ABSTRAKSI: EKG (elektrokardiogram) merupakan salah satu alat yang dapat mendeteksi kondisi kesehatan seseorang akibat aktivitas organ-organ bagian dalam tubuh. EKG tidak lain adalah suatu rekaman aktivitas kelistrikan jantung. Apabila terdapat gangguan pada pola-pola listrik yang normal maka dapat didiagnosis berbagai kelainan jantung.
Pada tugas akhir ini, sinyal EKG diekstraksi dengan filter Autoregresive (AR) untuk tiga kondisi; Normal Synus Rhythm (NSR), Atrial Fibrilation (AF), dan Congestive Heart Failure (CHF). Proses ekstraksi sinyal EKG yang telah di-resampling dilakukan dengan dua metode pendekatan guna mendapatkan nilai koefisien pole filter AR. Metode pendekatan yang digunakan adalah metode Autokorelasi dan Kovarian. Proses ekstraksi bertujuan untuk mendapatkan pola sinyal dari masing-masing kondisi yang akan digunakan sebagai input JST Adaptive Resonance Theory 2 (ART 2). Pola-pola tersebut diujikan pada JST kemudian diperoleh range pengklasifikasian kondisi. ART 2 berfungsi sebagai recognition decision atas ketiga kondisi tersebut.
Metode Autokorelasi adalah metode dimana sinyal input harus didefinisikan nilainya pada suatu range tertentu, sehingga apabila ada nilai diluar range harus membuat suatu asumsi, hal ini berarti memerlukan proses window. Metode Kovarian adalah metode yang nilai sinyal inputnya tidak didefinisikan dalam suatu nilai range tertentu dan tidak memerlukan proses window.
Dari hasil penelitian, filter AR dengan metode pendekatan Autokorelasi dan Kovarian mampu menghasilkan ekstraksi ciri sinyal EKG dengan baik Metode Kovarian memberikan hasil yang lebih bagus daripada metode Autokorelasi baik untuk pola sinyal dan nilai error yang kecil. Hal ini terbukti juga dari hasil pengujian JST untuk kedua metode tersebut. Dari 150 data yang diujikan, prosentase kesalahan metode Autokorelasi untuk tiga kondisi sebesar 15,3% sedangkan metode Kovarian hanya sebesar 3,3%.Kata Kunci : filter Autoregresive (AR), Autokorelasi, Covariance, jaringan saraf tiruan (JST) Adaptive Resonance Theory 2 (ART 2)ABSTRACT: ECG ( electrocardiogram) represent one of appliance which can detect the condition of somebody health effected inner organ of body activity. ECG is a record of heart’s electrics activity. If there are any troubles of normal electrics pattern hence can be diagnosed various heart disorder.
At this final project, ECG signal extracted by Autoregresive (AR) filter for three conditions; Normal Synus Rhythm ( NSR), Atrial Fibrilation ( AF), and Congestive Heart Failure ( CHF). Extraction process of ECG signal which have resampling conducted with two approach method utilize to get the value of coefficient pattern of AR filter. Approach method used are Autocorelation method and Covariance method. Extraction process aim to get the signal pattern from each condition to be used as an input of Artificial Neural Network (ANN) Adaptive Resonance Theory 2 (ART 2). The pattern tested at ANN then obtained range of condition classification. ART 2 functioning as recognition decision for third conditions.
Autocorelation method is a method which the input signal have to be defined its value at one particular certain range, so that if there is any value outside of range should make an assumption, this means needing window process. Covariance method is a method which its input signal value does not defined in certain range and does not need the window process.
From research result, AR filter with Autocorelation and Covariance method able to yield good extraction pattern of ECG signal. Covariance method give the nicer result than Autocorelation method for signal pattern and the small error. This matter also proven from the result of ANN examination for the two methods. From 150 tested data, mistake percentage of Autocorelation method for three conditions equal to 15,3% while Covariance method only equal to 3,3%.Keyword: Autoregresive (AR) filter, Autocorelation method, Covariance method, artificial neural network (ANN), Adaptive Resonance Theory 2 ( ART 2)