Asep Insani

Pusat Penelitian Metrologi LIPI

Kompleks PUSPIPTEK Gedung 420, Setu, Tangerang Selatan, 15314

asep.insani@alumni.ui.ac.id

INTISARI

EKG (elektrokardiogram) merupakan hasil deteksi sinyal tubuh yang digunakan untuk mengetahui kondisi kesehatan jantung seseorang. EKG juga dapat dikatakan suatu hasil rekaman aktivitas kelistrikan jantung. Untuk memeriksa kondisi jantung biasanya dokter menggunakan alat EKG dan hasil Elektrokardiogram berupa grafik yang memberikan informasi mengenai ukuran, bentuk, kapasitas, dan kelainan yang terjadi pada jantung. Sinyal EKG tersebut dapat diproses ke dalam sebuah sistem yang hasilnya akan menjadi acuan untuk pengecekan sinyal EKG yang lain. Backpropagation merupakan salah satu metode pembelajaran yang dapat digunakan untuk mengolah sinyal EKG. Metode pembelajaran ini akan menghasilkan nilai bobot yang optimal sehingga dapat menghasilkan akurasi latih yang optimal pula sehingga dapat digunakan sebagai pengujian bagi data uji, namun tidak dapat diketahui pada perubahan parameter berapa suatu sistem dapat menghasilkan akurasi latih dan uji yang optimal. Jumlah data yang digunakan pada sistem ini sebanyak 400 data dan dibagi 60% data latih dan 40% untuk data uji, atau dapat dikatakan 240 untuk data latih dan 160 untuk data uji dalam 8 kondisi sinyal jantung. 8 kondisi sinyal jantung adalah sebagai berikut, kondisi sinyal jantung NORMAL, RBBB, PVC_Early, PACED ,PAC, BIGEMINY, AFIB, dan 30BPM. Parameter yang digunakanmax epoch 5000 dengan jumlah layer hidden sebanyak 3 layer, pada layer pertama jumlah node hidden 30, layer kedua jumlah node layer 5 dan pada layer terakhir jumlah node layer 1. Nilai max MSE 1e-15. Fungsi aktifasi yang digunakan, yaitu fungsi aktifasi sigmoid bipolar padalayer 1 dan 2, pada layer 3 menggunakan fungsi aktifasi linier. Akurasi pengujian optimal yang dihasilkan 80%.

Kata Kunci : Backpropagation, elektrokardiogram, tipe jantung.

ABSTRACT

EKG (electrocardiogram) signal detection is a result of the body that is used to determine the condition of a person's heart health. ECG can also be said of a heart's electrical activity recordings. To check the condition of the heart is usually the doctor uses a tool Electrocardiogram ECG and results in the form of graphs that give information about size, shape, capacity, and abnormalities that occur in the heart. ECG signal can be processed into a system that results will be the reference for checking the other ECG signal. Backpropagation is one method of learning that can be used to process the ECG signal. This learning method will yield the optimal weight value so as to produce the optimal accuracy of train anyway so it can be used as a test for the test data, but can not be known on how a system parameter changes can produce training and test accuracy is optimal. The amount of data used in this system as much as 400 data and training data is divided 60% and 40% for test data, or it can be said to be 240 for training and 160 data for test data in 8 cardiac signal conditions. 8 cardiac signal conditions are as follows, the condition of the heart signal NORMAL, RBBB, PVC_Early, Paced, PAC, BIGEMINY, AFIB, and 30BPM. Parameters used max epoch 5000 with the number of hidden

layer of 3 layer, the first layer of hidden nodes 30, a second layer of nodes at layer 5 and the last layer of layer 1 nodes. MSE max value 1e-15. Activation function is used, namely bipolar sigmoid activation functions at Layer 1 and 2, at layer 3 using a linear activation function. The resulting optimal test accuracy of 80%.

Keywords: Backpropagation, electrocardiogram, cardiac type.

