JURNAL TEKNIK POMITS Vol. 1, No. 1, (2012) 1-5
1
Rancang Bangun Sistem Monitoring RR Interval pada Data Elektrokardiogram Berbasis Metode First Derivative Based Technique (FDBT) untuk User Bergerak Arif Hidayah Rezaldy, Waskitho Wibisono, dan Henning Titi Ciptaningtyas Jurusan Teknik Informatika, Fakultas Teknologi Informasi, Institut Teknologi Sepuluh Nopember (ITS) Jl. Arief Rahman Hakim, Surabaya 60111 E-mail:
[email protected]
Abstrak—Elektrokardiogram (EKG) adalah suatu representasi dari kinerja detak jantung seseorang. Membaca hasil EKG dan menentukan adanya kelainan jantung tentu saja memerlukan keahlian khusus, contohnya dokter atau ahli medis. Untuk mempermudah pencegahan terhadap bahaya penyakit jantung, pada tugas akhir ini akan dibuat aplikasi mobile dengan sistem operasi Android untuk pemantauan EKG seorang pasien suatu rumah sakit. Aplikasi mobile ini dapat menentukan kondisi jantung pasien tersebut, apakah normal atau tidak, berdasarkan selisih RR Interval. Apabila ternyata RR Interval pasien tersebut tidak normal, maka aplikasi ini akan mengirimkan peringatan ke aplikasi web milik rumah sakit tersebut. Dalam mendeteksi normal-tidaknya EKG, aplikasi tugas akhir ini melakukan deteksi QRS Complex menggunakan metode yang sudah umum dipakai, yaitu metode First Derivative Based Technique (FDBT). Metode FDBT mencari 3 sample titik EKG berurutan yang masing-masing nilainya melebihi suatu nilai batas atas, diikuti dengan 2 sample titik berurutan yang masing-masing nilainya di bawah nilai batas bawah, dan jarak keduanya tidak boleh lebih dari suatu nilai batas jarak. Setelah ditemukan beberapa kandidat QRS Complex, proses selanjutnya adalah mencari titik R, yaitu nilai tertinggi dari QRS Complex. Dengan ditemukannya beberapa posisi titik R, maka pendeteksian RR Interval dapat dilakukan. Pendeteksian RR Interval sangat penting untuk pemantauan kesehatan, karena banyak penyakit jantung seperti takikardi, bradikardi, dan aritmia dapat didiagnosis melalui pembacaan RR Interval. Dengan menggunakan metode FDBT, dari 200 data yang diujikan, aplikasi tugas akhir ini mendapatkan nilai akurasi sebesar 83%.
kondisi jantung dari pasien [2]. Para dokter dan ahli medis ini melakukan pembacaan secara manual pada grafik EKG yang dihasilkan oleh elektrokardiograf. Adapun pembacaan EKG dan pengambilan keputusan kondisi jantung secara manual tentu saja membutuhkan waktu dan tenaga yang memadai, sedangkan di era modern seperti saat ini, kecepatan, ketepatan, dan kemudahan sangat diperlukan. Di sisi lain, beberapa tahun terakhir ini, teknologi informasi dan komunikasi mengalami perkembangan yang sangat signifikan dengan munculnya bermacam platform untuk perangkat mobile seperti Symbian, Java, dan Android. Meski tergolong baru, sistem operasi Android langsung mendapat banyak respon positif di masyarakat dikarenakan kemudahan penggunaan dan pengembangannya. Untuk mempermudah pencegahan terhadap bahaya penyakit jantung, pada tugas akhir ini akan dibuat aplikasi mobile dengan sistem operasi Android untuk pemantauan EKG seorang pasien suatu rumah sakit. Aplikasi ini dapat menentukan kondisi jantung pasien tersebut, apakah normal atau tidak. Apabila ternyata kondisi jantung pasien tersebut tidak normal, maka aplikasi ini akan mengirimkan peringatan ke aplikasi web milik rumah sakit tersebut.
Kata Kunci—aritmia, elektrokardiogram, fdbt, qrs complex, rr interval.
A. Gelombang Elektrokardiogram Secara individual, seperti pada Gambar 1 [3], grafik EKG diberi label P, Q, R, S, dan T untuk memudahkan pembacaan. • Gelombang P Terjadi saat denyutan/kontraksi pada atrium jantung. Gelombang ini relatif kecil karena otot atrium yang relatif tipis [3]. • Titik Q, R dan S atau biasa disebut QRS Complex Terjadi saat denyutan/kontraksi (listrik) pada ventrikel jantung. Karena otot ventrikel tebal, maka gelombang ini relatif besar [3]. • Gelombang T Relaksasi pada ventikel jantung [3]. Dalam pembahasan EKG, dikenal juga istilah RR Interval. RR Interval merupakan jarak waktu antara satu titik R dengan titik R setelahnya [3].
