BAB II TINJAUAN PUSTAKA - repository.unair.ac.idrepository.unair.ac.id/25571/11/11. Bab 2.pdf ·...
-
Upload
truongdieu -
Category
Documents
-
view
229 -
download
0
Transcript of BAB II TINJAUAN PUSTAKA - repository.unair.ac.idrepository.unair.ac.id/25571/11/11. Bab 2.pdf ·...
5
BAB II
TINJAUAN PUSTAKA
Pada penelitian ini terdapat beberapa tinjauan pustaka diantaranya adalah
tinjauan pustaka tentang jantung, elektrokardiograf, elektrokardiogram,
pengolahan citra digital, jaringan saraf tiruan,dan backpropagation.
2.1 Jantung
2.1.1 Anatomi Jantung
Jantung adalah organ berongga yang terletak antara kedua paru-paru di
bagian tengah rongga toraks. Jantung berukuran kurang lebih sebesar kepalan
tangan pemiliknya dan bentuknya seperti kerucut tumpul. Ujung atas yang lebar
(dasar) mengarah ke bahu kanan; ujung bawah yang mengerucut (apeks)
mengarah ke panggul kiri (Sloane, 2003).
Gambar 2.1 Bagian-Bagian Jantung (BITLIPI, 2012)
Jantung memiliki empat ruang, atrium kanan dan atrium kiri atas;
ventrikel kanan dan ventrikel kiri bawah. (Sloane, 2003). Gambar 2.1
menggambarkan anatomi jantung.
ADLN Perpustakaan Universitas Airlangga
Skripsi Deteksi Dua Belas Sadapan Sinyal Elektrokardiogram Untuk Mengenali Kelainan Jantung Menggunakan Jaringan Saraf Tiruan Dengan Metode Backpropagation
Talitha Asmaria
6
2.1.2 Aktivitas Jantung
Fungsi utama jantung adalah memompa darah ke seluruh tubuh. Sisi
kanan jantung memberikan darah beroksigen (deoxygenated blood) dari tubuh ke
paru-paru, dan sisi kiri jantung memberikan darah beroksigen (oxygenated blood)
dari paru-paru ke tubuh. (Vahed, 2005)
Gambar 2.2 Sirkulasi Darah Pada Jantung (Sloane, 2003)
Darah beroksigen (deoxygenated blood) memasuki atrium kanan jantung
Atrium berkontraksi dan mendorong darah ke dalam ventrikel kanan. Kemudian
ventrikel berkontraksi dan mendorong darah keluar dari jantung sehingga masuk
ke paru-paru. Darah beroksigen (oxygenated blood) dari paru-paru kembali ke
ADLN Perpustakaan Universitas Airlangga
Skripsi Deteksi Dua Belas Sadapan Sinyal Elektrokardiogram Untuk Mengenali Kelainan Jantung Menggunakan Jaringan Saraf Tiruan Dengan Metode Backpropagation
Talitha Asmaria
7
atrium kiri. Atrium kembali berkontraksi dan mendorong darah melalui ventrikel
kanan. Ventrikel kembali berkontraksi dan mendorong darah ke seluruh bagian
tubuh (Vahed, 2005). Gambar 2.2 menggambarkan bagian-bagian jantung serta
aliran darah dari jantung ke seluruh tubuh dan aliran darah menuju jantung.
2.1.3 Aktivasi Elektrik Jantung
Semua membran sel tubuh pada dasarnya memiliki potensial membran
yang ada hubungannya dengan penyebaran ion Na+ dan K
+. Potensial membran
ini dapat ditemukan pada dua tipe sel, yaitu sel saraf dan sel otot. Perubahan
potensial membran tersebut dialami oleh dua sel tersebut secara cepat.
Potensial aksi merupakan perubahan potensial membran yang diawali
pada ujung axon dan menyebar ke seluruh badan axon (serabut-serabut saraf).
Untuk memahami tentang potensial aksi, maka diperlukan pemahaman tentang
empat istilah keadaan, yaitu polarisasi, depolarisasi, hiperpolarisasi, dan
repolarisasi.
Pada membran yang sedang istirahat, terdapat pemisahan muatan antara
sebelah luar membran dan sebelah dalam membran. Bagian luar membran akan
lebih positif dan bagian dalam membran akan lebih negatif. Dalam keadaan
demikian dikatakan bahwa membran mengalami polarisasi dan memiliki potensial
istirahat (-70mV). Membran yang mengalami depolarisasi, potensial membran
bergerak ke arah 0 mV menuju potensial membran positif (+30 mV). Membran
yang mengalami hiperpolarisasi mempunyai negatif potensial membran yang
lebih besar dibandingkan saat potensial membran istirahat atau potensial membran
depolarisasi. Pada keadaan repolarisasi membran kembali ke potensial istirahat.
ADLN Perpustakaan Universitas Airlangga
Skripsi Deteksi Dua Belas Sadapan Sinyal Elektrokardiogram Untuk Mengenali Kelainan Jantung Menggunakan Jaringan Saraf Tiruan Dengan Metode Backpropagation
Talitha Asmaria
8
Selanjutnya, myocardium atau otot jantung terdiri dari sebagian besar
serabut otot yang dipacu untuk berkontraksi satu sama lain oleh peristiwa aktivasi
elektrik. Pada keadaan pemulihan diketahui bahwa dibagian dalam serabut otot
dan sel pada jantung mempunyai perbedaan potensial -90 mV. Ketika potensial
aksi yang menyebar ke sekeliling serabut bergerak menuju batas ambang (thresh-
old), maka kanal ion Na+ akan terbuka. Konsesntrasi ion Na
+ ini begitu cepat dan
memiliki perubahan potensialnya +20 hingga +30 mV. Hal ini disebut sebagai
polarisasi dan merupakan fase pertama potensial aksi pada serabut. Ketika terjadi
perpindahan dan pengurangan ion Na+, keadaan depolarisasi dipertahankan pada
saat terjadinya perpindahan ion Ca+, hal ini disebabkan adanya kontraksi pada
serabut. Setelah kira-kira 300ms, perpindahan ion Ca+ berhenti dan kanal ion K
+
dibuka, maka pengaliran ion K+ dimulai. Perbedaan potensial dikembalikan ke
awal pada -90 mV. Hal ini disebut peristiwa repolarisasi dan fase akhir dari
potensial jantung (Martini, 2001).
