dari aktivitas yang diamati.
Gambar 5. Gambaran penelitian
Pada penerapan klasifikasi dan pengenalan pola sinyal EKG berdasarkan Entropy ini menentukan pola citra yang akan diidentifikasi dan diklasifikasi. Citra pola sinyal EKG diubah terlebih dahulu menjadi citra biner dari sebelumnya yang merupakan citra true color, perubahan ini mempunyai tujuan mempermudah dalam pengolahan pola citra dalam bentuk biner ( 0 dan 1). Pada konversi ini dilakukan dengan menggunakan perangkat lunak
Gambar 7. Sebaran nilai entropy pada 40 Low Pass Filter (LPF)
Pada gambar 7 terlihat bahwa nilai entropy pada channel 5 sebesar 0.2220 dan channel 6 sebesar 0.2334, nilai ini merupakan nilai terendah jika dibandingkan dengan channel lainya dan terletak pada kondisi stress dengan beban kerja kantor. Sedangkan untuk nilai entropy
tertinggi pada channel 1 sebesar 0.4100 dan channel 4 sebesar 0.4220, nilai ini terletak pada kondisi stress dengan beban kantor. TABEL III Pengukuran Sinyal EKG pada 100 LPF Kondisi yang diamati Perasaan senang Kondisi santai Stress dengan beban kerja kantor Kondisi setelah aktivitas lari kecil
Ch.1
Ch.2
Ch.3
Ch.4
Ch.5
Ch.6
0.3917
0.3402
0.3410
0.3454
0.3928
0.3503
0.3953
0.3551
0.3297
0.3664
0.3563
0.3989
0.4135
0.3843
0.3001
0.3992
0.4302
0.4223
0.3925
0.3610
0.3472
0.3622
0.3720
0.3989
Dari tabel 3 untuk pengukuran sinyal EKG pada filter 100 LPF mengandung maksud adalah untuk filter dengan frekuensi 100Hz ini akan menghilangkan sinyal yang berfrekuensi lebih dari 100 Hz. Hasil yang didapatkan pada tabel 3 merupakan nilai keragaman/keacakan berdasarkan dari nilai entropy dengan 6 channel.
Gambar.8 Sebaran nilai Entropy pada 100 Low Pass Filter (LPF)
Pada gambar 8 terlihat bahwa nilai entropy pada channel 6 sebesar 0.4223 dan channel 5 sebesar 0.4302, nilai ini merupakan nilai tertinggi jika dibandingkan dengan channel lainya dan ini terletak pada kondisi stress dengan beban kerja kantor. Sedangkan untuk nilai entropy terendah pada channel 3 sebesar 0.3001 terletak pada kondisi stress dengan beban kerja kantor dan pada channel 3 sebesar 0.3297, ini terletak pada kondisi santai. TABEL IV Pengukuran Sinyal EKG pada 150 LPF Kondisi yang diamati Perasaan senang Kondisi santai Stress dengan beban kerja kantor Kondisi setelah aktivitas lari kecil
Ch.1
Ch.2
Ch.3
Ch.4
Ch.5
Ch.6
0.3565
0.3123
0.3141
0.3221
0.4023
0.4769
0.3881
0.3582
0.3006
0.3566
0.3980
0.3001
0.4088
0.3723
0.3039
0.3832
0.4022
0.4564
0.3364
0.3537
0.3034
0.3523
0.3121
0.3232
Dari tabel 4 untuk pengukuran sinyal EKG pada filter 150 LPF mengandung maksud adalah untuk filter dengan frekuensi 150Hz ini akan menghilangkan sinyal yang berfrekuensi lebih dari 150 Hz. Untuk pengaturan filter Low pass filter (LPF) pada perangkat ekg ini (EKG 2000) sangat disarankan pemilihan/diatur frekuensinya 150Hz [7].