I. PENDAHULUAN
J
ANTUNG merupakan salah satu organ tubuh yang sangat penting. Jantung berupa rongga organ berotot, sekepalan tangan, yang memompa darah lewat pembuluh darah oleh kontraksi berirama yang berulang [1]. Adanya kelainan pada jantung dapat mengakibatkan kematian. Penemuan elektrokardiogram merupakan batu loncatan besar di bidang medis. Elektrokardiogram (EKG) adalah suatu representasi dari potensial listrik otot jantung yang didapat dengan menggunakan sebuah alat bernama elektrokardiograf. Kegiatan listrik jantung dalam tubuh dapat dicatat dan direkam melalui elektroda-elektroda yang dipasang pada permukaan tubuh. Kelainan tata listrik jantung akan menimbulkan kelainan gambar EKG, sehingga EKG ini digunakan oleh dokter atau ahli medis untuk menentukan
II. KAJIAN PUSTAKA
JURNAL TEKNIK POMITS Vol. 1, No. 1, (2012) 1-5
2 Detak jantung penderita aritmia yang terekam pada data EKG terlihat tidak teratur pada bagian RR Interval. Atas dasar inilah, pada tugas akhir ini digunakan data aritmia sebagai pembanding untuk data tidak normal. Contoh grafik aritmia dapat dilihat pada Gambar 3 [6].
Gambar 1. Grafik EKG Normal
Gambar 2. Contoh RR Interval
Pendeteksian RR Interval sangat penting untuk pemantauan kesehatan, karena banyak penyakit jantung seperti takikardi, bradikardi, dan aritmia dapat didiagnosis melalui pembacaan RR Interval [4]. Contoh RR Interval dapat dilihat pada Gambar 2 [3]. B. Dataset Dataset yang digunakan dalam tugas akhir ini merupakan representasi gelombang EKG dalam bentuk tabel, yang terdiri atas 2 kolom dan banyak baris. Kolom pertama berisi variabel waktu, dan kolom kedua berisi variabel tegangan. Dataset ini untuk selanjutnya akan disebut sebagai data. Ada dua jenis data yang dipakai, data normal dan data aritmia. Kedua data tersebut berisi titik-titik EKG sepanjang 60 detik. Rentang waktu antar titik sample EKG pada data normal sebesar 0,007 hingga 0,008 detik, sedangkan rentang waktu antar titik sample EKG pada data aritmia sebesar 0,002 hingga 0,003 detik. C. Aritmia Aritmia merupakan salah satu kelainan pada jantung yang berupa gangguan pada frekuensi, adanya ketidakteraturan, denyut atau konduksi impuls listrik pada jantung [5]. Aritmia
Gambar 3. Contoh Grafik Aritmia
D. Metode FDBT Pencarian RR Interval didahului dengan pencarian QRS Complex. Ada 3 metode yang umum digunakan untuk mencari QRS Complex, yaitu Amplitude Based Technique (ABT), First Derivative Based Technique (FDBT), dan Secondary Derivative Based Technique (SDBT) [4]. Aplikasi tugas akhir ini hanya menerapkan metode FDBT. (1) (2) (3) Anggap merupakan kumpulan sample titik EKG. Maka, prinsip pencarian QRS Complex menggunakan metode FDBT adalah dengan mencari 3 sample titik EKG berurutan yang masing-masing nilainya melebihi suatu nilai batas atas, seperti yang tertulis pada Persamaan (1). Diikuti dengan 2 sample titik berurutan yang masing-masing nilainya di bawah nilai batas bawah, seperti pada Persamaan (2). Dan jarak keduanya tidak boleh lebih dari nilai batas jarak, seperti pada Persamaan (3) [4]. E. Penentuan Titik R (4) Setelah ditemukan beberapa kandidat QRS Complex, proses selanjutnya adalah mencari titik R, yaitu nilai tertinggi dari QRS Complex [4], seperti yang tertulis pada Persamaan (4). Dengan ditemukannya beberapa posisi titik R, maka pendeteksian RR Interval dapat dilakukan. III. DESAIN SISTEM A. Deskripsi Umum Terdapat dua aplikasi yang termasuk di dalam kesatuan sistem pada tugas akhir ini, yaitu aplikasi mobile dan aplikasi web. Aplikasi mobile dalam tugas akhir ini dapat berjalan pada sistem operasi Android dengan versi minimal 2.2. Aplikasi ini dapat memproses data EKG seorang pasien, yang kemudian dari pemprosesan tersebut menghasilkan kesimpulan normaltidaknya jantung pasien tersebut. Data EKG yang diproses itu berupa file teks yang tersimpan di dalam kartu memori perangkat mobile. Apabila dari pemprosesan data EKG tersebut diketahui kondisi jantungnya tidak normal, maka aplikasi ini akan otomatis mengirim peringatan/notifikasi ke aplikasi web, yang kemudian akan menampilkan informasi dari pasien terkait. Sedangkan aplikasi web dalam tugas akhir ini dibuat dengan bahasa pemrograman PHP. Aplikasi ini hanya untuk melihat notifikasi yang dikirim dari aplikasi mobile saja.