Gambar 2.3 Potensial Aksi (howMed.net, 2011)
Gambar 2.3 menggambarkan pontensial aksi pada jantung. Potensial aksi
diawali oleh penjalaran SA node sepanjang sistem konduksi pada jantung.
ADLN Perpustakaan Universitas Airlangga
Skripsi Deteksi Dua Belas Sadapan Sinyal Elektrokardiogram Untuk Mengenali Kelainan Jantung Menggunakan Jaringan Saraf Tiruan Dengan Metode Backpropagation
Talitha Asmaria
9
Potensial ini terjadi dalam serabut yang berkontraksi yang merupakan pembangkit
dari bagian atria dan ventrikel. Kemudian potensial aksi ini akan menghasilkan
depolarisasi, pletaeu (masa stabil), dan repolarisasi.
2.1.4 Sistem Konduksi Kelistrikan Jantung
Komponen sistem konduksi kelistrikan jantung yang meliputi SA node,
AV node, Bundle HIS, cabang kiri dan kanan dari Bundle his, dan Serabut
Purkinje. Pada keadaan normal impuls jantung dimulai dari SA node. Impuls ini
kemudian menjalar ke seluruh jantung. Pada saat impuls berlangsung yang
pertama kali berkontraksi adalah atria kemudian diikuti oleh ventrikel atau AV
node. Selanjutnya dari AV node ini, impuls menjalar menuju Bundle HIS beserta
menjalar ke cabang kanan dan kiri dari Bundle HIS. Proses ini kemudian
dijalarkan kembali oleh serabut purkinje menuju SA node. Gambar 2.4
menggambarkan sistem konduksi jantung.
Kondisi-kondisi ini biasanya didiagnosis dengan menggunakan ECG
sehingga menghasilkan sinyal seperti pada Gambar 2.5.
Gambar 2.4 Konduksi Impuls pada Jantung (HowMed.net, 2011)
ADLN Perpustakaan Universitas Airlangga
Skripsi Deteksi Dua Belas Sadapan Sinyal Elektrokardiogram Untuk Mengenali Kelainan Jantung Menggunakan Jaringan Saraf Tiruan Dengan Metode Backpropagation
Talitha Asmaria
10
Gambar 2.5 Elektrofisiologi jantung (Ganong, 2005)
2.1.5 Kelainan Jantung
Terdapat baerbagai kelainan jantung salah satu diantaranya adalah
pembesaran otot jantung (hipertrofi). Hipertofi adalah peningkatan ukuran dan
massa pada suatu bagian jantung tertentu yang disebabkan peningkatan tekanan
pada daerah tersebut. Hipertrofi dapat berkembang menjadi gagal jantung.
Kelainan jantung hipertrofi dapat dideteksi dengan menggunakan ECG
(Klabunde,2011). Terdapat empat bagian jantung yang dapat mengalami hipertrofi
yaitu atrium kanan (right atrium hipertrophy), atrium kiri (left atrium
hipertrophy), ventrikel kanan (right ventricular hipertrophy), dan ventrikel kiri
(left ventricular hipertrophy). Gambar 2.6 menyajikan keadaan jantung bagian
atrium kiri dan ventrikel kanan yang mengalami hipertrofi.
ADLN Perpustakaan Universitas Airlangga
Skripsi Deteksi Dua Belas Sadapan Sinyal Elektrokardiogram Untuk Mengenali Kelainan Jantung Menggunakan Jaringan Saraf Tiruan Dengan Metode Backpropagation
Talitha Asmaria
11
ventrikel kanan
(a) (b)
Gambar 2.6 Pembesaran Otot Jantung Pada Atrium Kiri (a) dan Ventrikel
Kanan (b) (Klabunde, 2011)
Pada keadaan right atrium hypertrophy, elektrokardiogram menunjukkan
gambar dengan gelombang P pada sadapan II yang tinggi melebihi ukuran
gelombang P normal atau yang biasa disebut P pulmonal, yaitu >2,5 kotak kecil.
Pada keadaan left atrium hypertrophy, elektrokardiogram menunjukkan gambar
dengan gelombang P pada sadapan II yang berlekuk atau yang biasa disebut P
mitral. Pada keadaan right ventricular hypertrophy, elektrokardiogram
menunjukkan gambar dengan gelombang QRS yang positif pada sadapan V1,
sedangkan normalnya QRS pada sadapan V1 cenderung negatif. Selain itu pada
keadaan right ventricular hypertrophy, elektrokardiogram menunjukkan gambar
dengan adanya gelombang S pada sadapan V6. Pada keadaan left ventricular hy-
pertrophy, elektrokardiogram menunjukkan gambar dengan gelombang R yang
tinggi melebihi ukuran gelombang R normal, yaitu >27 kotak kecil (Alim, 2008).
Bentuk gelombang pada keadaan jantung normal pada elektrokardiogram dengan
dua belas sadapan disajikan pada Gambar 2.7 (a) dan (c) dan keadaan jantung
yang mengalami kelainan jantung left atrium hypertrophy dan right ventricular
hypertrophy disajikan pada Gambar 2.7 (b) dan (d).
ADLN Perpustakaan Universitas Airlangga
Skripsi Deteksi Dua Belas Sadapan Sinyal Elektrokardiogram Untuk Mengenali Kelainan Jantung Menggunakan Jaringan Saraf Tiruan Dengan Metode Backpropagation
Talitha Asmaria
12
Gambar 2.7 Bentuk Gelombang (a) Kondisi Jantung Normal Pada Sadapan 2,
(b) Kondisi Left Atrium Hipertrophy Pada Sadapan 2, (c) Kondisi Jantung Normal
Pada Sadapan V6, dan (d) Kondisi Right Ventricular Hipertrophy
2.2 Elektrokardiograf (ECG)
Elektrokardiograf merupakan alat yang berfungsi mencatat kelistrikan
jantung sebagai fungsi waktu. Elektrokardiograf terdiri dari beberapa komponen
utama yaitu elektrokardiogram, sadapan, dan instrumen elektrokardiograf.
2.2.1 Elektrokardiogram (EKG)
Sinyal pada ECG (Gambar 2.5) direpresentasikan sebagai sebuah
gelombang yang divisualisasikan pada kertas perekam dengan kecepatan 25mm/s.
Ukuran dari setiap kotak kecil pada kertas perekam EKG (Gambar 2.8) adalah 1
mm2. Dengan kecepatan 25 mm/s, 1 kotak kecil kertas EKG sama dengan 0,04 s
(40 ms). Lima kotak kecil menyusun 1 kotak besar, yang sama dengan 0,20 s (200
ms). Karena itu, ada lima kotak besar permenit.
