implementasi learning vector quantization (lvq) …repository.unair.ac.id/25697/1/karimah, f.pdf ·...

IMPLEMENTASI LEARNING VECTOR QUANTIZATION (LVQ)SEBAGAI ALAT BANTU IDENTIFIKASI KELAINAN JANTUNG

MELALUI CITRA ELEKTROKARDIOGRAM

SKRIPSI

FATIMATUL KARIMAH

PROGRAM STUDI S-1 TEKNOBIOMEDIKDEPARTEMEN FISIKA

FAKULTAS SAINS DAN TEKOLOGIUNIVERSITAS AIRLANGGA

2012

ADLN Perpustakaan Universitas Airlangga

Skripsi Implementasi Learning Vector Quantization sebagai Alat Bantu Identifikasi Kelainan Jantung Melalui Citra Elektrokardiogram

Fatimatul Karimah

ii

IMPLEMENTASI LEARNING VECTOR QUANTIZATION (LVQ)SEBAGAI ALAT BANTU IDENTIFIKASI KELAINAN JANTUNG

MELALUI CITRA ELEKTROKARDIOGRAM

SKRIPSI

Sebagai Salah Satu Syarat untuk Memperoleh

Gelar Sarjana Teknik Bidang Teknobiomedik pada

Fakultas Sains dan Teknologi

Universitas Airlangga

Oleh :

FATIMATUL KARIMAH080810083

Tanggal Lulus : 6 Agustus 2012

Disetujui Oleh :

Pembimbing I

Drs. Adri Supardi, M. ScNIP. 195603031986011002

Pembimbing II

Endah Purwanti, S. Si., M. TNIP. 197710312009122003



Fatimatul Karimah

iii

LEMBAR PENGESAHAN NASKAH SKRIPSI

Judul : Implementasi Learning Vector Quantization (LVQ) Sebagai

Alat Bantu Deteksi Kelainan Jantung Melalui Citra

Elektrokardiogram

Penyusun : Fatimatul Karimah

NIM : 080810083

Tanggal Ujian : 6 Agustus 2012

Disetujui oleh :

Pembimbing I

Drs. Adri Supardi, M. ScNIP. 195603031986011002

Pembimbing II

Endah Purwanti, S. Si., M. TNIP. 197710312009122003

Mengetahui,

Ketua Departemen FisikaFakultas Sains dan Teknologi

Universitas Airlangga

Drs. Siswanto, M.Si.NIP. 19640305 198903 1 003

Ketua Program Studi S1Teknobiomedik

Fakultas Sains dan TeknologiUniversitas Airlangga

Dr. Retna Apsari, M.SiNIP. 19680626 199303 2 003



Fatimatul Karimah

iv

PEDOMAN PENGGUNAAN SKRIPSI

Skripsi ini tidak dipublikasikan, namun tersedia di perpustakaan dalam lingkunganUniversitas Airlangga, diperkenankan untuk dipakai sebagai referensi kepustakaan,tetapi pengutipan harus seizin penyusun dan harus menyebutkan sumbernya sesuaikebiasaan ilmiah.

Dokumen skripsi ini merupakan hak milik Universitas Airlangga.



Fatimatul Karimah

v

KATA PENGANTAR

Puji syukur ke hadirat Allah SWT, karena berkat rahmat dan hidayah-Nya

penyusunan skripsi dengan judul “Implementasi Learning Vector Quantization

(LVQ) Sebagai Alat Bantu Identifikasi Kelainan Jantung Melalui Citra

Elektrokardiogram” dapat terselesaikan dengan baik.

Penulisan ini tidak lepas dari bimbingan, arahan dan bantuan dari berbagai

pihak.Pada kesempatan ini, penulis mengucapkan terima kasih sebesar-besarnya

kepada :

1. Drs. Adri Supardi, M. Sc selaku pembimbing I dan Dosen Wali yang telah

memberikan arahan, bimbingan dan koreksi selama penyusunan skripsi ini

dan juga atas saran dan solusinya selama masa kuliah di Program studi

Teknobiomedik ini.

2. Endah Purwanti, S.Si., M.T selaku pembimbing II yang telah meluangkan

waktunya untuk membimbing dan memberikan arahan kepada penulis dalam

penyusunan naskah sripsi dan juga mengajarkan mengenai metode

pemrograman yang digunakan dalam penelitian ini.

3. Bapak Dr. Soegianto Soelistiono, M.Si dan Bapak Drs. R. Arif Wibowo, M.Si

sebagai penguji yang telah memberikan saran dan koreksi terhadap

penyusunan naskah skripsi ini.

4. Ketua Program Studi S1 Teknobiomedik, Ibu Dr. Retna Apsari, M.Si, yang

telah memberikan informasi tentang penyusunan naskah skripsi ini dan telah

memberikan motivasi sehingga naskah skripsi ini dapat terselesaikan.

5. Ketua Departemen Fisika, Bapak Drs. Siswanto, M.Si, yang telah

memberikan fasilitas laboratorium untuk pelaksana penelitian skripsi ini.

6. Bapak dan Ibu dosen FSAINTEK UNAIR yang telah mengarahkan dan

membimbing selama proses perkuliahan.

7. Keluarga yang selalu memberikan dukungan, doa dan motivasi untuk

menyelesaikan naskah skripsi ini secepatnya.



Fatimatul Karimah

vi

8. Teman-teman S1 Teknobiomedik 2008 yang telah melewati masa kuliah

bersama khususnya Devi, Talitha, Taufik, Yudha dan Ima yang menjadi

teman untuk mendiskusikan software yang dirancang dalam penelitian ini.

9. Mustika, Ratna, Dwi, Eka, Melan, Ninda, Ayu dan Nana sebagai sahabat yang

telah memberikan semangat untuk dapat menyelesaikan naskah skripsi ini.

10. Sajidah Lillah, Hammadah, Na’imah, Hassan dan Sofia yang menjadi

semangat untuk dapat menyelesaikan naskah skripsi ini.

11. Serta berbagai pihak lainnya yang tidak dapat disebutkan satu persatu.

Penulis menyadari bahwa penyusunan naskah skripsi ini masih banyak

kekurangan baik isi, maupun teknik penulisan. Oleh sebab itu, kritik, saran dan

pendapat dari pembaca sangat diharapkan. Harapan penulis, semoga laporan ini

dapat bermanfaat bagi pembaca.

Surabaya , 6 Agustus 2012

Penulis

Fatimatul Karimah



Fatimatul Karimah

vii

Karimah, Fatimatul, 2012, Implementasi Learning Vector Quantizationsebagai Alat Bantu Identifikasi Kelainan Jantung Melalui CitraElektrokardiogram. Skripsi di bawah bimbingan Drs. Adri Supardi, M.Sc.dan Endah Purwanti, S. Si., M. T., Departemen Fisika, Fakultas Sains danTeknologi, Universitas Airlangga, Surabaya

ABSTRAK

Penyakit jantung adalah penyakit yang menyebabkan angka kematian yangtinggi di dunia. Salah satu cara pendeteksian penyakit jantung dapat dilakukandengan pembacaan sinyal Electrocardiograph (ECG). Namun, pembacaan perekamanECG (elektrokardiogram) ini cukup sulit karena memerlukan keahlian khusus. Untukmembantu pembacaan elektrokardiogram maka, pada penelitian ini dilakukanperancangan perangkat lunak berbasis jaringan saraf tiruan dengan metode LearningVector Quantization (LVQ) sebagai alat bantu identifikasi kelainan jantung. Inputperangkat lunak ini adalah citra digital elektrokardiogram. Citra elektrokardiogramtersebut diolah menggunakan metode pengolahan citra (pre-processing, segmentasi,morfologi citra dan ekstraksi fitur) sehingga diperoleh ordinat grafik citraelektrokardiogram yang merepresentasikan potensial listrik jantung. Output dariperangkat lunak ini dibagi menjadi tiga kelas yaitu, kondisi jantung normal, koronerdan fibrilasi atrium. Tingkat akurasi maksimal perangkat lunak ini adalah sebesar96% dengan parameter optimal LVQ yaitu, laju pembelajaran 0,1 dan penguranganlaju pembelajaran 0,5.

Kata kunci : LVQ, Elektrokardiogram, Pengolahan Citra.



Fatimatul Karimah

viii

Karimah, Fatimatul, 2012,Implementation of Learning Vector Quantization(LVQ) as an Identification Cardiac Abnormalities Using ElectrocardiogramImage. Final project was under guidance Drs. Adri Supardi, M. Sc.andEndah Purwanti, S. Si., M. T., Department of Physics, Faculty of Sainsand Technology, Airlangga University, Surabaya

ABSTRACT

Heart disease is one of the most deathly disease in the world. One of the wayto detect this disease is by reading the graph output of electrocardiograph (ECG)signal. But, to read ECG signal isn’t easy and need an expert people to read that. Tohelp read the ECG signal in this research has been design a software based onartificial neural networks by Learning Vector Quantization method (LVQ) as a toolfor identification of cardiac abnormalities. Input of the software is a digital image ofan electrocardiogram. The electrocardiogram image, process by the method of digitalimage processing (pre-processing, segmentation, morphology, and image featureextraction) obtained images of the electrocardiogram graph ordinate represents theheart's electrical potential. The output of the software is divided into three classes,namely the condition of normal heart, coronary and atrial fibrillation. The maximumaccuracy of this software is about 96% with learning rate 0.1 and 0.5 of learning ratereduction.

Key words: LVQ, Electrocardiogram, Image Processing.



