Elektrokardiogram (EKG) adalah suatu sinyal yang dihasilkan oleh aktivitas listrik otot jantung. Sinyal Elektrokardiogram adalah parameter utama untuk menentukan kondisi jantung manusia. Pengukuran menggunakan EKG dapat mendeteksi secara dini gejala penyakit jantung, sehingga dapat mengurangi angka kematian pasien jantung. Namun hasil pengukuran menggunakan EKG sering dipengaruhi oleh gangguan (noise). Noise tidak dapat dihilangkan dengan metode lter sederhana. Beberapa penelitian sebelumnya telah banyak dikembangkan teknik denoising EKG berbasis Empirical Mode
Decomposition (EMD), namun belum ada yang menguji dan membandingkan secara komperhensif kinerja dari metode EMD tersebut. Makalah tugas akhir ini akan menguji dan membandingan kinerja metode denoising pada Empirical Mode Decomposition (EMD) . Pengujian metode-metode tersebut menggunakan Matlab dengan metric: Mean Square Error (MSE), Mean Absolute Error (MAE) dan Signal to Noise Ratio (SNR). Dalam pengujian ini, Gaussian White noise, Noise Muscle artifac, Noise Electrode Movement, dan Noise Baseline wander akan ditambahkan pada sinyal EKG sebelum menerapakan
teknik denoising. Selanjutnya perhitungan nilai MSE, MAE dan SNR dilakukan pada sinyal hasil denoising. Penelitian ini telah berhasil menguji tiga metode thresholding pada empat jenis noise yang berbeda. Metode Hard thresholding memiliki performansi terbaik untuk semua jenis noise yaitu noise AWGN, muscle artifac, electrode movement, dan baseline wander. Untuk Additive White Gaussian Noise (AWGN) metode hard thresholding menghasilkan MSE, MAE dan SNR sebesar 0.1490, 0.2700, dan 9.8025 dB. Untuk noise muscle artifac,metode hard thresholding menghasilkan nilai MSE, MAE dan SNR berturut-turut adalah 0.0036, 0.0327 dan 41.1157 dB. Pada noise electrode movement metode hard thresholding menghasilkan MSE 0.0093, MAE 0.0366 dan SNR 30.7660 dB. Terakhir dan tidak kalah pentingnya, metode Hard thresholding ini menghasilkan MSE 0.0079, nilai MAE dan SNR berturut-turut adalah 0.0354 dan 28.4896 db pada noise baseline wander.