Gambar 2.8 Elektrokardiogram (HowMed.net,
2011)
(a) (b) (c) (d)
ADLN Perpustakaan Universitas Airlangga
Skripsi Deteksi Dua Belas Sadapan Sinyal Elektrokardiogram Untuk Mengenali Kelainan Jantung Menggunakan Jaringan Saraf Tiruan Dengan Metode Backpropagation
Talitha Asmaria
13
EKG pada orang normal diperlihatkan pada Gambar 2.9. Bagian-bagian
jantung yang mengalami depolarisasi (Gambar 2.4) dan posisi elektroda terhadap
jantung menjadi pertimbangan yang penting dalam menafsirkan konfigurasi
gelombang di setiap sadapan. Atrium terletak di sebelah posterior dalam rongga
dada. Ventrikel membentuk basis dan anterior permukaan jantung, dan ventrikel
kanan berada di sisi anterolateral ke kiri. Jadi aVR “menghadap ke” rongga
ventrikel. Depolarisasi atrium, depolarisasi ventrikel, dan repolarisasi ventrikel
bergerak menjauhi elektroda eksplorasi sehingga gelombang P, kompleks QRS,
dan gelombang T tampak sebagai defleksi negatif (ke arah bawah); aVL dan aVF
menghadap ke ventrikel, dan karena itu defleksinya dominan positif atau bifasik.
Tidak ada gelombang Q pada V1 dan V2, serta bagian awal kompleks QRS
merupakan defleksi kecil ke atas karena depolarisasi ventrikel mula-mula
bergerak melintasi bagian tengah septum dari kiri ke kanan menuju elektroda
eksplorasi. Gelombang eksitasi lalu bergerak menuruni septum ke ventrikel kiri
menjauhi elektroda, yang menghasilkan gelombang S besar. Akhirnya, gelombang
ini bergerak kembali sepanjang dinding venrtikel menuju elektroda sehingga
kembali ke garis isoelektrik. Sebaliknya, pada sadapan ventrikel kiri (V4-V6)
mungkin terdapat awal gelombang Q kecil (depolarisasi septum dari kiri ke
kanan), dan terdapat gelombang R besar (depolarisai lambat dinding ventrikel
bergerak kembali menuju AV junction) (W.F. Ganong, 2005).
Terdapat variasi yang bermakna pada posisi jantung normal, dan posisi
mempengaruhi konfigurasi kompleks elektrokardiografi di berbagai sadapan
(W.F.Ganong, 2005).
ADLN Perpustakaan Universitas Airlangga
Skripsi Deteksi Dua Belas Sadapan Sinyal Elektrokardiogram Untuk Mengenali Kelainan Jantung Menggunakan Jaringan Saraf Tiruan Dengan Metode Backpropagation
Talitha Asmaria
14
2.2.2 Sadapan
Sebuah elektrokardiogram diperoleh dari rekaman potensial listrik antara
sejumlah titik tubuh dengan menggunakan penguat instrumentasi biomedis.
Sebuah sadapan mencatat sinyal listrik jantung dari gabungan beberapa elektroda
yang ditempatkan di titik-titik tertentu tubuh pasien. Sebuah elektrokardiograf dua
belas sadapan biasanya hanya menggunakan sepuluh elektroda. Gambar 2.10 dan
Tabel 2.1 menerangkankan tata letak sepuluh elektroda.
Gambar 2.9 Elektrokardiogram Normal (Ganong, 2005)
ADLN Perpustakaan Universitas Airlangga
Skripsi Deteksi Dua Belas Sadapan Sinyal Elektrokardiogram Untuk Mengenali Kelainan Jantung Menggunakan Jaringan Saraf Tiruan Dengan Metode Backpropagation
Talitha Asmaria
15
Gambar 2.10 Letak Sepuluh Elektroda (www.wikipedia.org)
Tabel 2.1. Tata Letak 10 Elektroda ECG
Elektrode Penempatan
RA
LA
RL
LL
V1
V2
V3
V4
V5
V6
Pada lengan kanan
Pada lengan kiri
Pada bagian betis kaki kanan
Pada bagian betis kaki kiri
Ditempatkan di sela iga keempat disebelah kanan sternum. Ditempatkan di sela iga keempat disebelah kiri
Antara V2 dan V4
Ditempatkan disela iga kelima pada linea medioklavikularise.
Ditempatkan diantara V4 dan V6
Ditempatkan di sela iga kelima pada linea aksilaris
Ada dua jenis sadapan dalam perancangan suatu ECG yaitu sadapan bi-
polar dan saapan unipolar. Sadapan bipolar yakni sadapan I, II, dan III. Sadapan
Unipolar terdiri dari sadapan prakordial yang diberi nama V1-V6 dan dan tiga
sadapan unipolar ekstrimitas aVR, aVL, aVF (Ganong, 2008).
2.2.3 Instrumen Elektrokardiograf
Instrumen elektrokardiograf (ECG) merupakan alat yang digunakan
untuk mengolah sinyal elektrik jantung melalui elektroda dan menampilkannya
ADLN Perpustakaan Universitas Airlangga
Skripsi Deteksi Dua Belas Sadapan Sinyal Elektrokardiogram Untuk Mengenali Kelainan Jantung Menggunakan Jaringan Saraf Tiruan Dengan Metode Backpropagation
Talitha Asmaria
16
Power Suplay (Baterai)
Power Suplay(PLN)
lewat kertas/layar monitor. ECG memiliki elektroda-elektroda yang ditempatkan
pada bagian tubuh tertentu untuk merekam potensial listrik yang dibangkitkan
oleh jantung.
Gambar 2.11 Diagram Blok Elektrokardiograf
Masukan sinyal biopotensial dari jantung yang di tangkap oleh lead
masuk ke rangkaian penguat instrumentasi. Selanjutnya sinyal masuk ke filter
yang terdiri dari bandpass filter dan notch fiter. Notch Filter digunakan untuk
menghilangkan frekuesi 50 Hz. Kemudian sinyal masuk ke rangkaian adder dan
isolation circuit . Rangkaian adder digunakan untuk menaikkan level tegangan
sinyal ECG. Penambahan tegangan ini disesuaikan hingga semua level sinyal
ECG bernilai positif sehingga nantinya dapat diproses oleh ADC (Widodo, 2009).