Fatimatul Karimah

ix

DAFTAR ISI

Lembar Pengesahan........................................................................................iii

Kata Pengantar.................................................................................................v

Daftar Isi ..........................................................................................................ix

Daftar Tabel ....................................................................................................xi

Daftar Gambar...............................................................................................xii

Daftar Lampiran.............................................................................................xiv

BAB I Pendahuluan .......................................................................................1

1.1 Latar Belakang Masalah .................................................................1

1.2 Rumusan Masalah ..........................................................................4

1.3 Batasan Masalah .............................................................................4

1.4 Tujuan Penelitian ............................................................................5

1.5 Manfaat Penelitian ..........................................................................5

BAB II Tinjauan Pustaka................................................................................6

2.1 Jantung ............................................................................................6

2.1.1 Anatomi Jantung ..................................................................6

2.1.2 Fisiologi Jantung ..................................................................7

2.1.3 Kelainan pada Jantung...........................................................8

2.2 ECG(Electrocardiograph) .............................................................11

2.3 Elektrokardiogram..........................................................................16

2.4 Pengolahan Citra..............................................................................20

2.4.1 Citra Digital...........................................................................20

2.4.2 Jenis Citra Digital..................................................................21

2.4.3 Operasi Pengolahan Citra Digital…………………………..24

2.4.4 Segmentasi...………………………………………………..25



Fatimatul Karimah

x

2.4.5 Morfologi Citra……………………………………………..26

2.5Jaringan Saraf Tiruan Menggunakan Metode LVQ.........................29

2.5.1 Jaringan Syaraf Tiruan...........................................................29

2.5.2Learning Vector Quantization (LVQ)...................................32

BAB III Metode Penelitian..............................................................................34

3.1 Waktu dan Tempat Penelitian ........................................................34

3.2 Alat dan Bahan ..............................................................................34

3.3 Prosedur Penelitian ........................................................................34

3.3.1 Studi Literatur…………………………..………....…35

3.3.2 Persiapan Data……………………...………………...35

3.3.3 Pengolahan Citra………………..……...………….…36

3.3.4 Metode Klasifikasi Data ……..………….…….……..37

3.3.5 Hasil Klasifikasi Data…………………………..…….40

3.3.6 Rancangan Tampilan Program………………………..40

BAB IV Hasil dan Pembahasan………..........................................................45

4.1 Hasil Pengolahan Data…………………………………………….45

4.2 Pembentukan Jaringan Learning Vector Quantization (LVQ)……49

4.2.1 Pelatihan Jaringan LVQ………………………………..49

4.2.2 Pengujian Jaringan LVQ……………………………….51

4.3 Tampilan Program…………………………………………………56

BAB V Kesimpulan dan Saran..……………………………………………60

5.1 Kesimpulan………………………………………………………..60

5.2 Saran………………………………………………………………60

Daftar Pustaka.................................................................................................62



Fatimatul Karimah

xi

DAFTAR TABEL

Nomor Judul Tabel Halaman

2.1 Parameter Elektrokardiogram(Tompkins, 1993) 18

4.1 Parameter yang digunakan pada jaringan LVQ 50

4.2 Hasil Kecocokan Terhadap Data Pelatihan 51

4.3 Hasil Kecocokan Pengujian 52

4.4 Hasil Pengujian 53



Fatimatul Karimah

xii

DAFTAR GAMBAR

Nomor Judul Gambar Halaman

2.1 Anatomi Jantung Manusia (Marieb, 1994) 6

2.2 Hubungan antara ECG dengan aktifasi kelistrikan 7

dan kontraksi myocardium(Guyton, 1995)

2.3 Segitiga Eithoven (Berbari, 2000) 12

2.4 Diagram blok ECG (Widodo,2009) 13

2.5 Sadapan Standar Bipolar(Berbari, 2000) 14

2.6 Augmented Extremity Leads(Berbari, 2000) 15

2.7 Unipolar Precodial Lead(Berbari, 2000) 15

2.8 letak 12 Leads (Brunet, 2003) 16

2.9 Contoh Hasil Perekaman Sinyal ECG(MIT-BIH) 17

2.10 Gambar Gelombang Jantung 18

2.11 Ilustrasi Gambar True Color (Pramitarini, 2011) 21

2.12 Ilustrasi Gambar Grayscale (Pramitarini, 2011) 22

2.13 Ilustrasi Citra Biner (Pramitarini, 2011) 23

2.14 Proses Pengolahan Citra 24

2.15 Sampel Hasil Thresholding 26

2.16 Proses Dilasi Pada Citra Biner Dan Grayscale 27

(Wirayudha, 2006)

2.17 Hasil Proses Dilasi 28

2.18 Proses Erosi pada Citra Grayscale (Wirayudha, 2006) 28

2.19 Hasil Proses Erosi 28

2.20 Model Tiruan dari Neuron 29

2.21 Jaringan Saraf Tiruan FeedForward (Yani,2005) 31

2.22 Jaringan Saraf Tiruan FeedBack (Yani,2005) 31

2.23 Arsitektur LVQ (Kusumadewi, 2004) 32



Fatimatul Karimah

xiii

Nomor Judul Gambar Halaman

3.1 Diagram alir Metode Penelitian 35

3.2 Diagram Blok Hardware 36

3.3 Diagram Blok Pengolahan Citra 36

3.4 Arsitektur Jaringan LVQ 38

3.5 Diagram alir program JST 39

3.6 Diagram Alir LVQ 39

3.7 Rancangan Program MENU 41

3.8 Rancangan Program Pelatihan 42

3.9 Rancangan Program Pengujian 43

3.10 Rancangan Tampilan Bantuan 44

4.1 Hasil Persiapan Data 45

4.2 Hasil Grayscalling 46

4.3 Hasil Pencerahan 46

4.4 Hasil Segmentasi 47

4.5 Hasil Morfologi Citra 48

4.6 Penentuan Titik Awal Sumbu Y 48

4.7 Hasil Visualisasi Fitur 49

4.8 Tampilan Program Menu 57

4.9 Tampilan Program Pelatihan 58

4.10 Tampilan Program Pengujian 59

4.11 Tampilan Program Bantuan 59



Fatimatul Karimah

xiv

DAFTAR LAMPIRAN

Nomor Judul Lampiran Halaman

1 Pengolahan Citra Data Uji 65



Fatimatul Karimah

1

BAB I

Pendahuluan

1.1 Latar Belakang

Penyakit jantung adalah salah satu penyakit yang memakan banyak korban

jiwa. Saat ini tidak hanya orang usia lanjut saja yang mempunyai resiko terkena

penyakit jantung, anak usia remaja dan anak-anak pun mempunyai resiko yang

sama untuk terkena penyakit jantung.

Menurut dr. Dewi Andang Joesoef, ketua Yayasan Jantung Indonesia

(2011), di Indonesia angka kematian karena serangan jantung mencapai 26

hingga 30 persen. Berdasarkan data yang dikemukakan World Heart Federation

(WHF), penyakit jantung mencapai 29,1 persen atau sebanyak 17,1 juta pasien

setiap tahunnya meninggal diseluruh dunia. Faktor risiko penyakit jantung

adalah kebiasaan merokok, stress, kurang olah raga, diabetes, obesitas,

hipertensi serta hiperlipidemia atau kelebihan lemak dalam darah, keturunan,

usia, dan jenis kelamin.

Untuk mengurangi resiko kematian dari penyakit jantung maka diciptakan

instrument- instrument yang dapat mendeteksi kelainan pada jantung sejak dini.

Salah satu perangkat bioinstrumen yang digunakan untuk mendeteksi adanya

kelainan pada jantung adalah Electrocardiograph (ECG). Pada awalnya ECG

berupa elektrometer kapiler Lippman yang dipasang pada sebuah proyektor

detak jantung di proyeksikan pada piringan foto yang di pasang pada kereta



Fatimatul Karimah

2

mainan. Lalu terjadi penggatian elektrometer kapiler lippman menjadi senar

galvanometer. Senar galvanometer adalah kawat yang sangat tipis yang

dipasang pada medan magnet. Kawat ini sangat sensitif, jadi ketika ada

perubahan arus listrik yang kecil maka kawat sudah mengalami perubahan.

Electrocardiograph (ECG) adalah perangkat yang digunakan untuk

menangkap dan merekam perubahan potensial dari jantung dengan bantuan lead

(sadapan) yang di pasang pada tubuh pasien pada lokasi tertentu. Lead tersebut

akan menangkap beda potensial pada jantung yang kemudian akan diproses

dalam perangkat ini dengan proses penguatan, pemfilteran dan berbagai proses

lainnya untuk menghilangkan noise dan memperjelas citra. Hasil pemeriksaan

ECG adalah berupa citra yang disebut Electrocardiogram (Pratanu, 1999).

Manfaat ECG ini adalah dapat menunjukan adanya infark miokard maupun

iskemi miokard (jantung koroner), gangguan irama jantung (arithmia) dan

bermacam- kelainan lainnya (Dubowik, 1999, Schamroth, 1990 ). Namun, untuk

membaca kertas rekaman ECG diperlukan pengalaman dan pengetahuan

mengenai penyakit jantung serta gejala-gejalanya. Ekstraksi manual terhadap

informasi penting sinyal pada ECG sangatlah tidak efisien karena banyaknya

data yang harus diamati (Schamroth,1990).

Salah satu pemecahan dalam menganalisis sinyal listrik jantung pada ECG

ini adalah dengan mengunakan software (perangkat lunak) berbasis Jaringan

Syaraf Tiruan (JST) kedalam analisis komputasi untuk mengenali dan

mengklasifikasi ada tidaknya kelainan jantung. JST merupakan suatu metode



Fatimatul Karimah

3

kecerdasan buatan komputasional berbasis pada model syaraf biologis manusia

sehingga komputer atau mesin dapat menduplikasi kecerdasan manusia. Secara

mikro, JST merupakan suatu perilaku kompleks yang dihasilkan oleh jaringan

dari banyak unit pemproses kecil yang disebut neuron yang masing– masing

melakukan suatu proses sederhana yang dihubungkan dengan elemen proses lain

oleh suatu aturan koneksi atau bobot.

Penelitian sebelumnya dilakukan oleh Endarko, et al (2006) dengan judul

Aplikasi Citra Elektrokardiograf dan Jaringan Saraf Tiruan untuk Identifikasi

Penyakit Jantung Koroner. Pada penelitian tersebut digunakan metode

Backpropagation dan kelainan yang dideteksi adalah jantung koroner. Jaringan

ini mampu mengidentifikasi kondisi jantung normal, iskemia depresi ST,

iskemia inversi T, injuri elevasi T dan nekrosis Q patologis.

Dalam penelitian ini dirancang software untuk mengidentifikasi ada

tidaknya kelainan jantung dari citra elektrokardiograf menggunakan metode

Learning Vector Quantization (LVQ). Metode ini cukup baik untuk pengenalan

pola dan membutuhkan waktu pelatihan yang relatif lebih cepat dibandingkan

dengan metode Backpropagation (Kohonen, 1990). Metode LVQ merupakan

suatu metode untuk melakukan pelatihan terhadap lapisan-lapisan kompetitif

yang terawasi. Lapisan kompetitif ini akan belajar secara otomatis untuk

melakukan klasifikasi terhadap vektor input yang di berikan (Kusumadewi,

2004). Citra elektrokardiogram digunakan sebagai input dari software. Citra

tersebut kemudian akan dikelompokkan menjadi tiga kelas yaitu, kondisi

jantung normal, kondisi jantung koroner dan kondisi jantung fibrilasi atrium.



