Pengujian Instrumen Pendeteksi Kelainan Ritme Jantung Menggunakan Data Fisiologi MIT-BIH
Abstrak
Database MIT-BIH menyediakan data sinyal EKG otentik yang bisa digunakan sebagai sumber untuk menguji sebuah sistem dengan variasi jenis kelainan maupun durasi pengujian. Sinyal EKG MIT-BIH dikonversi menjadi sinyal analog menggunakan DAC 11-bit dengan frekuensi 360 Hz. Mikrokontroler mengubah sinyal analog dari keluaran generator menggunakan ADC 10-bit internal dengan frekuensi pencuplikan 200 Hz. Kemudian dilakukan analisis kelainan jantung berdasarkan data hasil pencuplikan. Ritme jantung yang tidak normal diidentifikasi menggunakan parameter puncak R. Dengan mengukur interval antar puncak R, jumlah detak jantung per menit (bpm) maupun variasi interval antar puncak-puncak R dapat diukur untuk menentukan kelainan ritme jantung. Hasil penelitian menunjukkan bahwa keluaran DAC memberikan kesalahan dengan rentang 6,72 milivolt hingga 14,58 milivolt, sedangkan keluaran ADC memberikan kesalahan dengan rentang 1 bit hingga 2 bit. Secara statistik, hasil pengujian menunjukkan nilai signifikansi terhadap nilai ideal adalah lebih besar dari α = 0,05 yang berarti bahwa tidak ada perbedaan yang cukup signifikan antara interval R-R hasil pengukuran dengan interval R-R sinyal asli berdasarkan level kepercayaan diri 95%. Metode pengujian berhasil mendeteksi beberapa jenis ritme jantung dengan kategori: normal, bradycardia, tachycardia, dan irregular.
Referensi
M. Thaler, S. Seigafuse, N. Winter, and B. Rivera, the only EKG book youll ever need, 5th ed. Pennsylvania: Lippincott Williams & Wilkins, 2007, pp. 1–251.
A. Sukoco, “Alat Deteksi Dini dan Mandiri Arythmia,” Jurnal Teknologi dan Manajemen Informatika Universitas Merdeka Malang, vol. 6, no. 3, pp. 494–502, 2008.
S. F. Babiker, L. E. Abdel-khair, and S. M. Elbasheer, “Microcontroller Based Heart Rate Monitor using Fingertip Sensors,” University of Khartoum Engineering Journal, vol. 1, no. 2, pp. 47–51, 2011.
M. Fezari, M. Bousbia-salah, and M. Bedda, “Microcontroller Based Heart Rate Monitor,” The International Arab Journal of Information Technology, vol. 5, no. 4, pp. 153–157, 2008.
M. G. Tsipouras, D. I. Fotiadisa, and D. Sideris, “An arrhythmia classification system based on the RR-interval signal.pdf,” Artificial Intelligence in Medicine, vol. 33, pp. 237–250, 2005.
Y. Yeh and W. Wang, “QRS complexes detection for ECG signal: The Difference Operation Method,” computer methods and programs in biomedicine, vol. 1, pp. 245–254, 2008.
J. Pan and W. J. Tompkins, “Realtime QRS Detection Algorithm,” IEEE Trancsactions on Biomedical Engineering, vol. BME-32, no. 3, pp. 230–236, 1985.
“PhysioBank ATM.” [Online]. Available: http://physionet.org/cgibin/ atm/ATM. [Accessed: 24-Jan-2013].
S. Heath, Embedded Systems Design (2nd Edition). Newnes, 2003, pp. 1–451.
M. Margolis, Arduino Cookbook, 1st ed. Gravenstein Highway North, Sebastopol, CA 95472: O’Reilly Media, Inc., 2011, pp. 1–658.
B. Evans, Begining Arduino Programming. Springer Science & Business Media, 2011, pp. 1–271.
“Arduino - Products.” [Online]. Available: http://arduino.cc/en/Main/Products. [Accessed: 24-Jan-2013].
© Jurnal Nasional Teknik Elektro dan Teknologi Informasi, di bawah Lisensi Creative Commons Atribusi-BerbagiSerupa 4.0 Internasional.
2.png)