1. PENDAHULUAN

Jantung merupakan organ terpenting yang ada di dalam tubuh. Jantung adalah

organ berupa otot, berbentuk kerucut, dan berongga. Agar jantung berfungsi sebagai

pemompa yang efisien, otot-otot jantung pada rongga atas dan rongga bawah harus

berkontraksi secara bergantian. Laju denyut-denyut jantung atau kerja pompa ini

ruang jantung mengendur dan terisi darah. Selanjutnya jantung berkontraksi dan

memompa darah keluar dari ruang jantung. Kedua serambi mengendur dan berkontraksi

secara bersamaan, dan kedua bilik juga mengendur dan berkontraksi secara bersamaan.

Pada proses inilah denyut jantung akan menghasilkan sebuah gelombang kerja jantung[1].

Para ahli medis banyak yang mengatakan penyakit jantung merupakan salah satu

penyebab utama kematian di dunia. Pada pemberitaan di Amerika, penyakit jantung

merupakan penyakit penyebab kematian nomor satu yang terjadi pada orang dewasa.

Pengertian penyakit jantung yaitu penyakit yang terjadi pada jantung akibat adanya

gangguan kinerja jantung untuk memompa darah dikarenakan beberapa faktor. Faktor-

faktor yang memicu seseorang terkena penyakit jantung antara lain; merokok,

mengkonsumsi makanan yang mengandung kolesterol tinggi, malas berolah raga, kurang

istirahat, tingkat stress yang tinggi, kegemukan, diabetes, dan keturunan keluarga. Secara

medis penyakit jantung dikelompokan menjadi dua macam, yakni penyakit jantung

koroner dan penyakit jantung genetik. Penyakit jantung koroner terjadi akibat

penyempitan pembuluh darah pada jantung. Sedangkan penyakit jantung genetik

merupakan penyakit jantung yang terjadi dikarenakan faktor genetik (bawaan) dari orang

tua atau garis keturunan yang ada pada keluarga[1].

EKG (Elektrokardiogram) merupakan suatu alat yang sering digunakan dalam

pemeriksaan jantung. Hasil Elektrokardiogram berupa grafik yang memberikan

informasi mengenai ukuran, bentuk, kapasitas, dan kelainan yang terjadi pada jantung.

Elektrokardiogram menghasilkan citra grafik dan pertanyaan tentang normal atau

abnormalnya kondisi jantung. Pengenalan penyakit jantung dengan menggunakan data

hasil EKG (Elektrokardiogram) merupakan salah satu hal yang dilakukan oleh seorang

dokter spesialis jantung. Keberadaan dokter ahli berpengalaman di bidang analisis

jantung melalui EKG sangat terbatas dan pasien yang menerima data hasil EKG sulit

untuk memahaminya. Sehinga diperlukannya sistem perangkat lunak untuk

menganalisis pengenalan penyakit jantung dengan menggunakan data hasil EKG[2].

Banyak macam-macam metode pengenalan sinyal yang dapat melakukan

pengenalan pola data EKG. Salah satu metode yang dapat melakukan pengenalan pola

sinyal EKG adalah metode jaringan balik (backpropagation). Backpropagation

merupakan metode pembelajaran lanjut yang dikembangkan dari aturan preceptron.

Salah satu hal yang membedakan antara backpropagation dan perceptron adalah

perceptron memiliki lapisan tunggal sedangkan backpropagation memiliki lapisan

banyak. Pada intinya proses pelatihan backpropagation bertujuan untuk mendapatkan

bobot keluaran yang optimal sehingga dapat menghasilkan akurasi latih yang optimal

pula[3].

Pada penelitian ini, akan diolah data EKG dengan metode backpropagation. Hasil

akan dianalisa apakah sistem yang dibuat akan dapat menghasilkan sistem pembelajaran

yang optimal untuk digunakan. Sedangkan pelatihan dan pengujian dilakukan secara

bersama-sama.