Fatimatul Karimah

4

Sebelum menjadi input jaringan LVQ citra itu akan melalui proses pengolahan

citra.

1.2 Rumusan Masalah

1. Berapakah parameter LVQ yang optimal untuk identifikasi kelainan

jantung?

2. Berapakah tingkat keakurasian maksimal yang dihasilkan jaringan LVQ ini?

3. Bagaimana pengaruh perubahan parameter LVQ terhadap tingkat akurasi

jaringan LVQ?

1.3 Batasan Masalah

Dalam pengerjaan penelitian ini, diberikan beberapa batasan masalah untuk

permasalahan yang ada, antara lain:

a. Data Elektrokardiogram yang digunakan merupakan data primer yang

sudah didiagnosa oleh dokter.

b. Jumlah data yang digunakan sebanyak 97 data yang digunakan untuk

proses pelatihan dan pengujian. Data tersebut terdiri dari 58 data

jantung normal, 27 data jantung koroner dan 12 data jantung fibrilasi

atrium.

c. Dalam penelitian ini lead yang digunakan adalah lead 2

electrokardiogram.

d. Keluaran dari sistem ini terdiri dari tiga kelas yaitu, kondisi jantung

normal, jantung koroner dan jantung dengan atrial fibrillation.



Fatimatul Karimah

5

1.4 Tujuan Penelitian

1. Mendapatkan parameter LVQ optimal untuk proses pembelajaran jaringan

LVQ.

2. Mendapatkan tingkat akurasi optimal dari jaringan LVQ.

3. Mengetahui pengaruh perubahan parameter pada jaringan LVQ.

1.5 Manfaat Penelitian

1. Dapat mengaplikasikan algoritma JST dengan metode metode Learning

Vector Quantization (LVQ).

2. Dapat digunakan sebagai alat bantu tenaga medis untuk mengidentifikasi

ada tidaknya kelainan pada jantung pasien.



Fatimatul Karimah

6

BAB II

Tinjauan Pustaka

2.1. Jantung

2.1.1 Anatomi Jantung

Jantung adalah organ berongga yang memiliki empat ruang yang terdiri

dari atrium kanan, atrium kiri, ventrikel kanan dan ventrikel kiri. Jantung

terletak diantara kedua paru- paru dibagian tengah rongga toraks. Dua pertiga

jantung terletak disebelah kiri garis midstrenal.

Gambar 2.1 Anatomi Jantung Manusia (Marieb, 1994)

Atrium kanan menerima darah vena dari seluruh tubuh dan memompanya

ke ventrikel kanan lalu darah dari ventrikel kanan akan dipompa ke paru-paru,

tempat darah mengalami oksigenasi. Darah yang sudah teroksigenasi mengalir

ke atrium kiri, dari atrium kiri ini darah akan di pompa ke ventrikel kiri yang

kemudian akan di pompa lagi keseluruh tubuh dan proses ini akan berulang

kembali.



Fatimatul Karimah

7

2.1.2 Fisiologi Jantung

Kerja jantung yang ritmis tersebut dikendalikan oleh suatu sinyal listrik

yang diawali oleh suatu stimulasi spontan sel-sel otot khusus yang terletak di

atrium kanan yang biasa disebut SA node. SA node melepaskan sinyal dengan

interval teratur sekitar 72 kali/menit, namun pelepasan sinyal ini dapat

meningkat atau menurun bergantung pada saraf yang terletak di luar jantung

sebagai respon terhadap kebutuhan tubuh terhadap darah serta rangsangan lain.

Gambar 2.2 Hubungan antara ECG dengan aktifasi kelistrikan dankontraksi myocardium (Guyton, 1995)

Sinyal listrik dari SA node inilah yang akan memicu depolarisasi sel- sel

otot kedua atrium sehingga keduanya berkontraksi dan memompa darah

kedalam ventrikel. Setelah itu terjadi repolarisasi atrium. Sinyal ini selanjutnya

berjalan ke AV node dan memicu depolarisasi dan repolarisasi ventrikel kanan

dan kiri sehingga kedua ventrikel berkontraksi dan mendorong darah ke dalam

sirkulasi paru dan sistemik, otot ventrikel akan mengalami repolarisasi dan

proses akan kembali berulang. Depolarisasi dan repolarisasi otot jantung



Fatimatul Karimah

8

menyebabkan arus mengalir di seluruh tubuh dan menimbulkan potensial listrik

di kulit.

2.1.3 Kelainan pada Jantung Manusia

Kelainan pada jantung adalah suatu kondisi yang menyebabkan jantung

tidak dapat bekerja sebagaimana mestinya. Biasanya kelainan ini terjadi pada

otot- otot jantung maupun pembuluh darah pada jantung. Ada banyak macam

kelainan pada jantung. Berikut adalah beberapa macam kelainan pada jantung

yang sering terjadi:

a. Aterosklerosis

Kelainan penyakit ini disebabkan adanya penebalan dinding arteri

bagian dalam karena endapan plak (lemak, kolestrol) sehingga

menghambat dan menyumbat pasokan darah. Aterosklerosis dapat terjadi

pada seluruh bagian tubuh. Bila terjadi pada dinding arteri jantung maka

disebut jantung koroner atau penyakit jantung iskemik.

Penyakit ini berlangsung selama bertahun- tahun dan menimbulkan

banyak gangguan penyakit. Penyakit ini dimulai dengan adanya lesi dan

retakan pada pembuluh darah yang biasanya disebabkan oleh adanya

tekanan yang kuat pada pembuluh jantung, lalu tubuh berusaha

memulihkan diri dengan menempatkan zat lemak ke dalam pembuluh

darah untuk menutup retakan. Karena penutupan yang terus menerus,

lemak tersebut dapat menyumbat pembuluh jatung.



Fatimatul Karimah

9

Salah satu gejala dari penyakit ini adalah Angina Pectoris yang

merupakan rasa nyeri pada daerah jantung, karena berkurangnya pasokan

darah ke otot jantung.

b. Infark Miokard Akut

Angina Pektoris yang berlangsung terus menerus akan menyebabkan

Infark Miokard Akut. Infark Miokard Akut adalah kematian otot jantung

karena penyumbatan pada arteri koroner. Otot jantung akan mengalami

kerusakan atau kematian mendadak karena tidak menerima suplai darah.

c. Kardiomiopati

Kardiomiopati adalah kerusakan otot jantung sehingga menyebabkan

dinding- dinding jantung tidak bergerak sempurna dalam menyedot dan

memompa darah. Penderita Kardiomiopati sering kali beresiko terhadap

penyakit aritmia dan gagal jantung mendadak.

d. Gagal Jantung Kongestif

Gagal jantung adalah ketidakmampuan jantung untuk memompa

darah secara efektif keseluruh tubuh. Jantung dikatakan gagal bukan

berarti berhenti bekerja, namun karena memompa tidak sekuat seharusnya.

e. Fibrilasi Atrial

Fibrilasi atrial adalah gangguan ritme listrik yang mengganggu

atrial. Gangguan impuls listrik ini menyebabkan kontraksi otot jantung

tidak beraturan dan memompa darah secara tidak efisien. Akibatnya atrium

jantung tidak sepenuhnya mengosongkan darah menuju ke serambi

(ventrikel). Flutter atrium adalah sebuah versi dari fibrilasi atrium yang



Fatimatul Karimah

10

lebih beraturan (kacaunya lebih sedikit) ketika signal listrik ada pada

atrium. Kondisi-kondisi yang menyebabkan fibrilasi atrium dapat juga

menyebabkan flutter atrium. Perawatan flutter atrium sama dengan

perawatan fibrilasi atrium.

f. Inflamasi Jantung

Inflamasi jantung dapat terjadi pada dinding jantung (miokarditis),

selaput yang menyelimuti jantung (perikarditis), ataupun bagian dalam

(endokarditis). Inflamasi jantung dapat disebabkan oleh racun maupun

infeksi.

g. Penyakit Jantung Reumatik

Penyakit jantung reumatik dalah kerusakan pada katup jantung,

karena demam reumatik yang disebabkan oleh bakteri streptokokus.

h. Kelainan Katup Jantung

Katup jantung berfungsi untuk mengendalikan arah aliran darah

dalam jantung. Kelainan katup jantung dapat mengganggu aliran darah

tersebut, antara lain karena pengecilan (stenosis), atau katup tidak menutup

dengan sempurna (prolapsis). Kelainan ini dapat terjadi karena bawaan

lahir maupun karena infeksi dan efek samping pengobatan.

i. Aritmia

Aritmia adalah irama jantung yang tidak normal. Secara garis besar

aritmia jantung dapat disebabkan oleh peradangan jantung (demam

reumatik dan peradangan miokard), gangguan sirkulasi koroner, gangguan

keseimbangan elektrolit, gangguan metabolik, gangguan endokrin. Dari



Fatimatul Karimah

11

frekuensi irama jantungnya aritmia dapat dibedakan menjadi tiga yaitu,

normal sinus ritmik, sinus takikardi dan sinus bradikardi.

Normal sinus ritmik adalah kondisi dimana jantung mempunyai detak

teratur 60-100 detak per menit, interval antara gelombang P konstan dan

gelombang QRS yang mengikuti gelombang P mempunyai intyerval yang

konstan. Sinus takikardi adalah dimana kondisi detak jantung teratur yang

mempunyai detak jantung lebih dari 100 detak per menit. Sinus

bradikardia adalah kondisi jantung yang mempunyai detak jantung

permenit kurang dari 60 detak permenit.