Rangkaian isolasi pada ECG berguna untuk melindungi pasien bila terjadi
Leads
Indikator Lead Fail Detector
Ampli Filter Adder Isolation Circuit
Wilson Network
Monitor (PC)
Baseline Restoration
Mikrokontroller
ADC
ADLN Perpustakaan Universitas Airlangga
Skripsi Deteksi Dua Belas Sadapan Sinyal Elektrokardiogram Untuk Mengenali Kelainan Jantung Menggunakan Jaringan Saraf Tiruan Dengan Metode Backpropagation
Talitha Asmaria
17
kebocoran arus, jadi listrik tidak berhubungan secara langsung dengan pasien.
ADC berfungsi untuk merubah hasil sinyal ECG ke bentuk digital. Kemudian
sinyal masuk ke mikrokontroler. Mikrokontroller berfungsi mengirimkan sinyal
ECG digital ke komputer (PC). Selain itu terdapat beberapa rangkaian lainnya
diantaranya, lead fail detector, dan power supply. Lead Fail Detector merupakan
rangkaian yang digunakan untuk mendeteksi bila ada lead yang lepas atau tidak
menempel sempurna dari tubuh pasien. Baseline Restoration berguna untuk
mereset rangkaian secara otomatis saat terjadi kondisi saturasi. Power suplay pada
ECG digunakan untuk mencatu-daya semua rangkaian (Nothrop, 2004). Gambar
2.11 menggambarkan diagram blok elektrokardiograf.
2.3 Pengolahan Citra Digital
Citra (image) adalah gambar pada bidang dwimatra (dua dimensi),
sebagai salah satu komponen multimedia yang digunakan sebagai bentuk
informasi visual. Meskipun citra sebuah informasi kaya informasi, namun
seringkali citra mengalami penurunan mutu (degradasi), misalnya mengandung
cacat atau derau (noise), warnanya terlalu kontras, kurang tajam, kabur (blurring),
dan sebagainya. Agar citra yang mengalami gangguan mudah diinterpretasi (baik
oleh manusia ataupun mesin), maka citra tersebut perlu dimanipulasi menjadi citra
lain yang kualitasnya lebih baik (pengolahan citra). Pengolahan citra adalah
pemrosesan citra, khusunya dengan menggunakan komputer, menjadi citra yang
kualitasnya lebih baik ( Munir, 2004).
Tujuan utama dari pengolahan citra adalah memperbaiki kualitas gambar
(citra) sehingga dapat dilihat oleh mata manusia dan mengolah informasi yang
ADLN Perpustakaan Universitas Airlangga
Skripsi Deteksi Dua Belas Sadapan Sinyal Elektrokardiogram Untuk Mengenali Kelainan Jantung Menggunakan Jaringan Saraf Tiruan Dengan Metode Backpropagation
Talitha Asmaria
18
terdapat pada gambar (citra) untuk keperluan pengenalan obyek secara otomatis
pada suatu mesin.
Citra digital direpresentasikan dalam bentuk matriks H x W (H= tinggi,
W= lebar) (Munir 2004). Ukuran citra dinyatakan dalam titik atau piksel (pix-
el=picture elements) dan dapat pula dinyatakan dalam satuan panjang (metet dan
inci). Pusat koordinat citra digital terletak pada sudut kiri atas sedangkan pada
koordinat kartesius terletak pada sudut kiri bawah (Munir, 2004).
Perkembangan pengolahan citra sangat pesat dengan memanfaatkan ilmu
komputasi kita dapat mengidentifikasi jari, pengenalan tanda tangan, pengenalan
suara, maupun pengenalan pola sinyal elektrokardiogram.
Operasi-operasi yang dilakukan pada pengolahan citra bermacam-
macam, beberapa diantaranya adalah pengolahan citra abu-abu (grayscale),
segmentasi citra, operasi morfologi citra, ekstraksi fitur (fiture extraction), dan
operasi lainnya.
2.3.1. Pengolahan Citra Grayscale
Citra grayscale merupakan citra digital yang hanya memiliki satu nilai
kanal pada setiap pixelnya, dengan kata lain nilai bagian RED=GREEN=BLUE.
Nilai tersebut digunakan untuk menunjukkan tingkat intensitas. Warna yang
dimiliki adalah warna hitam, keabuan, dan putih. Tingkatan keabuan disini
merupakan warna abu dengan berbagai tingkatan dari hitam hingga mendekati
putih (Putra, 2010). Gambar 2.12 merupakan contoh pengolahan citra grayscale.
ADLN Perpustakaan Universitas Airlangga
Skripsi Deteksi Dua Belas Sadapan Sinyal Elektrokardiogram Untuk Mengenali Kelainan Jantung Menggunakan Jaringan Saraf Tiruan Dengan Metode Backpropagation
Talitha Asmaria
19
(a) (b)
Gambar 2.12 Citra Medis Sebelum (a) dan Sesudah (b) grayscale. (Priyani, 2009)
Hasil grayscale disimpan dalam format 8 bit untuk setiap sampel pixel,
yang memungkinkan mempunyai nilai intensitas sebanyak 256. Format ini sangat
membantu dalam proses pemrograman karena manipulasi bit yang tidak terlalu
banyak. Untuk mengubah citra berwarna yang masing-masing mempunyai nilai
intensitas R, G, dan B menjadi citra abu-abu (gray) dengan nilai X, maka konversi
dapat dilakukan dengan mengambil rata-rata dari nilai R, G, dan B.
…………………………………………….. (2.1)
2.3.2. Pengolahan Citra Segmentasi
Segmentasi merupakan teknik untuk membagi suatu citra menjadi
beberapa daerah (region) dimana setiap daerah memiliki kemiripan atribut (Putra,
2010). Terdapat beberapa teknik segementasi yang dapat digunakan pada
pengolahan citra digital yaitu, pengambangan (thresholding), segementasi
berbasis cluster, transformasi Hugh, dan teknik-teknik lainnya. Thresholding
dilakukan dengan mengubah citra abu-abu yang memiliki derajat keabuan 256 (8
bit) menjadi citra yang hnaya memiliki dua warna yaitu hitam dan putih. Operasi
Segmentasi dilakukan dengan memilik salah satu teknik dari teknik-teknik
ADLN Perpustakaan Universitas Airlangga
Skripsi Deteksi Dua Belas Sadapan Sinyal Elektrokardiogram Untuk Mengenali Kelainan Jantung Menggunakan Jaringan Saraf Tiruan Dengan Metode Backpropagation
Talitha Asmaria
20
segmentasi. Secara umum proses pengambangan citra grayscale untuk
menghasilkan citra biner sebagai berikut :
............................................................... (2.2)
Dengan adalah citra biner dari citra grayscale , dan T
menyatakan niali ambang. Gambar 2.13 merupakan contoh proses segmentasi
pada pengolahan citra medis.