2. METODOLOGI PENELITIAN

2.1. Perancangan Sistem

Pada penelitian ini, sitem yang dirancang adalah sistem yang dapat menghitung

tingkat akurasi latih dan uji. Sistem ini juga dapat membaca pola yaitu menguji 8 jenis

kondisi jantung, yaitu kondisi sinyal jantung NORMAL, RBBB, PVC_Early, PACED

,PAC, BIGEMINY, AFIB, dan 30BPM.

Secara umum proses terdiri dari tiga tahap, yaitu tahap pertama normalisasi (pre-

processing) sinyal awal, tahap kedua ekstrasi ciri dan tahap ketiga klasifikasi. Gambar 1

merupakan penggambaran dari kerja sistem, adalah sebagai berikut :

Gambar 1. Kerja Sistem

Proses yang terjadi pada gambar diatas, data EKG masuk dan dikumpulkan

berdasarkan ciri yang sudah ditentukan kemudia data tersebut diproses dalam klasifikasi,

proses klasifikasi sistem menggunakan metode backpropagation kemudian hasil

klasifikasi akan masuk ke dalam proses pengenalan pola, di proses tersebut data uji akan

dicocokan dengan data latih berdasarkan proses klasifikasi kemudian akan ditentukan

apakah setiap data uji akan dibaca benar atau salah berdasarkan 8 jenis kondisi jantung

NORMAL, RBBB, PVC_Early, PACED ,PAC, BIGEMINY, AFIB, dan 30BPM. Dari

hasil pembacaan data benar dan salah akan diakumulasikan sehingga memperoleh

persentase akurasi sistem yang diharapkan akan mencapai akurasi yang optimal atau

dapat dikatakan mendekati 100%.

2.2 Alur Pembelajaran

Pada awal proses sistem akan mengambil nilai input, yaitu data EKG, max epoch,

max MSE, node hidden layer, jumlah data latih dan data uji. Kemudian semua

konfigurasi tersebut masuk kedalam proses backpropagation Penghentian proses

backpropagation ditentukan apabila nilai epoch >= max epoch atau MSE <= max MSE

tercapai maka proses berhenti jika kondisi tidak terpenuhi maka proses berulang[4].

Berikut tampilan alur pembelajaran jaringan syaraf tiruan backpropagation ditunjukan

pada Gambar 2.

Gambar 2. Alur pembelajaran jaringan syaraf tiruan backpropagation

2.3. Proses Sistem

Pada awalnya sistem akan membaca konfigurasi, isi proses konfigurasi meliputi

pengambilan jumlah data uji, data latih, nilai max epoch, jumlah pengulangan. Kemudian

sistem akan membaca 8 tipe kondisi jantung yang sudah disebut pada bab sebelumnya

variable ciri diantaranya ciri1, ciri2, ciri3, ciri4, ciri5, ciri6, ciri7 dan ciri8. Gambaran

alur kerja sistem seperti berikut[5-7]:

Gambar 3. Diagram Alur Sistem

Ketika sistem membuka file data EKG data akan masuk kedalam setiap ciri

masing-masing. Kemudian ciri-ciri tersebut akan disatukan kedalam ciri umum, sehingga

ciri umum berikan 8 ciri data EKG. Semua ciri tersebut akan memasuki proses

klasifikasi yaitu proses jaringan syaraf tiruan dengan metode backpropagation. Didalam

proses backpropagation semua data EKG akan diolah sehingga akan menghasilkan nilai

dari hasil perhitungan tersebut. Hasil keluaran backpropagation berupa waktu pelatihan,

nilai akurasi data latih, waktu pengujian, dan akurasi data uji. Yang harapkan nilai

akurasi tersebut adalah nilai akurasi yang optimal[8-11].