2.2 Electrocardiograph (ECG)

Electrocardiograph (ECG) adalah suatu perangkat perekaman sinyal

biopotensial jantung. Perkembangan alat ini di mulai ketika Augustus Waller

melakukan pendekatan sistematis terhadap jantung dengan sudut pandang

kelistrikan. Augustus Waller menggunakan elektrometer kapiler Lippman yang

dipasang pada sebuah proyektor. Detak jantung di proyeksikan pada piringan

foto yang di pasang pada kereta mainan. Penemuan ini kemudian di

kembangkan oleh seorang dokter asal belanda William Eithoven, yang

mengganti elektrometer kapiler Lippman dengan senar Galvanometer yang

lebih sensitif. Sekarang ECG telah banyak mengalami perkembangan namun

prinsip kerjanya tentu tetap sama. Eithoven mendefinisikan tiga lead yang di

beri nama menggunakan angka romawi I, II dan III. Lead tersebut dikenal

dengan sebutan segitiga Eithoven. Lead tersebut didefinisikan sebagai:



Fatimatul Karimah

12

Gambar 2.3 Segitiga Eithoven (Berbari, 2000)

Dimana RA= lengan kanan, LA= lengan kiri dan LL= kaki kiri. Hubungan

antara ketiga sadapan ini dideskripsikan menurut persamaan Eithoven yaitu, II

= I+III. Persamaan ini didasarkan hukum Kirchoff, yang menyatakan bahwa

penjumlahan aljabar dari semua beda potensial dalam sikuit tertutup adalah nol

(Berbari, 2000).

Hampir sama dengan perangkat instrumentasi biomedis lainnya, ECG

mempunyai beberapa rangkaian dasar yaitu, rangkaian proteksi, rangkaian

Lead Fail Detector, rangkaian amplifier, rangkaian filter, rangkaian Baseline

Restoration dan rangkaian isolasi. Masukan sinyal biopotensial dari jantung

yang di tangkap oleh lead masuk ke rangkaian ECG melalui rangkaian proteksi

(Protection Circuit), rangkaian ini bertujuan untuk melindungi pasien dan

peralatan instrumentasi dari frekuensi tinggi ataupun jala-jala listrik. Diantara

rangkaian proteksi dan lead terdapat rangkaian Lead Fail Detector, yang

bertujuan mendeteksi bila ada lead yang lepas atau tidak menempel sempurna

dari tubuh pasien. Setelah dari rangkaian proteksi tegangan akan masuk ke

rangkaian amplifier untuk dikuatkan. Tegangan yang sudah di kuatkan

kemudian di filter untuk menghilangkan noise- noise yang ada, proses ini



Fatimatul Karimah

13

terjadi pada rangkaian filter setelah itu sinyal siap untuk di tampilkan. Filter

pada perangkat ECG ini terdiri dari Notch Filter untuk menghilangkan

interferensi sinyal karena jala-jala yang masuk lewat trafo, Low Pass Filter

untuk menghilangkan interferensi frekuensi tinggi dan High Pass Filter untuk

menghilangkan interferensi gerakan otot. Rangkaian isolasi pada perangkat ini

berguna untuk melingdungi pasien bila terjadi kebocoran arus, jadi listrik tidak

berhubungan secara langsung dengan pasien. Baselin Restoration berguna

untuk mereset rangkaian secara otomatis saat terjadi kondisi saturasi.

Gambar 2.4 Diagram blok hardware ECG (Widodo, 2009)

Ada beberapa jenis lead yang digunakan pada ECG, diantaranya adalah:

1. Sadapan Standar Bipolar (Bipolar Standart Leads) digunakan untuk

mencatat beda potensial antara dua titik. Pada sadapan ini jantung dan

ekstremitas terletak pada satu bidang frontal. Dalam sadapan standar ini

digunakan istilah:



Fatimatul Karimah

14

L1 = Sadapan 1: Mencatat perbedaan potensial antara lengan kiri dan

lengan kanan. Elektroda positif di lengan kiri, elektroda negatif di lengan

kanan.

L2 = Sadapan 2: Elektroda positif di kaki kiri, elektroda negatif di

lengan kanan.

L3 = Sadapan 3: Elektroda positif di kaki kiri, elektroda negatif di

lengan kiri.

Gambar 2.5 Sadapan Standar Bipolar (Berbari, 2000)

2. Sadapan Unipolar (Unipolar Leads)

a. Sadapan Unipolar Ekstremitas: Sadapan Ekstremitas diperkuat

(Augmented Extremity Leads), sadapan unipolar berguna untuk

mencatat besar potensial yang terjadi pada suatu tempat. Pada

augmented extremity leads, elektroda negatif dihubungkan dengan

central terminal, sedangkan elektroda positif diletakkan pada

ektremitas.



Fatimatul Karimah

15

Gambar 2.6 Augmented Extremity Leads (Berbari, 2000)

b. Unipolar Precodial (Chest) Leads: Sadapan unipolar juga

digunakan dalam Precodial Leads yaitu, untuk mengetahui

perubahan potensial jantung dalam bidang horizontal. Sadapan ini

tidah pernah augmented.

Gambar 2.7 Unipolar Precodial Leads (Berbari, 2000)



Fatimatul Karimah

16

Pada sadapan ini elektroda prekodial negative dihubungkan dengan

central terminal, sedangkan elektroda prekodial positif diletakkan pada :

Gambar 2.8 letak 12 Leads (Brunet, 2003)

Keterangan:V1 = Di ruang intercosta keempat, disebelah kanan dari sternum.V2 = di ruang intercosta keempat, disebelah kiri dari sternum.V3 = antara V2 dan V4V4 = diruang intercosta kelima di garis edio clavicular kiriV5 = pada kiri garis anterior axilary setinggi V4V6 = Pada kiri garis tengah axillary setinggi V4

2.3 Electrocardiogram

Electrocardiogram adalah rekaman potensial listrik yang timbul sebagai

aktifitas jantung. Grafik ini menunjukan hubungan antara tegangan dengan

waktu (dapat dilihat pada Gambar 2.10). Potensial listrik yang di rekam adalah

ketika otot jantung berkontraksi sedangkan potensial aksi pada system

konduksi jantung tidak dapat diukur dari luar karena terlalu kecil.

Elektrokardiogram ada yang di tampilkan pada layar monitor dan ada pula

yang langsung ditulis pada selembar kertas oleh pena yang bergerak (disebut



Fatimatul Karimah

17

perekam pena). Pena biasanya berupa pipa halus yang salah satu ujungnya di

hubungkan dengan bak tinta sedangkan ujung perekamnya dihubungkan

dengan system elektromagnetik yang mampu menggerakan pena bolak- balik

dengan kecepatan tinggi (Guyton,1995).

Dari hasil perekaman ECG biasanya didapat gambaran sinyal ECG

sebagai berikut:

Gambar 2.9 Contoh Hasil Perekaman Sinyal ECG (MIT-BIH)

Gelombang P pada Gambar 2.10 dihasilkan dari depolarisasi atrium kanan

dan kiri, pada saat ini vektor listrik utama diarahkan dari SA node ke AV node

dan menyebar dari atrium kanan ke atrium kiri. Gelombang QRS kompleks di

hasilkan oleh depolarisasi ventrikel kanan dan ventrikel kiri, karena pada

ventrikel terdapat lebih banyak otot dari pada atrium maka sinyal yang di

hasilkan juga terlihat lebih tinggi daripada saat gelombang P. Gelombang T

dihasilkan oleh repolarisasi ventrikel. Gelombang U tidak selalu terlihat pada

setiap perekaman ECG, gelombang ini biasanya sangat kecil dan mengikuti

gelombang T, gelombang U ini diperkirakan timbul karena repolarisasi serabut

purkintje. Selain gelombang-gelombang yang telah disebutkan di atas, pada

perekaman ECG juga di kenal beberapa interval yaitu, interval P-R, R-R, Q-T,



Fatimatul Karimah

18

P-P. interval P-R menunjukan waktu yang diperlukan dari awal depolarisasi

atrium sampai awal depolarisasi ventrikel. Interval R-R menunjukan interval

waktu yang diperlukan dari puncak R ke puncak R berikutnya (siklus

ventricular jantung). Interval Q-T menunjukan waktu yang di perlukan untuk

depolarisasi ventrikel dan repolarisasi. Interval P-P menunjukan waktu yang di

butuhkan untuk satu siklus atrial.

Gambar 2.10 Gambaran gelombang pada jantung manusia

Parameter elektrokardiogram juga dapat dilihat pada tabel berikut:

Tabel 2.1 Parameter Elektrokardiogram (Tompkins, 1993)

Bentuk electrocardiogram normal biasanya mempunyai beberapa ciri- ciri

tertentu diantaranya :



Fatimatul Karimah

19

a. Gelombang P pada bidang frontal gelombang ini positif di I, II dan

aVF sedangkan negative di aVR, nilai di aVL dan III bisa bernilai

positif, negative atau bifasik. Pada bidang horizontal biasanya

gelombang ini bifasik atau negative di V1 dan V2, sedangkan

positif di V3 sampai V6. Gelombang P biasanya lebarnya sekitar

0,11 detik dan tingginya 2,5mm.

b. Gelombang kompleks QRS pada bidang horizontal yang normal

mempunyai corak khas. Pada lead V1 dan V2 terletak dekat

dengan ventrikel kanan sehingga disebut kompleks ventrikel

kanan. Gaya listrik dari ventrikel kanan ini akan menimbulkan

gelombang R yang kemudian diikuti oleh gelombang S yang

menggambarkan gaya listrik dari ventrikel kiri. Untuk lead V5 dan

V6 berlaku hal yang sebaliknya sehingga disebut kompleks

ventrikel kiri. Gelombang Q menggambarkan aktivasi ventrikel

kanan atau septum, sedangkan gelombang R menggambarkan

aktivasi ventrikel kiri. Jadi kompleks QRS pada bidang horizontal

adalah gelombang R meningkat dari V1sampai V6, sedangkan

gelombang S mengecil dari V1 sampai V6.

c. Pada orang dewasa biasanya gelombang T tegak di semua lead

kecuali aVR dan V1.

d. Gelombang U biasanya tegak dan paling besar terdapat pada lead

V2 dan V3. Gelombang U biasanya tak terlihat jelas karena bersatu

dengan gelombang T.



Fatimatul Karimah

20

e. Nilai normal untuk interval- interval adalah untuk interval P

kurang dari 0,12 detik, interval PR 0,12- 0,20 detik, interval QRS

0,07- 0,10 detik. Sedangkan interval QT bergantung pada frekuensi

jantung, sehingga biasanya dibedakan menjadi 3 yaitu, frekuensi

60 detak/menit dengan interval 0,33- 0,43 detik, frekuensi 80

detak/menit dengan interval 0,29-0,38 detik dan frekuensi 100

detak/menit dengan interval 0,27- 0,35detik.