Gambar 2.13 Proses segmentasi (Allan, 2012)
Thresholding akan menghasilkan citra biner, yaitu citra yang memiliki
dua nilai tingkat keabuan yaitu hitam dan putih (Putra, 2010). Nilai intensitas citra
biner adalah 0 dan 1. Nilai intensitas 0 menyatakan latar belakang (background)
dan nilai intensitas 1 menyatakan objek (foreground) atau nilai intensitas 0
menyatakan warna hitam dan nilai intensitas 1 menyatakan warna putih.
2.3.3. Pengolahan Citra Morfologi
Morfologi citra merupakan suatu operasi pemrosesan citra yang
mengolah citra berdasarkan bentuknya. Operasi morfologi menggunakan dua in-
put himpunan yaitu suatu citra dan suatu kernel. Khusus dalam morfologi istilah
kernel disebut dengan structure elements (SE). SE merupakan suatu matrik dan
ADLN Perpustakaan Universitas Airlangga
Skripsi Deteksi Dua Belas Sadapan Sinyal Elektrokardiogram Untuk Mengenali Kelainan Jantung Menggunakan Jaringan Saraf Tiruan Dengan Metode Backpropagation
Talitha Asmaria
21
pada umumnya berukuran kecil. Gambar 2.14 menyajikan beberapa contoh SE.
Posisi yang dilingkari pada Gambar 2.14 menyatakan pusat koordinat.
1 1 1
1
1 1
1 1 1
1 1 1 1 1 1 1 0 1 0 1
1 1 1 1 1 0 1 1 1
Gambar 2.14 Contoh Structure Elements (Putra,2010)
Elemen dari SE dapat bernilai 1 dan 0. Ada dua operasi morfologi yaitu
dilasi dan erosi. Kedua operasi tersebut menjadi basis untuk membuat berbagai
operasi yang sangat berguna untuk pengolahan citra digital (Putra,2010).
2.3.3.1. Operasi Dilasi
Bila suatu objek (citra input) dinyatakan dengan A dan SE dinyatakan
dengan B setra Bx menyatakan translasi dari B sedemikian sehingga pusat B
terletak pada x.
Operasi dilasi A dan B dapat dinyatakan sebagai berikut.
............................................... (2.3)
Dengan menyatakan himpunan kosong.
Proses dilasi dilakukan dengan membandingkan setiap pixel citra input
dengan nilai pusat SE dengan cara melapiskan (superimpose) SE dengan citra
sehingga pusat SE tepat dengan posisi pixel citra yang diproses. Jika paling
sedikit ada satu pixel pada SE sama dengan nilai pixel objel (foreground) citra
maka pixel input diset nilainya dengan nilai pixel foreground dan bila semua pixel
yang berhubungan adalah background maka input pixel diberi nilai pixel diberi
nilai pixel background. Proses serupa dilanjutkan dengan menggerakkan
(translasi) SE pixel demi pixel pada citra input. Gambar 2.15 mengilustrasikan
ADLN Perpustakaan Universitas Airlangga
Skripsi Deteksi Dua Belas Sadapan Sinyal Elektrokardiogram Untuk Mengenali Kelainan Jantung Menggunakan Jaringan Saraf Tiruan Dengan Metode Backpropagation
Talitha Asmaria
22
suatu citra sebelum dan sesudah proses dilasi dengan menggunakan SE berukuran
3x3 dengan setiap nilai elemen SE bernilai satu.
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 1 1 1 0 0 0 0 0 0 0 0 0
0 0 0 1 1 1 0 0 0 0 0 0 0 0 0 0 0 1 1 1 1 1 1 1 0 0 0 0 0 0 0 0
0 0 1 1 1 1 1 0 0 0 0 0 0 0 0 0 0 1 1 1 1 1 1 1 0 0 1 1 1 1 1 0
0 0 1 1 1 1 1 0 0 0 0 1 1 1 0 0 0 1 1 1 1 1 1 1 0 1 1 1 1 1 1 0
0 0 1 1 1 1 0 0 0 0 1 1 1 1 0 0 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0
0 0 0 1 1 0 0 0 0 1 1 1 1 1 0 0 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0
0 0 0 0 0 0 0 0 1 1 1 1 1 0 0 0 0 0 1 1 1 1 1 1 1 1 1 1 1 1 1 0
0 0 0 0 0 0 0 1 1 1 1 1 0 0 0 0 0 0 0 0 0 1 1 1 1 1 1 1 1 1 0 0
0 0 0 0 0 0 1 1 1 1 1 0 0 0 0 0 0 0 0 0 1 1 1 1 1 1 1 1 1 0 0 0
0 0 0 0 0 1 1 1 1 1 0 0 0 0 0 0 0 0 0 1 1 1 1 1 1 1 1 1 0 0 0 0
0 0 0 0 1 1 1 1 1 0 0 0 0 0 0 0 0 0 0 1 1 1 1 1 1 1 1 1 1 0 0 0
0 0 0 0 1 1 1 1 1 1 1 1 0 0 0 0 0 0 0 1 1 1 1 1 1 1 1 1 1 0 0 0
0 0 0 0 1 1 1 1 1 1 1 1 0 0 0 0 0 0 0 1 1 1 1 1 1 1 1 1 1 0 0 0
0 0
0
0 0 0 1 1 1 1 1 1 0 0 0 0 0 0 0 0 1 1 1 1 1 1 1 1 1 1 0 0 0
0 0
0
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 1 1 1 1 1 1 0 0 0 0
Gambar 2.15 Proses Dilasi (Putra, 2010)
Semakin besar ukuran SE maka semakin besar perubahan yang terjadi.
SE berukuran kecil juga dapat memberikan hasil yang sama dengan SE berukuran
besar dengan cara melakukan dilasi berulang kali. Efek dilasi terhadap citra biner
adalah memperbesar batas dari objek yang ada sehingga objek terlihhat semakin
besar dan lubang-lubang yang terdapat di tengah objek akan tampak mengecil.