3. HASIL DAN ANALISIS

3.1. Sinyal Masukan

matrik 300x1 disetiap masing-masing bentuk data. Pada proses ektrasi ciri data

dimasukan satu persatu kedalam sistem pembaca ekstrasi ciri, dan diambil ciri tiap-tiap

file yang berukuran 56x1 dari data awal 300x1 pada masing-masing file dengan

frekuensi sampling 100Hz. Kemudian hasil masing-masing file disatukan menjadi 1 jenis

atau 1 kelas. 8 kelas menjadi 1 ciri umum kemudian masuk kedalam proses

backpropagation.

(a) (b)

(b)

(c) (d)

(e) (f)

(g) (h)

Gambar 4. Hasil Ekstraksi Ciri (a) Sinyal EKG-NORMAL, (b) Sinyal EKG-RBBB, (c) Sinyal EKG-PVC-Early, (d) Sinyal EKG-PACED, (e) Sinyal EKG-PAC,

(f) Sinyal EKG-BIGEMINY, (g) Sinyal EKG-AFIB, (h) Sinyal 30BPM.

3.2. Analisa Pengujian

Banyak percobaan yang sudah dilakukan untuk mencapai hasil akurasi uji yang

optimal. Namun dalam laporan analisa percobaan ini, hanya beberapa yang akan

didokumentasikan dan hanya percobaan yang berhasil mendapatkan nilai akurasi uji

tertinggi yang akan di tulis pada laporan ini. Berikut beberapa hasil analisa dari

percobaan yang telah dilakukan.

Analisa Percobaan dilakukan hanya merubah nilai max epoch diubah sebanyak

empat kali, yaitu 500, 700, 1000 dan 5000. Jumlah node hidden pada layer pertama akan

diubah sebanyak tiga kali, yaitu 5, 10 dan 30. Sementara nilai laju pemaham

0.01, dengan max MSE = 1e-15. Hasil yang dipilih adalah hasil akurasi uji yang optimal.

Jumlah data yang digunakan pada sistem ini sebanyak 400 data dan dibagi 60% data latih

dan 40% untuk data uji atau dapat dikatakan 240 untuk data latih dan 160 untuk data uji

dalam 8 kondisi sinyal jantung. 8 kondisi sinyal jantung adalah sebagai berikut, kondisi

sinyal jantung NORMAL, RBBB, PVC_Early, PACED, PAC, BIGEMINY, AFIB, dan

30BPM.

3.3. Analisis Pelatihan dan Pengujian

Proses pelatihan bertujuan untuk mendapatkan bobot keluaran yang optimal

sehingga dapat menghasilkan akurasi latih yang optimal pula. Dalam sistem ini pelatihan

dan pengujian dilakukan dalam waktu yang sama namun proses berbeda. Prose pelatihan

yang akan diproses terlebih dahulu oleh backpropagation kemudian berlanjut pada

proses pengujian.

Dalam sistem yang telah dibuat, semua data latih dan uji dimasukan kedalam

sistem dalam satu waktu pada tiap percobaan, sehingga sistem dapat menghitung dan

langsung menunjukan hasil nilai waktu proses akurasi, waktu proses uji, nilai akurasi

latih dan nilai akurasi uji, untuk satu kali percobaan. Yang dimaksud dengan satu kali

percobaan yaitu memasukan nilai konfigurasi max epoch =500 , perbandingan data

persentase latih dan uji 60% : 40% dan jumlah node hidden = 5. Dan satu kali percobaan

tersebut menghasilkan dua batang diagram di dalam form diagram tingkat akurasi yaitu

diagram batang akurasi latih dan uji. Namun pada akhirnya akurasi uji yang akan

menjadi bobot akhir sistem.

3.4. Hasil Pengujian

Hasil percobaan akan ditampilkan dalam bentuk persentase, dan akan

dibandingkan hasil persentae akurasi uji untuk mendapatkan nilai konfigurasi yang

nantinya akan digunakan sebagai default konfigurasi sistem. Berikut hasil persentase

percobaan;

Percobaan dengan node hidden = 5.