2.4 Pengolahan Citra Digital

2.4.1 Citra Digital

Citra secara harfiah adalah gambar pada bidang dua dimensi. Dari segi

matematis citra merupakan fungsi kontinu dari intensitas cahaya pada bidang

dua dimensi. Citra dapat juga diartikan sebagai kumpulan piksel-piksel yang

disusun dalam larik dua dimensi. Indeks baris dan kolom (x,y) dari sebuah

piksel yang dinyatakan dalam bilangan bulat dan nilai-nilai tersebut

mendefinisikan suatu ukuran intensitas cahaya pada titik tersebut (Mabrur,

2011).

Citra digital direpresentasikan dalam bentuk matriks H x W (H= tinggi,

W= lebar). Bila citra memiliki 256 derajat keabuan, maka nilai setiap elemen

matriks adalah bilangan bulat dalam selang 0 sampai 255. Pusat koordinat citra

digital terletak pada sudut kiri atas sedangkan pada koordinat kartesius terletak

pada sudut kiri bawah (Munir, 2004).



Fatimatul Karimah

21

2.4.2 Jenis Citra Digital

a. Citra RGB (True Color)

Setiap pixel dari citra RGB ini mewakili warna yang mewakili tiga warna

dasar yaitu, Merah, Hijau dan biru (RGB). Setiap warna dasar menggunakan

penyimpanan 8 bit yang berarti setiap warna mempunyai gradasi sebanyak 255

warna, sehingga setiap pixel mempunyai 16 juta kombinasi warna. Karena

kombinasi warna yang begitu banyak citra RGB disebut citra True Color.

Gambar 2.11 Ilustrasi Gambar True Color (Pramitarini, 2011)

b. Citra Grayscale

Citra grayscale adalah citra yang merepresentasikan warna kedalam

tingkat keabuan. Tingkat keabuan dapat diperoleh dengan mengatur komposisi

warna merah (R), hijau (G), biru (B). Rumus umum proses grayscale

ditunjukan pada persamaan berikut:

Dalam komputasi, suatu citra digital grayscale atau grayscale adalah suatu

citra dimana nilai dari setiap pixel merupakan sample tunggal. Citra yang

ditampilkan dari citra jenis ini terdiri atas warna abu-abu, bervariasi pada



Fatimatul Karimah

22

warna hitam pada bagian yang intensitas terlemah dan warna putih pada

intensitas terkuat. Citra grayscale berbeda dengan citra ”hitam-putih”, dimana

pada konteks komputer, citra hitam putih hanya terdiri atas 2 warna saja yaitu

”hitam” dan ”putih” saja. Pada citra grayscale warna bervariasi antara hitam

dan putih, tetapi variasi warna diantaranya sangat banyak. Citra grayscale

seringkali merupakan perhitungan dari intensitas cahaya pada setiap pixel pada

spektrum elektromagnetik pita tunggal .

Gambar 2.12 Ilustrasi Gambar Grayscale (Pramitarini, 2011)

Citra grayscale disimpan dalam format 8 bit untuk setiap sample pixel,

yang memungkinkan sebanyak 256 intensitas. Format ini sangat membantu

dalam pemrograman karena manupulasi bit yang tidak terlalu banyak. Pada

aplikasi lain seperti pada aplikasi medical imaging dan remote sensing biasa

juga digunakan format 10,12 maupun 16 bit.

c. Citra Biner

Citra biner diperoleh melalui proses pemisahan pixel – pixel berdasarkan

derajat keabuan yang dimilikinya. Pada citra biner, setiap titik bernilai 0 dan 1,

masing – masing merepresentasikan warna tertentu. Nilai 0 diberikan untuk pixel

yang memiliki derajat keabuan lebih kecil dari nilai batas yang ditentukan,

sementara pixel yangmemiliki derajat keabuan yang lebih besar dari batas akan



Fatimatul Karimah

23

di ubah menjadi nilai 1. Pada standard citra untuk ditampilkan di layer

komputer, nilai biner ini berhubungan dengan ada tidaknya cahaya yang ditembakkan oleh

electron gun yang terdapat di dalam monitor komputer. Angka 0 menyatakan

tidak ada cahaya, dengan demikian warna yang direpresentasikan adalah hitam.

Untuk angka 1, terdapat cahaya, sehingga warna yang direpresentasikan adalah

putih. Standar tersebut disebut sebagai standar citra cahaya, sedangkan standar

citratinta / cat adalah berkebalikan, karena biner tersebut menyatakan ada

tidaknya tinta. Setiap titik pada citra hanya membutuhkan 1 bit,sehingga setiap

byte dapat menampung informasi 8 bit. Citra biner pada umumnya dihasilkan

dari proses thresholding.

Gambar 2.13 Ilustrasi Citra Biner (Pramitarini, 2011)

Meskipun komputer saat ini dapat memproses citra grayscale maupun cita

bewarna, namun citra biner tetap dipertahankan karena memiliki beberapa

keuntungan yaitu, kebutuhan memori yang kecil karena nilai derajat keabuan

hanya membutuhkan representasi 1 bit, waktu pemrosesan relative lebih cepat

karena banyak operasi pada citra biner yang dilakukan sebagai operasi logika

daripada operasi aritmetika bilangan bulat.



Fatimatul Karimah

24

2.4.3 Operasi Pengolahan Citra Digital

Pengolahan citra digital adalah suatu proses untuk memperbaiki kualitas

citra atau memanipulasi suatu citra agar mudah diintepretasi oleh manusia.

Pada proses ini output dari proses tetap berupa citra namun dengan kualitas

yang lebih baik dari citra yang sebelumnya.

Gambar 2.14 Proses Pengolahan Citra

Ada beberapa macam operasi pengolahan citra diantaranya:

1. Perbaikan kualitas citra (image anhacement) bertujuan untuk

memperbaiki kualitas citra dengan merubah parameter- parameter

tertentu. Contoh dari operasi ini adalah operasi pencerahan citra

(Brightness). Operasi ini dilakukan dengan mengalikan intensitas citra

asli dengan konstanta tertentu. Operasi pencerahan ini juga dapat

dilakukan dengan menggunakan Gamma Corection. Dengan Gamma

Corection intensitas citra asli akan dipangkatkan satu per konstanta

Gamma Corection.

2. Pemugaran citra (image restoration) bertujuan untuk menghilangkan

cacat pada citra. Perbedaan dengan operasi perbaikan citra adalah



Fatimatul Karimah

25

degradasi citra tidak diketahui. contoh dari operasi pemugaran citra

adalah penghilangan kesamaran dan penghilangan derau.

3. Pemampatan citra (image compression) bertujuan untuk

merepresentasikan citra dalam bentuk yang lebih kompak sehingga

keperluan memori lebih sedikit namun dengan tetap mempertahankan

kualitas gambar.

4. Segmentasi citra (image segmentation) bertujuan untuk memecah

suatu citra kedalam beberapa segmen dengan suatu kriteria tertentu

yang biasanya berkaitan dengan pola tertentu.

5. Pengorakan citra (image analysis) bertujuan untuk menghitung besaran

kuantitatif dari citra untuk menghasilkan deskripsinya. Beberapa

contoh operasi pengorakan citra adalah pendeteksi tepi, ekstraksi batas

dan represenasi daerah.

6. Rekonstrusi citra (image reconstruction) bertujuan untuk membentuk

ulang objek dari beberapa citra hasil proyeksi.

2.4.4 Segmentasi

Segmentasi merupakan proses mempartisi citra menjadi beberapa daerah

atau objek. Segmentasi citra yang paling sederhana adalah dengan

menggunakan nilai ambang atau Thresholding.

Proses thresholding akan menghasilkan citra biner, yaitu citra yang

memiliki dua nilai tingkat keabuan. Secara umum proses thresholding citra

grayscale untuk menghasilkan citra biner ditunjukan pada persamaan berikut:



Fatimatul Karimah

26

( , ) = 1 ( , ) ≥0 ( , ) ≤Dengan g (x,y) adalah citra biner dari citra grayscale f (x,y), dan T

menyatakan nilai threshold. Nilai T memegang peranan yang sangat penting

dalam proses thresholding. Kualitas hasil citra biner sangat tergantung pada

nilai T yang digunakan (Putra, 2010).

Terdapat dua jenis thresholding yaitu global thresholding dan lokal

thresholding. Pada global thresholding, seluruh pixel apada citra dikonversikan

menjadi hitam atau putih dengan satu nilai ambang T. Sedangkan pada lokal

thresholding, suatu citra dibagi menjadi blok-blok kecil dan kemudian

thresholding lokal pada setiap nlok dengan nilai T yang berbeda-beda (Putra,

2010).

(a) (b)Gambar 2.15 Sampel Hasil Thresholding. (a) Citra Asli. (b) Citra Hasil

Thresholding (e-radiography.net)

2.4.5 Morfologi Citra

Morfologi citra digital adalah teknik pengolahan citra digital

menggunakan bentuk sebagai pedoman dalam pengolahan. Nilai dari setiap

pixel pada citra di ambil dari perbandingan tiap pixel yang bersesuaian pada



Fatimatul Karimah

27

citra digital masukan dengan tetangganya. Operasi morfologi bergantung pada

urutan kemunculan dari pixel, tidak memperhatikan nilai numerik dari pixel

sehingga teknik ini sesuai digunakan pada binary image dan grayscale image.

Dengan mengatur atau memilih ukuran dan bentuk matriks kernel yang

digunakan maka sensitifitas operasi morfologi terhadap bentuk tertentu pada

citra masukan dapat diatur. Morfologi standar yang dilakukan adalah proses

erosi dan dilasi.

a. Operasi Dilasi

Dilasi adalah operasi morfologi yang menambahkan pixel pada batas antar

objek dalam suatu citra digital. Aturan yang digunakan adalah misalnya untuk

gambar grayscale maka nilai hasil operasi adalah nilai maksimal yang

diperoleh dari himpunan pixel tetangganya. Dalam binary image, jika ada pixel

tetangga yang bernilai satu maka output pixel akan di set menjadi satu.

Gambar 2.16 Proses Dilasi Pada Citra Biner Dan Grayscale(Wirayudha, 2006)



Fatimatul Karimah

28

Contoh hasil dari proses dilasi ditunjukkan oleh Gambar 2.17.

Gambar 2.17 Hasil Proses Dilasi

b. Operasi Erosi

Erosi adalah operasi morfologi yang mengurangi pixel pada batas antar

objek dalam suatu citra digital. Aturan pada operasi ini adalah untuk gambar

grayscale nilai hasil operasi adalah nilai minimal yang diperoleh dari

himpunan pixel tetangganya. Sedangkan dalam binary image, jika ada pixel

tetangga yang bernilai nol maka output pixel akan di set menjadi nol.

