ABSTRAKSI: Secara biologis jantung menghasilkan sinyal yang memiliki karakteristik tertentu. Sinyal jantung ini dapat direkam dengan menggunakan perangkat elektrocardiograph. Sinyal hasil rekaman ini disebut ECG (electrocardiogram). Sinyal ECG termasuk sinyal yang dapat dapat dimodelkan secara matematis . Melalui proses ekstraksi ciri, karakteristik sinyal ECG dapat di ambil berupa deretan vector dengan panjang data tertentu
Proses ekstraksi ciri sangat bermanfaat dalam mengklasifikasikan sinyal. Klasifikasi sangat penting dalam penyimpanan data, pengelompokan data, dan pendeteksian data. Proses klasifikasi dilakukan menggunakan Jaringan Syaraf Tiruan (JST). JST bekerja dengan pelatihan sejumlah data dan dilanjutkan dengan pengujian. Dari hasil pelatihan dan pengujian di dapat nilai akurasi untuk mengukur kerja JST dalam mengklasifikasikan sinyal.
Tujan penulisan tugas akhir ini adalah melakukan perbandingan tiga buah metode ekstraksi sinyal yaitu Pade, Shank, dan Prony pada ekstraksi cirri sinyal ECG. Proses ekstraksi ciri sinyal ECG menghasilkan koefisien yang menggambarkan ciri dari sinyal Atrial Fibrilation (AF), Congestive Heart Failure (CHF), dan sinyal detak jantung normal/ Normal Sinus Rhytm (NSR). Untuk proses selanjutnya dilakukan klasifikasi dengan JST perseptron denga inputan koefisien hasil eksraksi ciri. Dari proses klasifikasi ini dapat diukur akurasi dari masing-masing metode ekstraksi, sehingga dapat dibandingkan dan ditentukan metode ekstraksi yang paling baik.
Dari hasil klasifikasi didapat nilai akurasi dari masing-masing metose ekstraksi ciri. Metode Pade memiliki akurasi 90.83 %, metode Shank sebesar 93.33 %, dan akurasi metode Prony 89,17 %. Dilihat dari akurasi yang dihasilkan, metode Shank memiliki akurasi yang lebih baik dari pada metode yang lain.
Kata Kunci : Electrocardiogram, metode Prony, metode Pade, metode Shank, pemodelan sinyalABSTRACT:
Cardiac signal is a signal of the biological activity of the heartbeat that have certain characteristics. This heart signal can be recorded by using elektrocardiograph device. A recorded signal is called the ECG (electrocardiogram). ECG signals, including signals that can be modeled mathematically. Through the feature extraction process, characteristic ECG signal can take the form of a long row vector with specific data.
Feature extraction process is very useful in classifying the signal. The classification is very inportant in data storage, data grouping, and data detection. Classification process performed using Neural Network (JST). JST working with a number of training data and proceed with testing. From the results of training and testing in the can to measure the value of accuracy in classifying work JST signal.
The purpose of writing of this final task is to conduct a comparison of three methods of signal extraction Pade, Shank, and Prony the ECG signal extraction cirri. Feature extraction process to produce the coefficient of ECG signals that describe characteristics of the signal Atrial Fibrilation (AF), Congestive Heart Failure (CHF), and a normal heartbeat signal / Normal Sinus Rhytm (NSR). For the process of classification is then performed with JST Inputan perseptron premises characteristic coefficients eksraksi results. From this classification process can be measured accuracy of each method of extraction, which can be compared and determined extraction method is best.
From the results obtained classification accuracy value of each feature extraction metose. Pade method has a 90.83% accuracy, the method shank for 93.33%, and accuracy 89.17% Prony method. Judging from the resulting accuracy, shank method has better accuracy than other methods.
Keyword: Electrocardiogram, Prony Method, Pade Method, Shank Method, signal modelling