JURNAL TEKNIK POMITS Vol. 1, No. 1, (2012) 1-5
3
B. Arsitektur Sistem
Gambar 4. Arsitektur Umum Sistem
Gambaran arsitektur umum sistem dapat dilihat pada Gambar 4. Alur kerja sistem dalam tugas akhir ini adalah sebagai berikut. 1. Aplikasi mobile meminta ID pasien dan file data EKG. 2. Aplikasi memproses data EKG yang telah dipilih sebelumnya menggunakan metode FDBT. 3. Aplikasi melakukan pengecekan, apabila hasil proses data EKG tersebut menyatakan normal, maka aplikasi tidak melakukan apa-apa. 4. Apabila hasil proses menyatakan tidak normal, maka aplikasi mobile mengirim notifikasi ke aplikasi web menggunakan JSONParser. 5. Aplikasi web menampilkan notifikasi yang didapat dari aplikasi mobile. Notifikasi yang ditampilkan berupa: a. Potongan grafik EKG yang terdeteksi tidak normal. Penggambaran grafik menggunakan pustaka JqPlot. b. Lokasi dari perangkat mobile saat mengirim notifikasi. Penggambaran lokasi menggunakan Google Map. C. Deskripsi Aplikasi Terdapat dua tipe pengguna sistem dalam tugas akhir ini, yaitu pihak pasien dan pihak rumah sakit. Pasien mengakses sistem menggunakan aplikasi mobile, sedangkan pihak rumah sakit mengakses sistem menggunakan aplikasi web. Masingmasing pengguna menjalankan usecase yang berbeda, sebagai berikut. 1. Memasukkan ID Pasien memasukkan nomor ID yang didapat sebelum bisa mengakses aplikasi mobile. Nomor ID ini nantinya untuk mempermudah proses menampilkan data pada aplikasi web. 2. Memilih dan memproses data EKG Pasien memilih data EKG yang terdapat pada kartu memori perangkat mobile, yang kemudian secara otomatis data tersebut akan diproses oleh sistem untuk dideteksi normaltidaknya. 3. Kirim notifikasi Pengiriman notifikasi akan otomatis dijalankan apabila data EKG yang dipilih terdeteksi tidak normal. 4. Melihat notifikasi Pihak rumah sakit dapat melihat notifikasi yang didapat dari aplikasi mobile. Data yang didapat dari aplikasi mobile tersebut ditampilkan dalam aplikasi web. 5. Melihat data RR tidak normal Pihak rumah sakit dapat melihat semua data RR Interval tidak normal milik seorang pasien.
IV. IMPLEMENTASI A. Penentuan Batas Rentang waktu yang ditempuh satu QRS Complex yaitu antara 0,07 detik hingga 0,12 detik [7]. Pada referensi [4] dan [7] didapatkan bahwa batas jarak terbaik adalah 10 sample titik atau 0,1 detik. Namun, dua jenis data yang digunakan dalam tugas akhir ini berbeda rentang waktu antar titiknya, sehingga batas jarak yang digunakan adalah 0,1 detik. Sedangkan dalam referensi [4] dan [8] didapatkan dua kombinasi batas atas dan batas bawah. 1. Batas atas = 0,1375 dan batas bawah = -0,2 2. Batas atas = 0,133 dan batas bawah = -0,2 Untuk menentukan kombinasi terbaik dalam menetukan QRS Complex, dilakukan percobaan terhadap QRS Complex dari data training. Hasil uji coba tersebut dapat dilihat pada Tabel 1. Tabel 1. Perbandingan Kombinasi 2 Batas
Batas atas
0,133
0,1375
Batas bawah
-0,2
-0,2
Akurasi (%)
94
96
Dari percobaan tersebut didapat bahwa kombinasi batas atas dan batas bawah terbaik adalah 0,1375 dan -0,2. Data-data di atas apabila dimasukkan ke dalam Persamaan (1), Persamaan (2), dan Persamaan (3) akan menghasilkan persamaan baru yang digunakan dalam tugas akhir ini, yaitu Persamaan (5), Persamaan (6), dan Persamaan (7). (5) (6) (7) B. Penentuan Batas RR Normal Untuk menentukan apakah suatu RR Interval itu normal atau tidak, diperlukan suatu batas. Batas RR ini nantinya sebagai pembanding untuk menentukan normal-tidaknya suatu RR Interval. Apabila selisih antar dua RR Interval lebih besar dari batas RR, maka RR Interval tersebut dinyatakan tidak normal. Untuk menentukan nilai batas RR dilakukan pencarian nilai selisih RR terbesar dari data training normal dan selisih RR terendah dari data training aritmia. Pencarian tersebut menghasilkan Tabel 2. Tabel 2. Selisih RR pada Data Normal (kiri) dan Aritmia (kanan)
normal1
Selisih RR (detik) 0,022
aritmia1
Selisih RR (detik) 0,451
normal2
0,034
aritmia2
0,3
normal3
0,351
aritmia3
0,339
normal4
0,089
aritmia4
0,349
...