Gambar 2. 18 Proses Erosi pada Citra Grayscale (Wirayudha, 2006)

Contoh hasil dari proses dilasi ditunjukkan oleh Gambar 2.17.

Gambar 2.19 Hasil Proses Erosi



Fatimatul Karimah

29

2.5 Jaringan Saraf Tiruan Learning Vector Quantization (LVQ)

2.5.1 Jaringan Syaraf Tiruan

Jaringan saraf tiruan (JST) pertama kali di temukan oleh seorang

neurophysiologist bernama Waren McCulloch dan logician bernama Walter

Pits, namun teknologi yang ada pada saat itu tidak memungkinkan mereka

untuk mengembangkan JST lebih lanjut. JST merupakan representasi buatan

dari otak manusia yang mencoba mensimulasikan proses pembelajaran pada

otak manusia. Istilah JST ini di gunakan karena jaringan saraf ini

diimplementasikan dengan menggunakan program komputer yang mampu

menyelesaikan proses perhitungan selama proses pembelajaran (Kusuma Dewi,

2003).

JST mempunyai pendekatan yang berbeda untuk memecahkan masalah

bila dibandingkan dengan komputer konvensional. Komputer konvensional

menggunakan pendekatan algoritma (menjalankan suatu perintah untuk

memecahkan masalah), jika perintah yang diberikan tidak diketahui maka

komputer konvensional tidak dapat memecahkan masalah tersebut. JST dan

algoritma komputer konvensional tidak saling bersaing tapi saling melengkapi,

biasanya komputer konvensional digunakan untuk mengontrol JST untuk hasil

yang maksimal.

Gambar 2.20 Model Tiruan dari Neuron (Yani, 2005)



Fatimatul Karimah

30

JST terdiri dari beberapa simpul (node) yang merupakan elemen pemroses.

Setiap simpul tersebut memodelkan sebuah sel saraf biologis (neuron).

Hubungan antar simpul di capai dengan bobot koneksi (weight). Bobot koneksi

menentukan apakah sinyal yang mengalir bersifat peredam (inhibitory

conection). Bobot koneksi yang bersifat meredam dapat dinyatakan dengan

bilangan negatif, begitu juga sebaliknya. Setiap sel saraf juga mempunyai nilai

ambang. Jumlah bobot dari input dikurangi dengan nilai ambang kemudian

akan menghadapi aktifasi dari sel saraf. Sinar aktifasi kemudian menjadi fungsi

aktifasi, besar sinyal yang keluar dari suatu simpul ditentukan oleh fungsi

aktivasi yang digunakan. Jadi fungsi aktivasi menentukan keaktifan dari sebuah

simpul.

Berdasarkan pola koneksi (arsitektur), JST dibagi dalam dua kategori,

yaitu:

a. Struktur Feedforward

Sinyal bergerak dari input kemudian melalui lapisan tersembunyi dan

akhirnya melalui unit output. Tipe feedforward mempunyai sel saraf yang

tersusun dari beberapa lapisan, lapisan input bukan termasuk sel saraf,

lapisan ini hanya memberi pelayanan dengan mengenalkan suatu nilai dari

suatu variable. Lapisan output dan lapisan tersembunyi terhubung satu

sama lain dengan lapisan sebelumnya.



Fatimatul Karimah

31

Gambar 2.21 Jaringan Saraf Tiruan FeedForward (Yani,2005)

b. Struktur Recurrent ( feedback)

Jaringan berulang (mempunyai koneksi kembali dari output ke input)

akan menimbulkan ketidakstabilan dan menghasilkan dinamika yang

kompleks.

Gambar 2.22 Jaringan Saraf Tiruan FeedBack (Yani,2005)



Fatimatul Karimah

32

2.5.2 Learning Vector Quantization (LVQ)

Salah satu metode untuk melakukan pembelajaran lapisan kompetitif yang

terawasi adalah Learning vector qualization (LVQ). Lapisan kompetitif ini

akan belajar secara otomatis untuk melakukan klasifikasi terhadap vektor input

yang diberikan. Kelas yang diberikan berdasarkan pada jarak vektor tersebut.

Jika ada dua vektor yang mempunyai jarak yang berdekatan maka akan

dikelompokkan menjadi satu kelas yang sama (Kusumadewi, 2003).

Sebuah jaringan LVQ memiliki lapisan kompetitif pertama dan lapisan

linier kedua. Para lapisan kompetitif belajar untuk mengklasifikasikan vektor

masukan. Lapisan linier mengubah kelas lapisan kompetitif ke klasifikasi target

yang didefinisikan oleh pengguna. Hal ini mengacu pada kelas dipelajari oleh

lapisan kompetitif sebagai subkelas dan kelas-kelas dari linier lapisan sebagai

kelas target (Demuth, 2002).

Gambar 2.23 Arsitektur LVQ (Kusumadewi, 2004)



Fatimatul Karimah

33

Kedua lapisan kompetitif dan linier memiliki satu neuron per (sub atau

target) kelas. Dengan demikian, lapisan kompetitif bisa belajar sampai dengan

subclass S1. Ini, pada gilirannya, digabungkan oleh lapisan linier untuk

membentuk kelas menargetkan S2 (S1 adalah selalu lebih besar dari S2)

(Demuth, 2002).

Algoritma LVQ adalah sebagai berikut:

1. Tetapkan :

Bobot (w), maksimum epoh (maxEpoh), learning rate (α), pengurangan

learning rate (Decα), minimal learning rate (Minα).

2. Masukan :

Input : x(i,j)

Target : Tk

3. Tetapkan kondisi awal :

epoh = 0;

4. Kerjakan jika : (epoh <= maxEpoh ) atau (α >= Minα)

a. epoh = epoh + 1;

b. Kerjakan untuk i = 1 sampai n

i. Tentukan j sedemikian hingga || x – wj || minimum (sebut sebagai Cj)

ii. Perbaiki wj dengan ketentuan:

jika T = Cj maka wj(baru)=wj(lama) + α (x-wj(lama))

jika T ≠ Cj maka wj(baru)=wj(lama) - α (x-wj(lama))

c. Kurangi nilai α



Fatimatul Karimah

34

BAB III

Metodologi Penelitian

3.1 Tempat dan Waktu Penelitian

Waktu yang diperlukan untuk penelitian ini kurang lebih selama 6 bulan,

dimulai pada bulan Februari 2012 sampai pada bulan juli 2012. Penelitian ini

dilakukan di laboratorium Teknobiomedik, Departemen Fisika, Fakultas Sains dan

Teknologi, Universitas Airlangga dan Rumah Sakit Islam Surabaya.

3.2 Alat dan Bahan

Bahan dan alat yang dibutuhkan dalam penelitian ini adalah sebagai berikut:

1. Data primer hasil permeriksaan ECG dari berbagai pasien di Rumah Sakit

Islam Surabaya. Data yang digunakan sebanyak 97 data untuk proses

pelatihan dan pengujian. Data tersebut terdiri dari 58 data jantung normal,

27 data jantung koroner dan 12 data jantung fibrilasi atrium.

2. Software yang digunakan dalam penelitian ini adalah MATLAB V7.6.0

3.3 Prosedur Penelitian

Prosedur penelitian disajikan pada Gambar 3.1 berikut :



Fatimatul Karimah

35

Gambar 3.1 Diagram alir Metode Penelitian

3.3.1 Studi Literatur

Studi literatur dilakukan dengan mengkaji tentang kelainan pada jantung,

mempelajari diagnosa penyakit jantung terhadap hasil pemeriksaan ECG,

mempelajari metode pengolahan citra ECG dan mempelajari algoritma LVQ untuk

pendeteksian kelainan jatung. Studi literatur ini dilakukan dengan mengumpulkan

jurnal dan buku mengenai informasi terkait, selain itu juga dilakukan konsultasi

dengan dokter.

3.3.2 Persiapan Data

Pada proses ini data ECG yang didapat dari Rumah Sakit diubah dalam

bentuk digital menggunakan scanner. Proses digitalisasi citra ECG dapat dilihat

pada Gambar 3.2.



Fatimatul Karimah

36

Gambar 3.2 Diagram Blok Hardware

Setelah didapatkan data ECG dalam bentuk digital, proses persiapan data ini

dilanjutkan dengan pemotongan citra. Citra yang ada dipotong sehingga menjadi

citra sepanjang 157 pixel, berdasarkan data yang didapatkan pada penelitian ini

dengan panjang citra 157 pixel cukup untuk mendapatkan citra ECG sepanjang 1

siklus.

3.3.3 Pengolahan Citra

Setelah melalui proses persiapan data, citra kemudian memasuki proses pre-

processing. Proses ini terdiri dari proses grayscalling dan pencerahan citra. Pada

proses grayscalling citra ECG digital yang merupakan citra RGB diubah menjadi

citra grayscale. Setelah itu dilakukan proses pencerahan (brightness) pada citra

untuk memperbaiki kualitas citra yang ada. Proses pencerahan ini menggunakan

bantuan Gamma Corection agar mendapatkan warna yang pencerahan yang tidak

terlalu gelap dan tidak terlalu terang.

Gambar 3.3 Diagram blok pengolahan citra



Fatimatul Karimah

37

Setelah proses pre-processing selesai dilanjutkan dengan proses segmentasi,

proses ini merupakan tahapan pemisahan grafik dengan latar belakangnya. Proses

segmentasi yang digunakan merupakan segmentasi yang sederhana dengan proses

thresholding, dideteksi intensitasnya dan dipetakan ke dalam nilai 0 atau 1

berdasarkan nilai threshold yang ditentukan dari perubahan intensitas secara

mendadak dan memiliki nilai intensitas yang lebih kecil dari lingkungannya maka

pixel tersebut dianggap sebagi objek dan diberi nilai 1, sedangkan pixel yang

lainnya diberi nilai 0.

Proses selanjutnya adalah proses morfologi citra yaitu, dilasi yang digunakan

untuk menyambung gambar yang terputus karena proses segmentasi. Dari hasil

dilasi itu kemudian dilakukan proses erosi citra, sehingga citra tidak terlalu tebal

dan sesuai dengan pola pada gambar aslinya.