Tabel .1 Percobaan, node hidden 5.

Pada percobaan ini hasil tertinggi pada epoch = 700 dengan node hidden = 5.

Dengan akurasi uji yang dicapai sebesar 36,87%.

Tabel .2 Percobaan, node hidden 10.

Pada percobaan ini hasil tertinggi pada epoch = 700 dengan node hidden = 5.

Dengan akurasi uji yang dicapai sebesar 66,25%.

Tabel.3 Percobaan, node hidden 30

Pada percobaan ini hasil tertinggi pada epoch = 5000 dengan node hidden = 30.

Dengan akurasi uji yang dicapai sebesar 80%.

Berdasarkan hasil Analisa pengujian pengenalan pola sinyal EKG dengan

pengenalan 8 kondisi jantung menggunakan backpropagation mencapai tingkat akurasi

tertinggi 80%.

3.5. Waktu Pelatihan

Dari tabel terlihat semakin banyak jumlah node hidden pada layer tersembunyi

maka semakin lama waktu pembelajarannya / pelatihannya. Dikarenakan semakin

banyaknya proses perhitungan yang dilakukan di dalam layer tersembunyi.

Tabel.4 Waktu Pelatihan.

Rata-rata waktu pelatihan pada node hiden 5, 10, 30 adalah sebagai berikut:

Waktu rata-rata pada node hidden 5 adalah = 69,16548/s.

Waktu rata-rata pada node hidden 10 adalah = 200,95778/s.

Waktu rata-rata pada node hidden 10 adalah = 730,3256/s.

3.6. Analisa Hasil Pengujian

Jumlah data yang digunakan untuk pengujian berjumlah 20 data dari 8 kondisi

jantung sehingga total data sebanyak 160 buah data uji. Berikut ini adalah hasil

pengenalan ciri dengan metode backpropagation dengan nilai konfigurasi max epoch =

5000, menggunakan tiga layer tersembunyi dengan komposisi [30 5 1], fungsi aktifasi

yang digunakan adalah sigmoid, nilai mse = 1e-15, nilai

menggunakan wavelet. Berikut tabel jumlah data yeng terbaca benar dan salah dari 8 ciri

penyakit, yaitu kondisi jantung NORMAL, kondisi jantung PACED, kondisi jantung

PAC, kondisi jantung BIGEMINY, kondisi jantung 30BPM, kondisi janting RBBB,

kondisi jantung PVC, dan terakhir kondisi jantung AFIB.

Tabel 5. Hasil Pengenalan Ciri Dengan Backpropagation

Berikut tabel jumlah data benar dan salah pada masing-masing kondisi jantung :

Tabel 6. Jumlah Data Benar dan Salah

Keakuratan sistem dalam menyelesaikan suatu masalah biasanya diukur dengan

ketepatan sistem dalam menyelesaikan masalah yang ada dan biasanya ditampilkan

dalam bentuk persentase. Dalam pengenalan pola ini sistem diukur dari jumlah ketepatan

dalam mengenali suatu pola yang diberikan dan kemudian hasil akan dibagi dengan

jumlah data dari seluruh data uji yang digunakan dan dikalikan dengan 100 persen.

Sehingga akan didapat hasil dalam bentuk persentase. Dari mengetahui jumlah data uji

benar dan salah berdasarkan Tabel 6, maka dapat dihitung nilai akurasi data uji. Dari

perhitungan diatas telah menunjukan bahwa tingkat akurasi pelatihan dengan

backpropagation dapat mencapai akurasi tertinggi sebesar 80%.

4. KESIMPULAN

Dari hasil percobaan pengujian sistem pengolahan sinyal EKG dengan

menggunakan sistem EKG dengan menggunakan bacpropagation., maka dapat

disimpulkan sebagai berikut:

1. Nilai akurasi pengujian sistem pada proses ekstrasi ciri menggunakan metode

pembelajaran menggunakan backpropagation adalah 80% .