...
...
...
Data EKG
Data EKG
JURNAL TEKNIK POMITS Vol. 1, No. 1, (2012) 1-5 Dari pencarian tersebut didapat dua kandidat batas RR, yaitu 0,351 dan 0,3. Dilakukan uji akurasi data training terhadap dua kandidat tersebut untuk menentukan batas RR yang akan digunakan. Tabel 3 merupakan hasil uji data training untuk dua kandidat batas RR. Tabel 3. Akurasi Kandidat Batas RR
Batas RR
Akurasi (%)
0,3
83
0,351
79
Dari uji data training tersebut didapatkan hasil akurasi terbaik menggunakan batas RR 0,3 detik. V. UJI COBA A. Uji Coba Fungsionalitas Uji coba fungsionalitas dilakukan untuk melihat apakah fungsi-fungsi sistem sudah berjalan sesuai dengan rancangan.
4 Gambar 6 adalah adalah tampilan peta saat menjalankan uji kapabilitas mobile. Tampilan fungsionalitas melihat semua data RR tidak normal berisi semua data RR Interval tidak normal serta lokasinya. B. Uji Coba Akurasi Deteksi Uji coba akurasi dilakukan berdasarkan pada empat kategori, yaitu True Positive, False Positive, True Negative, dan False Negative. Pada uji coba ini diketahui dua kondisi, yaitu positif dan negatif. • Positif, merupakan kondisi aritmia. • Negatif, merupakan kondisi normal. Kedua kondisi tersebut diujicobakan dalam keempat kategori di atas. 1. True Positive Data positif yang setelah diproses, sistem menyatakan positif. Atau dengan kata lain, jumlah data aritmia yang dinyatakan aritmia. 2. False Positive Data negatif yang setelah diproses, sistem menyatakan positif. Atau dengan kata lain, jumlah data normal yang dinyatakan aritmia. 3. True Negative Data negatif yang setelah diproses, sistem menyatakan negatif. Atau dengan kata lain, jumlah data normal yang dinyatakan normal. 4. False Negative Data positif yang setelah diproses, sistem menyatakan negatif. Atau dengan kata lain, jumlah data aritmia yang dinyatakan normal. Tabel 4. Perbandingan Data dengan Hasil Uji
Data
Gambar 5. Melihat Notifikasi pada Aplikasi Web
Gambar 5 merupakan tampilan notifikasi terakhir yang dikirim oleh aplikasi mobile. Terdapat data diri pasien yang terdeteksi RR Interval tidak normal, beserta potongan grafik EKG dan lokasi pasien tersebut.
Gambar 6. Uji User Bergerak
Sebelum melakukan uji fungsionalitas melihat semua data RR tidak normal, terlebih dahulu dilakukan uji user bergerak. Hal ini dilakukan untuk menguji kapabilitas aplikasi untuk melakukan monitoring RR Interval sambil bergerak (mobile).
Hasil
Jumlah
Aritmia
Normal
Aritmia
96
30
126
Normal
4
70
74
100
100
200
Jumlah
Tabel 4 merupakan hasil uji coba dari 200 data. Berikut penjelasannya: 1. True Positive, 96 dari 100 data aritmia dinyatakan aritmia. 2. False Positive, 30 dari 100 data normal dinyatakan aritmia. 3. True Negative, 70 dari 100 data normal dinyatakan normal. 4. False Negative, 4 dari 100 data aritmia dinyatakan normal. Perhitungan akurasi sistem dilakukan dengan dua cara, yaitu menghitung sensitivitas, spesifisitas, dan nilai akurasi secara keseluruhan. Sensitivitas adalah persentase kebenaran suatu hasil positif, sedangkan spesifisitas merupakan persentase kebenaran suatu hasil negatif [9]. Untuk selanjutnya, True Positive akan disingkat menjadi TP, False Positive menjadi FP, True Negative menjadi TN, dan False Negative menjadi FN. (8)
JURNAL TEKNIK POMITS Vol. 1, No. 1, (2012) 1-5
5 kuadratik terhadap ukuran data yang diproses.