Setelah didapatkan hasil erosi, kemudian dilakukan ekstraksi fitur terhadap

citra. Ekstraksi fitur dilakukan terhadap nilai ordinat dari citra. Nilai ordinat dari

citra ini nantinya akan mewakili nilai potensial dari listrik jantung. Nilai potensial

listrik jantung inilah yang akan menjadi masukan untuk jaringan LVQ.



Fatimatul Karimah

38

3.3.4 Metode Klasifikasi Data

Pada tahapan ini dilakukan perancangan perangkat lunak deteksi kelainan

jantung dengan metode LVQ. Arsitektur jaringan yang digunakan dalam perangkat

lunak ini seperti pada Gambar 3.4. yang mempunyai 3 macam keluaran. Keluaran

pada jaringan ini nantinya akan mengidentifikasikan kondisi jantung dari setiap

data.

Gambar 3.4 Arsitektur Jaringan LVQ

Setelah menentukan arsitektur dari jaringan LVQ ini lalu ditentukan pula

diagram alir dari LVQ ini seperti pada Gambar 3.5. Pada awal proses jaringan LVQ

ini ditentukan parameter-parameter yang diperlukan dalam LVQ seperti, bobot awal,

target error dan maksimum epoh. Setelah inisialisasi dari parameter- parameter

tersebut maka proses pelatihan jaringan LVQ akan dimulai, proses pelatihan ini akan

berlangsung selama syarat berhentinya proses pelatihan ini belum terpenuhi. Jika

syaratnya sudah terpenuhi maka bobot akhir dari pelatihan ini akan disimpan.



Fatimatul Karimah

39

Gambar 3.5 Diagram alir program JST

Sedangkan untuk diagram alir LVQ disajikan pada Gambar 3.6 berikut:

Mulai

Bacainput bobot awal,

target error, Maksepoh

LVQ

Jumlah epoh>= maksepoh ? or

alpha<error maks

Simpan bobot akhir

ya

Selesai

Tidak



Fatimatul Karimah

40

Gambar 3.6 Diagram Alir LVQ

Pada proses klasifikasi data ini digunakan 72 data untuk proses pelatihan.

3.3.5 Hasil Klasifikasi Data

Tahap pengujian dilakukan setelah tahap pelatihan dan dilakukan pada

25 data pengujian yang belum pernah dilakukan untuk pelatihan. Data

pengujian diambil dari tinjauan data ECG dalam bentuk yang telah ditentukan.

Tujuan dari pengujian ini adalah mendapatkan tingkat akurasi jaringan LVQ

untuk identifikasi penyakit jantung. Tingkat akurasi didapatkan dengan

membandingkan hasil identifikasi perangkat lunak dan diagnosa dokter.

3.3.6 Rancangan Tampilan Program

Perancangan program ini di bagi menjadi 4 bagian yaitu, rancangan program

MENU, PELATIHAN, PENGUJIAN dan BANTUAN.

Program MENU merupakan tampilan awal dari program yang akan

menghubungkan dengan program lainnya. Desain rancangan program Menu



Fatimatul Karimah

41

seperti pada Gambar 3.7 terdiri dari empat submenu yaitu pelatihan, pengujian,

bantuan dan keluar. Lalu terdapat Static Text1 untuk menampilkan judul dari

program ini, Axes1 pada rancangan ini untuk menampilkan gambar sebagai logo

dari program ini, Static Text2 untuk menampilkan nama dari pembuat program.

Gambar 3.7 Rancangan Program MENU

Setelah perancangan program Menu dilanjutkan dengan perancangan program

pelatihan, program ini nantinya akan digunakan untuk pelatihan sistem jaringan LVQ

yang akan menghasilkan bobot akhir untuk kemudian digunakan pada proses

pengujian. Perancangan program pelatihan ini dapat dilihat pada Gambar 3.8,

rancangan program pelatihan ini terdiri dari Static Text1 untuk menampilkan judul

dari pelatihan ini, Static Text2 dan Static Text3 untuk memberI label keterangan pada

Edit Text. Edit Text1 digunakan untuk merubah inputan laju pembelajaran yang akan

digunakan dalam proses pelatihan, Edit Text2 digunakan untuk merubah inputan

pengurangan laju pembelajaran yang akan digunakan juga sebagai inputan pelatihan.



Fatimatul Karimah

42

Panel1 dan Panel2 digunakan untuk mengelompokan antara input program dan

keluaran program. Push Button1 pada rancangan program ini untuk memulai proses

pelatihan. Table1 untuk menampilkan hasil dari bobot akhir pelatihan, Static Text4,

Static Text5 dan Static Text6 digunakan untuk memberi label keterangan terhadap

Edit Text. Sedangkan Edit Text3 digunakan untuk menampilkan epoh terakhir dari

proses pelatihan, Edit Text4 juga digunakan untuk menampilkan laju pembelajaran

terakhir dari proses pelatihan, Edit Text5 disini digunakan untuk menampilkan

presentasi kecocokan dari pelatihan. Untuk mengakhiri program ini digunakan Push

Button2 sebagi tombol keluar.

Gambar 3.8 Rancangan Program Pelatihan

Program pengujian ini untuk tempat melakukan pengujian terhadap data

pengujian yang sudah disediakan. Pada rancangan program pengujian pada Gambar



Fatimatul Karimah

43

3.9, rancangan ini terdiri dari Static Text1 untuk judul dari rancangan pengujian ini.

Push Button1 disini adalah tombol untuk mencari file citra yang ingin di uji, lokasi

dari citra yang dipilih itu kemudian akan ditampilkan pada Edit Text1, sedangkan

Axes1 akan menampilkan citra yang telah dipilih melalui Push Button1. Push

Button2 adalah tombol untuk mengolah citra dari Axes1 yang kemudian hasil

akhirnya akan ditampilkan pada Axes2, Axes3, Axes4, Axes5. Push Button3 disini

adalah tombol untuk memulai proses identifikasi dari hasil akhir yang ditunjukan

pada Axes2, hasil dari identifikasi ini akan ditampilkan pada Edit Text2. Push

Button4 adalah untuk Keluar dari program ini.

Gambar 3.9 Rancangan Program Pengujian

Untuk program pengujian program ini terdiri dari Static Text1 dan Static Text2,

program bantuan ini ditujukan untuk memberikan petunjuk mengenai kegunaan

program dan cara penggunaannya pada pengguna. Pada Static Text1 akan di



Fatimatul Karimah

44

tampilkan judul dari sub program ini dan pada Static Text2 akan di tampilkan

tetntang informasi yang akan diberikan pada pengguna. Rancangan programnya

seperti terlihat pada Gambar 3.10.

Gambar 3.10 Rancangan Tampilan Bantuan



Fatimatul Karimah

45

BAB IV

HASIL DAN PEMBAHASAN

4.1 Hasil Pengolahan Data

Setelah data ECG dalam bentuk digital didapatkan, lalu dilakukan proses

pemotongan. Pemotongan ini dilakukan untuk mengambil data yang mempunyai

informasi penting dan juga agar memori yang digunakan tidak terlalu banyak. Dari

data 12 lead ECG pada penelitian ini digunakan data lead 2 dengan panjang 157 pixel

untuk mengetahui kelainan pada jantung.

Data yang didapat kemudian dikelompokkan menjadi tiga kelas yaitu data

jantung normal, data jantung koroner dan data jantung fibrilasi atrium. Beberapa data

yang digunakan dalam penelitian ini disajikan pada Gambar 4.1

Gambar 4.1 Hasil Persiapan Data. (a) Data Normal. (b) Data Jantung Koroner.(c) Data Jantung Fibrilasi Atrium.

a. Pre-processing

Pada proses pre-processing data diolah menggunakan MATLAB untuk proses

pengolahan citra. Proses Grayscalling bertujuan untuk merubah data citra RGB



Fatimatul Karimah

46

menjadi citra Grayscale yang mempunyai nilai derajat keabuan dari 0-255. Hasil

untuk perubahan citra asli setelah proses grayscalling dapat dilihat pada Gambar 4.2.

(a) (b) (c)Gambar 4.2 Hasil Grayscalling. (a) Data Normal. (b) Data Jantung Koroner. (c) Data

Jantung Fibrilasi Atrium

Setelah citra menjadi citra grayscale, kemudian dilakukan proses perbaikan

kualitas citra (image enhacement) dengan pencerahan citra (brightness). Proses ini

dilakukan untuk mencerahkan citra input sehingga pola lebih terlihat. Proses ini

menggunakan bantuan dari Gamma Correction sehingga hasil gambar kecerahan

pada gambar dapat disesuaikan. Pada penelitian ini digunakan nilai Gamma

Correction sebesar 0,7, nilai ini didapatkan dari melakukan pembandingan terhadap

nilai gamma. Hasil dari proses pencerahan ini ada pada Gambar 4.3.

(a) (b) (c)

Gambar 4.3 Hasil Pencerahan. (a) Data Normal. (b) Data Jantung Koroner. (c) DataJantung Fibrilasi Atrium



Fatimatul Karimah

47

b. Segmentasi

Citra yang telah melalui proses pencerahan kemudian di segmentasi untuk

menghilangkan background pada citra ECG. Segmentasi ini dilakukan dengan

memberikan nilai ambang (threshold) tertentu sehingga nilai intensitas yang berada

diatas nilai ambang itu dikelompokkan menjadi nilai satu dan yang berada dibawah

nilai threshold dikelompokan menjadi nilai nol ataupun sebaliknya. Dapat dilihat

pada Gambar 4.4. setelah proses segmentasi ini citra ini sudah berubah menjadi citra

biner yang hanya mempunyai nilai 0 atau 1 (hitam atau putih).

(a) (b) (c)

Gambar 4.4 Hasil Segmentasi. (a) Data Normal. (b) Data Jantung Koroner. (c)Data Jantung Fibrilasi Atrium

c. Morfologi Citra

Setelah melalui proses thresholding citra sinyal ECG yang dihasilkan terlihat

terputus- putus pada beberapa titik seperti diperlihatkan pada Gambar 4.4. Untuk

menghubungkan kembali garis yang terputus karena proses thresholding maka

dilakukan operasi morfologi dasar pada citra tersebut, operasi morfologi yang

dilakukan adalah dilasi dan erosi. Dilasi dilakukan untuk menyambung gambar yang

terputus saat proses segmentasi dikarenankan adanya intensitas yang dibawah nilai



Fatimatul Karimah

48

ambang. Setelah gambar itu tersambung seperti pola aslinya lalu dilakukan proses

erosi untuk menipiskan pola yang ada sehingga sesuai dengan pola aslinya. Hasil dari

proses morfologi citra ini dapat dilihat pada Gambar 4.5.