2.3.3.2. Operasi Erosi
Bila suatu objek (citra input) dinyatakan dengan A dan SE dinyatakan
dengan B setra Bx menyatakan translasi dari B sedemikian sehingga pusat B
terletak pada x. Operasi erosi A dan B dapat dinyatakan sebagai berikut.
................................................... (2.4)
Dengan X menyatakan himpunan bernilai satu.
Sama seperti pada dilasi, proses erosi dilakukan dengan membandingkan
setiap pixel citra input dengan nilai pusat SE dengan cara melapiskan (superim-
pose) SE dengan citra sehingga pusat SE tepat dengan posisi pixel citra yang
ADLN Perpustakaan Universitas Airlangga
Skripsi Deteksi Dua Belas Sadapan Sinyal Elektrokardiogram Untuk Mengenali Kelainan Jantung Menggunakan Jaringan Saraf Tiruan Dengan Metode Backpropagation
Talitha Asmaria
23
diproses. Jika semua piksel pada SE tepat sama dengan semua nilai pixel objek
(foreground) citra maka pixel input diset nilainya dengan nilai pixel foreground,
bila tidak maka input pixel diberi nilai pixel background. Proses serupa
dilanjutkan dengan menggerakkan SE pixel demi pixel pada citra input. Proses
erosi merupakan kebalikan dari proses dilasi. Jika dalam proses dilasi
menghasilkan objek yang lebih luas maka dalam proses erosi akan menghasilkan
objek yang menyempit (mengecil). Lubang pada objek juga akan tampak
membesar seiring menyempitnya batas objek tersebut. Gambar 2.16
mengilustrasikan citra sebelum dan sesudah proses erosi dengan SE berukuran
3x3 dengan semua elemen bernilai satu.
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
0 0 0 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
0 0 1 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0
0 0 1 1 1 1 1 0 0 0 0 1 1 1 0 0 0 0 0 1 1 0 0 0 0 0 0 0 0 0 0 0
0 0 1 1 1 1 0 0 0 0 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0
0 0 0 1 1 0 0 0 0 1 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0
0 0 0 0 0 0 0 0 1 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0
0 0 0 0 0 0 0 1 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0
0 0 0 0 0 0 1 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0
0 0 0 0 0 1 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0
0 0 0 0 1 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 0 0 0 0 0 0 0 0
0 0 0 0 1 1 1 1 1 1 1 1 0 0 0 0 0 0 0 0 0 1 1 1 0 0 0 0 0 0 0 0
0 0 0 0 1 1 1 1 1 1 1 1 0 0 0 0 0 0 0 0 0 0 1 1 1 1 0 0 0 0 0 0
0 0
0
0 0 0 1 1 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
0 0
0
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
Pada Gambar 2.16 terlihat hasil proses erosi menyebabkan objek
mengecil. Semakin besar kernel yang digunakan maka hasil yang akan didapatkan
akan semakin kecil. Begitu juga apabila proses erosi dilakukan berulang-ulang
akan terus mengecilkan objek walaupun hanya menggunakan SE berukuran kecil
(Putra, 2010).
Gambar 2.16 Proses Erosi (Putra, 2010)
ADLN Perpustakaan Universitas Airlangga
Skripsi Deteksi Dua Belas Sadapan Sinyal Elektrokardiogram Untuk Mengenali Kelainan Jantung Menggunakan Jaringan Saraf Tiruan Dengan Metode Backpropagation
Talitha Asmaria
24
2.3.4. Pengolahan Citra Ekstraksi Fitur
Ekstraksi Fitur merupakan proses mengambil ciri-ciri yang terdapat pada
objek di dalam citra. Fitur adalah karakteristik unik dari suatu objek. Analisis
bentuk merupakan salah satu metode pemisahan fitur. Terdapat berbagai macam
teknik pada pengolahan ekstraksi fitur, beberapa diantranya adalah amplitudo,
histogram, matriks co-occurance, gradient, deteksi tepi, spektrum fourier, dan
beberapa teknik lainnya (Putra, 2010). Perhitungan matematis pada masing-
maisng teknik pengolahan citra ekstraksi fitur berbeda-beda bergantung pada jenis
citra yang akan diolah fiturnya.
2.4 Jaringan Saraf Tiruan
Jaringan saraf tiruan (JST) adalah sistem pemroses informasi yang
memiliki karakteristik mirip dengan jaringan saraf biologi. JST dibentuk sebagai
generalisasi model matematika dari jaringan saraf biologi, dengan asumsi bahwa :
Pemrosesan informasi terjadi pada banyak elemen sederhana (neuron).
Sinyal dikirimkan diantara neuron-neuron melalui penghubung-penghubung
Penghubung antar neuron memiliki bobot yang akan memperkuat atau
memperlemah sinyal
Untuk menentukan output, setiap neuron menggunakan fungsi aktivasi yang
dikenakan pada jumlah inputan yang diterima. Besarnya output ini
selanjutnya dibandingkan dengan suatu batas ambang (Siang, 2005)
Neuron merupakan sistem yang “fault tolerant” dalam dua hal.
Pertama.manusia dapat mengenali sinyal input yang agak berbeda dari yang
pernah kita terima sebelumnya. Sebagai contoh, manusia sering dapat mengenali
ADLN Perpustakaan Universitas Airlangga
Skripsi Deteksi Dua Belas Sadapan Sinyal Elektrokardiogram Untuk Mengenali Kelainan Jantung Menggunakan Jaringan Saraf Tiruan Dengan Metode Backpropagation
Talitha Asmaria
25
seseorang yang wajahnya pernah ia lihat di foto, atau dapat mengenali seseorang
yang wajahnya agak berbeda karena sudah lama tidak dijumpai. Kedua, otak
manusia tetap mampu bekerja meskipun beberapa neuronnya tidak mampu
bekerja dengan baik. Jika sebuah neuron rusak, neuron lain kadang-kadang dapat
dilatih untuk menggantikan fungsi sel yang rusak tersebut (Siang, 2005).
Neuron adalah unit pemroses informasi yang menjadi dasar dalam
pengoperasian jaringan saraf tiruan. Neuron bekerja berdasarkan impuls atau
sinyal yang diberikan pada neuron. Neuron akan menstransformasikan informasi
(input) melewati sinyal yang dikirimkan antara neuron-neuron melalui
penghubung-penghubung. Penghubung antar neuron memiliki bobot yang
menyimpan informasi pada suatu nilai tertentu. Penghubung tersebut memiliki
bobot yang berbeda-beda, bobot yang bernilai positif akan memperkuat sinyal dan
bobot yang negatif akan memperlemah sinyal yang dibawahnya.
