Denoising merupakan metode untuk menghilangkan noise pada sinyal EKG. Noise yang terdapat pada sinyal EKG tersebar pada rentang yang sama dengan frekuensi yang sama dengan sinyal EKG, sehingga metode filter biasa tidak dapat menghilangkan noise tersebut[2].
Dalam ujicoba denoising pada tugas akhir ini, penulis menggunakan suatu perbandingan metode antara adaptive filter dan discrete wavelet transform (DWT). Dimana metode DWT melakukan denoising sinyal dengan menggunakan beberapa metode basis wavelet seperti Haar, Debuchies, Symlet dan Bior dan thresholding dengan metode soft atau hard thresholding. Sedangkan untuk adaptive filter sendiri dengan menggunakan metode KALMAN, Least Mean Square (LMS), dan Recursive Least Square (RLS). Ujicoba dilakukan dengan memberikan 4 noise yang berbeda yaitu Additive White Gaussian Noise (AWGN), MUSCLE ARTIFACT (MA), ELEKTRODE MOTION ( EMM ) dan BASELINE WANDER ( BW ) untuk masing masing metode DWT dan adaptive filter.
Berdasarkan hasil pengujian, denoising terbaik yang dilakukan oleh metode Discrete Wavelet Transform untuk Additive White Gaussian Noise ( AWGN ) adalah dengan Basis Wavelet = DB 12 dengan Threshold Method = SURE dengan HARD THRESHOLD dan Level Dekomposisi = 2 dengan nilai MSE = 0.000498516 dan SNR = 28.12125292 dB. Sedangkan untuk denoising terbaik yang dilakukan oleh metode adaptive filter untuk Additive White Gaussian Noise ( AWGN ) adalah dengan metode LMS dengan nilai MSE = 0.000273995 dan SNR = 30.68395146 dB. Jika dibandingkan dari hasil diatas maka metode terbaik ditunjukkan oleh metode adaptive filter.
Kata kunci: Elektrokardiogram (EKG), Denoising, Discrete wavelet Transform (DWT), Adaptive Filter.