2. Konfigurasi yang digunakan max epoch 5000 dengan jumlah layer hidden sebanyak 3

layer, pada layer pertama jumlah node hidden 30, layer kedua jumlah node layer 5

dan pada layer terakhir jumlah node layer 1. Nilai max MSE = 1e-15 Fungsi aktivasi

yang digunakan, yaitu fungsi aktifasi sigmoid pada layer 1 dan 2, pada layer 3

menggunakan fungsi aktifasi linier.

3. Sudah Dapat mengenali Kondisi jantung dari 8 ciri kondisi, yaitu kondisi sinyal

jantung NORMAL, RBBB, PVC_Early, PACED ,PAC, BIGEMINY, AFIB, dan

30BPM.

5. UCAPAN TERIMA KASIH

Ucapan terima kasih saya sampaikan kepada Bapak Deputi Jasil - LIPI, Bapak

Kepala Pusat Penelitian Metrologi, Bapak Ketua Kelti IV, Pengelola DIPA Tematik

Puslit Metrologi - LIPI 2016, dan seluruh teman-teman yang mendukung penelitian ini.

6. DAFTAR PUSTAKA

[1] Braunwald E. (Editor), Heart Disease: A Textbook of Cardiovascular Medicine,

Fifth Edition, p. 108, Philadelphia, W.B. Saunders Co., 1997. Diakses Agustus

2011.

[2] Muhammad Mizwa, Buku acuan pemeriksaan EKG, Skill Lab. Sistem

Kardiovaskuler, Falkutas Kedokteran Univ. Hasanudin, Makasar.2009.

[3] Anita Desiani dan Muhammad Arhami, Konsep Kecerdasan Buatan, Penerbit

ANDI, Yogyakarta.2005.

[4] Clever Moler. The Origins of MATLAB. Desember 2004. Diakses Agustus 2011.

[5] Dean Fathorny Alfatwa. Watermarking Pada Citra Digital Menggunakan

Discrete Wavelet TransForm, Jurnal, Institut Teknologi Bandung.2003.

[6] Dwi Ana Ratna Wati, Sistem Kendali Cerdas, Graha Ilmu, Yogyakarta.2010.

[7] Jong Jek Siang ,Jaringan Saraf Tiruan dan Pemrogramannya Menggunakan

Matlab, Penerbit ANDI, Yogyakarta.2004.

[8] Endarko dan Farid Afandy, Aplikasi Pengolahan Citra Elektrokadiograf dan

Jaringan Syaraf Tiruan untuk Identifikasi Penyakit Jantung Koroner, Jurnal,

ITS, Surabaya.2006

[9]

[10] Gunaidi Abdi Away, The Shortcut of Matrix Laboratory MATLAB Programming,

Penerbit INFORMATIKA, Bandung.2010.

[11] Son Kuswadi, Kendali Cerdas Teori dan Aplikasi, Penerbit ANDI,

Yogyakarta.2006.

HASIL DISKUSI

- Penanya : Bambang Herlambang (Puslit Metrologi-LIPI)

Pertanyaan : Mengapa harus menggunakan algoritma backpropagation

dalampengenalan polanya?

Jawaban : Karena Backpropagation merupakan algoritma dari jaringan syaraf

tiruan yang memiliki tingkat akurasi yang baik dalam pengenalan

pola. Selain itu backpropagation merupakan algoritma standar yang

kemungkinan bisa dikembangkan dengan lebih lanjut.

- Penanya : Perdana Bagja Kusumah (Universitas Ibnu Khaldun)

Pertanyaan : Apakah bisa penelitian tentang EKG ini dijadikan untuk penelitian

yang berkaitan dengan sistem informasi ?

Jawaban : Ya Bisa, terutama untuk mengetahui kondisi pasien dengan jarak

jauh dibuatlah sistem informasi. Aplikasinya untuk pemantauan

kondisi EKG jantung pasien.