Jumlah,struktur,dan pola hubungan antar neuron-neuron tersebut akan
menentukan arsitektur jaringan (model jaringan yang terbentuk). Input ini akan
diproses oleh suatu fungsi perambatan yang akan menjumlahkan input-input
sinyal yang sudah dikalikan dengan bobotnya. Misalkan x1, x2, …..xn adalah unit
input dan wji, wj2,….wjn adalah bobot penghubung ke unit keluaran Y, maka unit
penjumlahan akan memberikan keluaran sebesar u=x1wj1,+ x2wj2+…… xnwjn
(Priyani, 2009).
Hasil penjumlahan ini kemudian akan dibandingkan dengan suatu nilai
ambang (threshold) tertentu melalui fungsi aktivasi, setiap neuron akan diteruskan
ke neuron lain atau tidak. Apabila input melewati suatu nilai ambang tertentu,
ADLN Perpustakaan Universitas Airlangga
Skripsi Deteksi Dua Belas Sadapan Sinyal Elektrokardiogram Untuk Mengenali Kelainan Jantung Menggunakan Jaringan Saraf Tiruan Dengan Metode Backpropagation
Talitha Asmaria
26
maka neuron tersebut akan diaktifkan dan akan mengirimkan output melalui
bobot outputnya ke semua neuron yang berhubungan dengannya. Jika tidak maka
neuron tersebut tidak akan diaktifkan.
Karakteristik dari JST ditentukan oleh :
1. Pola hubungan antara neuron (arsitektur jaringan)
Beberapa arsitektur jaringan yang sering dipakai dalam jaringan saraf tiruan
antara lain (Priyani, 2009):
a. Jaringan Layar Tunggal (single layer network)
b. Jaringan Layar Jamak (multi layer network)
c. Jaringan Reccurent
2. Metode untuk menentukan bobot penghubung (disebut metode training
/learning/algoritma) (Priyani, 2009).
3. Fungsi aktivasi
Dalam jaringan saraf tiruan, fungsi aktifasi dipakai untuk menentukan
keluaran suatu neuron.
Jaringan syaraf tiruan memiliki kelebihan dibandingkan dengan metode
perhitungan lainnya, antara lain :
1. Kemampuan mengakuisisi pengetahuan walaupun dalam kondisi ada
gangguan dan ketidkakpastian. Hal ini karena jaringan syaraf tiruan mampu
melakukan generalisasi, abstraksi, dan ekstraksi terhadap properti statistik
dari data.
ADLN Perpustakaan Universitas Airlangga
Skripsi Deteksi Dua Belas Sadapan Sinyal Elektrokardiogram Untuk Mengenali Kelainan Jantung Menggunakan Jaringan Saraf Tiruan Dengan Metode Backpropagation
Talitha Asmaria
27
2. Kemampuan mempresentasikan pengetahuan secara fleksibel jaringan syaraf
truan dapat menciptakan sendiri representasi melalui pengaturan diri sendiri
atau kemmpuan belajar (self organizing).
3. Kemampuan untuk memberikan toleransi, dimana gangguan kecil pada data
dapat dianggap hanya sebagai guncangan belaka.
4. Kemampuan memproses pengetahuan secara efisien karena memakai sistem
paralel, sehingga waktu yang diperlukan untuk pengoperasiannya lebih
singkat.
2.5 BackPropagation
Propagasi balik atau backpropagation merupakan algoritma
pembelajaran yang terawasi dan biasanya digunakan oleh perceptron dengan
banyak lapisan untuk mengubah bobot-bobot yang terhubung dengan neuron-
neuron yang ada pada lapisan tersembunyinya (Priyani,2009).
Algoritma propagasi balik menggunakan error output untuk mengubah
nilai bobot-bobotnya dalam arah mundur (backward). Untuk mendapatkan error
ini, tahapan perambatan maju (forward) harus dikerjakan terlebih dahulu. Pada
saat perambatan maju, neuron-neuron diaktifkan dengan menggunakan fungsi
aktivasi yang dapat dideferensiasikan seperti sigmoid (Priyani, 2009). Pada
algoritma propagasi balik terdapat dua tahapan yaitu pelatihan dengan
menggunakan forward dan backward dan pengujian dengan menggunakan for-
ward.
Backpropagation melatih jaringan untuk mendapatkan keseimbangan
antara kemampuan jaringan untuk mnegenali pola yang digunakan selamna
ADLN Perpustakaan Universitas Airlangga
Skripsi Deteksi Dua Belas Sadapan Sinyal Elektrokardiogram Untuk Mengenali Kelainan Jantung Menggunakan Jaringan Saraf Tiruan Dengan Metode Backpropagation
Talitha Asmaria
28
Lapisan Input
Lapisan Tersembunyi
Matriks Bobot Pertama
Matriks Bobot Kedua
Lapisan Output
pelatihan serta kemampuan jaringan untuk memberikan respon yang benar
terhadap pola masukan yang serupa (tapi tidak sama) dengan pola yang dipakai
selama pelatihan.
Gambar 2.17 Arsitektur Jaringan Saraf Tiruan Backpropagation
Gambar 2.17 menunjukkan arsitektur jaringan saraf tiruan
backpropagation dengan Xi= nilai pada lapisan masukan dengan jumlah i, Zj =
nilai pada lapisan tersembunyi dengan jumlah j, Yk =nilai pada lapisan keluaran
dengan jumlah k, Vij = bobot pada lapisan input menuju lapisan tersembunyi, dan
Wjk = bobot pada lapisan tersembunyi menuju lapisan output.
Berikut penjelasan langkah-langkah algoritma backpropagation pada
tahap pelatihan :
Langkah 0 : Penginisialisasian bobot dan bias.
Nilai Input
V11 V21 V12 V22 V13 V23
W11 W12
Nilai Output
ADLN Perpustakaan Universitas Airlangga
Skripsi Deteksi Dua Belas Sadapan Sinyal Elektrokardiogram Untuk Mengenali Kelainan Jantung Menggunakan Jaringan Saraf Tiruan Dengan Metode Backpropagation
Talitha Asmaria
29
Mula-mula bobot diberi nilai acak yang kecil (range [1,-1]).
Bobot dari layar masukan ke layar tersembunyi (Vij ) dan bobot
dari layar tersembunyi ke layar keluaran (Wij).