Gambar.9 Sebaran nilai entropy pada 150 Low Pass Filter (LPF)
Dari gambar 9 dapat dilihat bahwa grafik yang menunjukkan nilai entropy pada channel 3 pada kondisi santai sebesar 0.3006 dan pada channel 3 pada kondisi setelah aktivitas lari kecil sebesar 0.3034, nilai ini merupakan nilai terendah dibandingkan dengan nilai pada channel lainya. Sedangkan nilai entropy tertinggi pada channel 6 pada kondisi senang sebesar 0.4769 dan pada channel 6 pada kondisi stress beban kantor sebesar 0.4564. Sinyal electrocardiogram merupakan sinyal yang mempunyai bentuk spesifik sehingga dapat dijadikan sebagai acuan atau parameter untuk menentukan kondisi jantung manusia dengan mempelajari polanya, pola ini bisa diambil dari gelombang P-Q-R-S-T, Heart rate, PR interval, QRS durasi, atau R-R intervalnya. EKG 2000 ini merupakan seperangkat EKG yang dapat melakukan pengukuran dari perekaman gelombang EKG. EKG ini dilengkapi dengan data-data pasien atau subjek yang hendak diukur, pengukuran berguna untuk diagnosis subjek atau pasien dan auto – analisis hasil dari pengukuran yang telah dilakukan. Pada hasil tabel dan gambar diperlihatkan bahwa nilai entropy dari masing – masing pola sinyal EKG di setiap channel 1,2,3,4,5 dan 6 memiliki nilai yang berbedabeda. Untuk kondisi stress beban kerja kantor memiliki nilai tertinggi pada channel 1 dan 4 pada nilai 40 LPF, pada 100 LPF nilai tertinggi di channel 5 dan 6 ini terlihat pada kondisi stress beban kerja kantor, sedangkan pada 150 LPF nilai tertinggi pada channel 6 dikondisi stress beban kerja kantor dan pada channel 6 pada kondisi senang. Untuk pengembangan ke depan nilai entropy pada masing – masing channel dapat digunakan sebagai ciri utama maupun ciri pendukung dalam aplikasi sistem klasifikasi pola sinyal EKG yang lebih kompleks.
IV.
KESIMPULAN
1. Nilai entropy tertinggi pada kondisi stress dengan beban kerja kantor yaitu 0.4220 pada 40 LPF, 0.4302 pada 100 LPF dan 0.4769 pada kondisi senang dengan 150 LPF. 2. Dari ke empat kondisi yang diamati, stress dengan beban kerja kantor mempunyai nilai entropy tertinggi pada pengaturan Low Pass filter (LPF), 40 LPF dan 100 LPF. 3. Berdasarkan penelitian yang telah dilakukan diperoleh bahwa adanya perbedaan secara kuantitatif pada perekaman sinyal EKG, ini bisa dilihat dari nilai entropy pada masing-masing channel. DFTAR PUSTAKA [1] [2]
L. Ismudiarti, Buku Ajar Kardiologi, FKUI. 1998. Wulansari Dwi Ratih, “Sistem Pemantauan Kesehatan Manusia Berbasis Jaringan Sensor Nirkabel,” Institut Teknologi Sepuluh Nopember, 2010. [3] S. Budi, “Ekstraksi dan klarifikasi isyarat EKG berbasis transformasi wavelet dan jaringan neural vackpropagation,” Universitas Gadjah Mada, 2012. [4] W. J. Tompkins, Biomedical Signal Processing, Prentice H. New Jersey, 1993. [5] S. Wiens, E. S. Mezzacappa, and E. S. Katkin, “Heartbeat detection and the experience of emotions,” Cognition and Emotion, vol. 14, no. 3, pp. 417–427, May 2000. [6] K. Stefan, “Heartbents Hint at Personality Traints.” [Online]. Available: http://www.myhealthnewsdaily.com. [Accessed: 03Jul-2012]. [7] B. Indonesia, “Operational manual EKG2000,” . [8] I. Susanti, “Hand Out Teknik Klasifikasi dan Pengenalan Pola: Klasifikasi Pengenalan Pola Berdasarkan Sifat Keacakan,” Yogyakarta, 2012. [9] “Shannon entropy,” pp. 51–58. [10] R. C. Gonzales, Digital Image Processing Using Matlab. NewJersey: Pearson Prentice hall.