(9) (10) Maka, apabila hasil uji coba dimasukkan ke dalam Persamaan (8), Persamaan (9), dan Persamaan (10): (11) (12)
UCAPAN TERIMA KASIH Penulis A.H.R. mengucapkan terima kasih kepada Tuhan Yang Maha Esa, kedua orangtua dan keluarga penulis, dosen pembimbing, kepala jurusan, beserta dosen dan staf Teknik Informatika, kerabat dekat, serta berbagai pihak yang telah membantu menyelesaikan tugas akhir ini.
(13) Berdasarkan hasil pada Persamaan (11), Persamaan (12), dan Persamaan (13), didapatkan hasil sensitivitas atau persentase kebenaran hasil positif sebesar 96%, spesifisitas atau persentase kebenaran hasil negatif sebesar 70%, dan nilai akurasi sebesar 83%. C. Uji Coba Kecepatan Proses Selain akurasi, dilakukan juga uji coba kecepatan proses. Tabel 5. Perbandingan Kecepatan dengan Ukuran File
Normal
Aritmia
Minimal
Ukuran (byte) 157.897
Maksimal
160.705
0:20
Rata-rata
159.613
0:09
Minimal
445.916
1:14
Maksimal
453.043
2:22
Rata-rata
451.294
1:32
Waktu 0:07
Dari Tabel 5 didapatkan hasil rata-rata waktu yang dibutuhkan sistem untuk memproses data normal adalah 9 detik dan data aritmia 1 menit 32 detik, dimana ukuran ratarata file data normal sebesar 159.613 byte dan data aritmia sebesar 451.294 byte. Running time yang dibutuhkan metode FDBT untuk bekerja merupakan persamaan kuadratik berpola an2 + bn + c. Sehingga dapat diambil kesimpulan bahwa kecepatan proses metode FDBT berbanding secara kuadratik terhadap jumlah record dan ukuran data yang diproses. VI. KESIMPULAN Dari hasil implementasi dan uji coba dapat diambil kesimpulan sebagai berikut. 1. Aplikasi mobile pada tugas akhir ini dapat melakukan deteksi data EKG tidak normal berdasarkan RR Interval menggunakan metode FDBT. 2. Aplikasi mobile pada tugas akhir ini dapat mengirim notifikasi ke aplikasi web menggunakan JSONParser. 3. Aplikasi web pada tugas akhir ini dapat menerima data notifikasi dan menampilkannya menggunakan pustaka JavaScript JqPlot. 4. Nilai akurasi metode FDBT yang digunakan pada sistem ini dalam mendeteksi data EKG sebesar 83%. 5. Kecepatan proses metode FDBT berbanding secara
DAFTAR PUSTAKA [1]
[2]
[3]
[4]
[5] [6] [7] [8]
[9]
Anonim. Pertolongan Pertama pada Serangan Jantung.
, diakses pada 25 April 2012. (6) Fakultas Kedokteran Universitas Andalas Padang. Gangguan Kardiovaskular. , diakses pada 25 April 2012. (7) Juliansyah, Rahmad Aswin. Belajar EKG. , diakses pada 26 April 2012. (8) Sufi, F., Fang, Q., & Cosic, I. (2007). ECG R-R Peak Detection on Mobile Phones. Proceedings of the 29th Annual International Conference of the IEEE EMBS, Lyon: RMIT University. (2) Pratanu, Sunoto (2000). Kursus Elektrokardiografi. Surabaya: PT Karya Pembina Swajaya. (1) National Institutes of Health. PhysioBank ATM. , diakses pada 2 April 2012. (10) Hamilton, Patrick S. (2002). Open Source ECG Analysis Software Documentation. Somerville: EP Limited. (17) Hamilton, Patrick S. & Tompkins, Willis J. (1986). Quantitative Investigation of QRS Detection Rules Using the MIT/BIH Arrhythmia Database. IEEE Transactions on Biomedical Engineering, Madison: University of Wisconsin. (16) Emory University. Sensitivity and Specificity. , diakses pada 12 Juni 2012. (12)