Langkah 1 : Bila pada stopping condition nilai yang didapat masih belum
sesuai seperti yang diharapkan, maka ditempuh langkah 2
sampai 9.
Langkah 2 : Pada setiap data training, ditempuh langkah 3 sampai 8.
Umpan maju ( Feed forward )
Langkah 3 : Masing-masing unit input n),=,i(X i 1,2,.. menerima sinyal
masukan xi . Sinyal masukan x
i dikirim ke seluruh unit
hidden. Masukan xi yang dipakai adalah input training data
yang sudah melalui penyekalaan. Nilai tertinggi dan terendah
dari input yang dipakai dalam sistem kemudian dicari. Skala
yang digunakan disesuaikan dengan fungsi aktivasinya.
Langkah 4 : Masing-masing unit hidden p),=j,(Z j 1,2,... merupakan
penjumlahan sinyal-sinyal input yang telah diberi bobot
beserta biasnya, dengan persamaan :
n
=i
iji0jj
in VX+V=Z1
…………………………. ( 2.5 )
ADLN Perpustakaan Universitas Airlangga
Skripsi Deteksi Dua Belas Sadapan Sinyal Elektrokardiogram Untuk Mengenali Kelainan Jantung Menggunakan Jaringan Saraf Tiruan Dengan Metode Backpropagation
Talitha Asmaria
30
Untuk menghitung nilai sinyal output dari unit hidden,
digunakan fungsi aktivasi yang sudah dipilih, dengan
persamaan:
)f(Z=Zj
inj ………………………..……….. ( 2.6 )
Kemudian sinyal output dari unit hidden dikirim ke setiap
unit output.
Langkah 5 : Masing-masing unit output m),=k,(Yk 1,2,...
merupakan
penjumlahan sinyal-sinyal input yang telah diberi bobot
beserta biasnya, dengan persamaan :
p
=j
jkj0kk
in WZ+W=Y1
..................................... ( 2.7 ) Y ink
=W0k ∑j=1
p
Z j W jk …………..……………………. ( 2 - 3 )
Untuk menghitung nilai sinyal output dari unit output,
digunakan fungsi aktivasi yang sudah dipilih, dengan
persamaan :
)f(Y=Yk
ink ………….………………...…... ( 2.8 )
Propagasi error ( backpropagation of error )
Langkah 6 : Masing-masing unit output m),=k,(Yk 1,2,... menerima suatu
target pattern ( output yang diinginkan ) sesuai dengan input
training pattern untuk menghitung besar error antara target
dengan output, dengan persamaan :
)(Y)f'Y(t=δk
inkkk …………………... ............ ( 2.9 )
ADLN Perpustakaan Universitas Airlangga
Skripsi Deteksi Dua Belas Sadapan Sinyal Elektrokardiogram Untuk Mengenali Kelainan Jantung Menggunakan Jaringan Saraf Tiruan Dengan Metode Backpropagation
Talitha Asmaria
31
Seperti input training data, output training data )(t k juga
melalui penyekalaan sesuai dengan fungsi aktivasi yang
digunakan.
Faktor δk berfungsi untuk menghitung koreksi error )(ΔΔ jk
yang akan dipakai dalam pembaharuan nilai Wjk .
ΔW jk =α δk Z j ………………………. .............. ( 2.10 )
Koreksi bias )(ΔΔ 0k yang akan dipakai dalam pembaharuan
nilai W0k , juga dihitung.
ΔW0k
=α δk .…….…………………… .............. ( 2.11 )
Faktor δk kemudian dikirim ke layer pada langkah 7.
Langkah 7 : Input delta ( dari layer pada langkah 6 ) yang diberi bobot,
dijumlahkan pada masing-masing unit hidden
p),=j,(Z j 1,2,... .
δ inj
=∑k=1
m
δ k W jk …………………...… ( 2.12 )
Agar dapat menghasilkan faktor koreksi error j , hasil dari
persamaan ( 2.12 ) dikalikan dengan turunan fungsi aktivasi
yang digunakan.
)(Z)f'(δ=δj
inj
inj ……………………... ............ ( 2.13 )
faktor δj digunakan menghitung koreksi error )(ΔΔij
yang
akan dipakai pada pembaharuan nilai Vij , dengan :
ADLN Perpustakaan Universitas Airlangga
Skripsi Deteksi Dua Belas Sadapan Sinyal Elektrokardiogram Untuk Mengenali Kelainan Jantung Menggunakan Jaringan Saraf Tiruan Dengan Metode Backpropagation
Talitha Asmaria
32
ΔVij=α δ
jX
i …………………......……... ( 2.14 )
Koreksi bias )(ΔΔ0jyang akan dipakai pada pembaharuan
V0j , juga dihitung, dengan :
ΔV0j
=α δj ......................................................... ( 2.15 )
Pembaharuan bobot ( adjustment ) dan bias.
Langkah 8 : Masing-masing unit output m),=k,(Yk 1,2,... akan dipakai pada
pembaharuan nilai bias dan bobot dari setiap unit hidden
.0,1,... p),=(j
jkjkjk ΔW+(lama)W=(baru)W ……… .............. ( 2.16 )
Masing-masing unit hidden p),=j,(Z j 1,2,... juga akan dipakai
pada pembaharuan nilai bias dan bobot dari setiap unit input
n),=(i 0,1,...
ijijij ΔV+(lama)V=(baru)V ................................. ( 2.17 )
Langkah 9 : Pemeriksaan stop condition.
Bila stop condition dapat dipenuhi, pelatihan JST dapat dihentikan.
Metode JST yang digunakan dalam penelitian antara lain Prediksi
Penyakit Jantung Koroner Berdasarkan Faktor Resiko Menggunakan Jaringan
Saraf Tiruan-Backpropagation (Nazrul Dkk, 2008), Perancangan Sistem Deteksi
Digital Mycobacterium Tubercolosis Melaluli Ekstraksi Citra Dahak Dengan
Menggunakan Metode Jaringan Saraf Tiruan (Chandra dkk, 2011), dan
Pengenalan Pola Sinyal Elektrokardiograf (EKG) dengan Jaringan Saraf Tiruan
Backpropagation untuk Diagnosa Kelainan Jantung Manusia (Sudjadi dkk, 2009).
ADLN Perpustakaan Universitas Airlangga
Skripsi Deteksi Dua Belas Sadapan Sinyal Elektrokardiogram Untuk Mengenali Kelainan Jantung Menggunakan Jaringan Saraf Tiruan Dengan Metode Backpropagation
Talitha Asmaria