(a) (b) (c)

Gambar 4.5 Hasil Morfologi Citra. (a) Data Normal. (b) Data Jantung Koroner.(c) Data Jantung Fibrilasi Atrium

Setelah didapatkan citra hasil erosi lalu dilakukan ekstraksi fitur. Ekstraksi fitur

yang dilakukan dengan mencari nilai ordinat dari citra. Nilai ordinat ini nantinya akan

menunjukan nilai potensial dari listrik jantung. Nilai potensial dari setiap titik pada

citra ini akan membentuk grafik yang merupakan visualisasi fitur citra ECG.

Penentuan titik nol dari visualisasi fitur itu ditentukan dari titik awal pada citra seperti

disajikan pada Gambar 4.6. Titik awal pada citra dianggap sebagai garis isoelektrik

yang bernilai 0, sebagi standart untuk mendapatkan nilai yang merepresentasikan

tegangan pada citra ECG.

Gambar 4.6 Penentuan Titik Awal Sumbu Y



Fatimatul Karimah

49

Hasil dari proses visualisasi fitur ini seperti disajikan pada Gambar 4.7, plotting

itu adalah kurva satu dimensi yang pada sumbu Y menunjukan potensial setiap titik

dari kurva tersebut. Setelah didapatkan kurva visualisasi vitur tersebut nilai potensial

dari citra tersebut disimpan dalam file .mat yang kemudian akan menjadi masukan

pada saat proses pelatihan jaringan.

(a) (b) (c)

Gambar 4.7 Hasil Visualisasi Fitur. (a) Data Normal. (b) Data Jantung Koroner.(c) Data Jantung Fibrilasi Atrium

4.2 Pembentukan Jaringan Learning Vector Quantization (LVQ)

4.2.1 Pelatihan Jaringan LVQ

Pada proses pelatihan ini digunakan 69 data dan juga 3 data untuk bobot awal

yang mewakili masing-masing kelas. Data yang digunakan untuk pelatihan terdiri

dari 43 data jantung normal, 23 data dengan kelainan jantung koroner dan 6 data

dengan kelainan fibrilasi atrium.

Pada proses pelatihan jaringan ini digunakan beberapa parameter seperti yang

ditunjukan pada Tabel 4.1 berikut:

Tabel 4.1 Parameter yang digunakan pada jaringan LVQ



Fatimatul Karimah

50

Jumlah Pola Masukan pada Pelatihan 72 dataJumlah Pola Masukan Pada Pengujian 25 dataJumlah Pola Target 3 kelasVariasi Laju Pelatihan(α) 0,1;0,01;0,001Pembaruan laju Pelatihan α=α-α*(decα)Variasi pengurangan Laju Pelatihan(decα) 0,01;0,1;0,25;0,5;0,75Minimum Laju Pelatihan yang diharapkan 0,0000001Maksimum Iterasi(Epoh) 15000

Dari Tabel 4.1 dapat dilihat yang menjadi variable manipulasi adalah nilai laju

pembelajaran dan juga pengurangan laju pembelajaran. Sedangkan untuk nilai

maksimum epoh digunakan nilai 15000, nilai minimum laju pembelajaran adalah

0,0000001.

Pada proses pelatihan ini data dilatih yang kemudian di uji kecocokannya

terhadap data target yang merupakan hasil diagnosa dari dokter. Dari banyaknya data

yang cocok dengan target yang diberikan maka akan didapatkan presentase tingkat

akurasiproses pelatihan yang dilakukan. Hasil tingkat akurasi yang didapatkan dari

perubahan parameter yang dilakukan dapat dilihat pada Tabel 4.2.

Dari Tabel 4.2 tersebut dapat dilihat presentase tingkat akurasi data hasil

pelatihan terhadap beberapa variasi dari laju pembelajaran (Learning rate) dan

pengurangan laju pembelajaran, variasi tersebut mempengaruhi banyaknya iterasi

yang yang terjadi, tingkat akurasi untuk pelatihan. Tingkat akurasi yang paling

optimal pada penelitian ini ada pada laju pelatihan 0,1 dan pengurangan laju pelatihan

0,5 yaitu, 94%.



Fatimatul Karimah

51

Tabel 4.2 Hasil Kecocokan Terhadap Data Pelatihan

Decα α Epoh Akhir TingkatAkurasi (%)

0,01 0,1 1375 91,30%0,01 1146 89,85%

0,001 917 89,85%0,1 0,1 132 92%

0,01 110 89,85%0,001 88 76,8%

0,25 0,1 49 91,3%0,01 41 85,05%

0,001 33 71,01%0,5 0,1 20 94%

0,01 17 84,05%0,001 14 63,7%

0,75 0,1 10 88%0,01 9 79,7%

0,001 7 62,3%

Dari Tabel 4.2 juga dapat dilihat pengaruh yang diberikan terhadap perubahan

parameter laju pembelajaran dan pengurangan laju pembelajaran. Pada pengurangan

laju pembelajaran yang tetap dan laju pembelajaran yang semakin kecil maka terjadi

penurunan tingkat akurasi yang dihasilkan. Namun dengan laju pembelajaran yang

tetap dan pengurangan laju pembelajaran yang semakin besar didapatkan tingkat

keakurasian yang fluktuatif (tidak tentu).

4.2.2 Pengujian Jaringan LVQ

Pada proses pengujian jaringan ini digunakan 25 data yang tidak digunakan

sebagai data pelatihan, 25 data tersebut terdiri dari 13 data jantung normal, 5 data

jantung dengan kelainan koroner dan 7 data dengan kelainan atrial fibrilasi.



Fatimatul Karimah

52

Proses pengujian ini dilakukan dengan variasi yang sama dengan variasi yang

dilakukan pada saat proses pelatihan seperti pada Tabel 4.1 dan hasil dari proses

pengujian ini dapat dilihat pada Tabel 4.3 berikut:

Tabel 4.3 Hasil Kecocokan Pengujian

Decα α TingkatAkurasi (%)

0,01 0,1 96%0,01 96%

0,001 92%0,1 0,1 92%

0,01 92%0,001 56%

0,25 0,1 88%0,01 84%

0,001 52%0,5 0,1 96%

0,01 76%0,001 52%

0,75 0,1 92%0,01 64%

0,001 52%

Pada Tabel 4.3 didapatkan tingkat akurasi tertinggi sebesar 96%. Tingkat

akurasi tertinggi itu ada di beberapa variasi laju pembelajaran dan pengurangan laju

pembelajaran. Namun, dari jika dihubungkan dengan hasil pengujian pada data

pelatihan (Tabel 4.2) tingkat akurasi yang paling tinggi ada pada laju pembelajaran

0,1 dan pengurangan laju pembelajaran 0,5 dengan presentase 94% dan pada tabel

hasil pengujian pun didapatkan tingkat akurasi yang tinggi sebesar 96% maka, dapat



Fatimatul Karimah

53

dikatakan parameter optimal pada penelitian ini adalah pada laju pembelajaran 0,1

dan pengurangan laju pembelajaran 0,5.

Sama dengan pada proses pelatihan, pada proses pengujian pun dapat dilihat

dari Tabel 4.3 pengaruh yang diberikan terhadap perubahan parameter laju

pembelajaran dan pengurangan laju pembelajaran. Pada pengurangan laju

pembelajaran yang tetap dan laju pembelajaran yang semakin kecil maka terjadi

penurunan tingkat akurasi yang dihasilkan. Namun, laju pembelajaran yang tetap dan

pengurangan laju pembelajaran yang semakin besar didapatkan tingkat keakurasian

yang fluktuatif (tidak tentu).

Tabel 4.4 Hasil Pengujian

No. Gambar Target Hasil Keterangan1. Normal Normal Cocok

2. Normal Normal Cocok






Fatimatul Karimah

54









14. Koroner Koroner Cocok



Fatimatul Karimah

55



17. Koroner FibrilasiAtrium Tidak cocok


19. Fibrilasi atrium Fibrilasi atrium Cocok








Fatimatul Karimah

56


Dari Tabel 4.4 dapat dilihat dari 25 data yang di ujikan hanya ada 1 data yang

tidak cocok dengan identifikasi program yaitu, pada data ke-17 yang seharusnya

adalah kelainan koroner tapi program mengidentifikasinkannya sebagai atrial

fibrilasi.

4.3 Tampilan Program

Setelah mendapatkan hasil dari proses pengujian maka dibuatlah tampilan

program untuk jaringan tersebut menggunakan GUI MATLAB. Pada saat program

pertama di buka akan tampil program menu seperti pada Gambar 4.8. program ini

terdiri dari menu bar yaitu, pelatihan, pengujian, bantuan dan keluar. Tampilan

program untuk menu utama adalah sebagai berikut:

Gambar 4.8 Tampilan Program Menu



Fatimatul Karimah

57

Tampilan dari program pelatihan adalah seperti pada Gambar 4.9 yang

menampilkan bobot akhir dari proses pelatihan, epoh akhir, error akhir dan juga

presentase kecocokan bobot akhir terhadap data pelatihan. Pengguna dapat merubah

nilai laju pembelajaran dan juga pengurangan laju pembelajaran, lalu melihat hasil

dari perubahan yang dilakukan di panel output, sehingga penggunaan dapat

menentukan apakah laju pembelajaran dan pengurangan laju pembelajaran yang

diberikan sudah cukup bagus untuk sistem atau belum.

Gambar 4.9 Tampilan Program Pelatihan

Pada program pengujian hasil yang ditampilkan adalah seperti Gambar 4.10,

pada program pengujian ini gambar yang akan diuji dipilih dengan menggunakan

tombol Browse. Setelah gambar dipilih maka akan ditampilkan pada tempat yang

disediakan. Saat di tekan tombol pengolahan citra maka akan ditampilkan seluruh



Fatimatul Karimah

58

tahap hasil pengolahan citra yang kemudian akan diidentifikasi setelah menekan

tombol Identifikasi. Hasil identifikasi akan muncul pada tempat yang disediakan

sehingga pengguna dapat dengan mudah mengetahui hasil identifikasi gambar

tersebut.

Gambar 4.10 Tampilan Program Pengujian

Pada tampilan program Bantuan tampilan yang keluar adalah seperti pada

Gambar 4.11. program bantuan ini berfungsiuntuk memberikan informasi mengenai

program identifikasi kelainan jantung dan cara mengoperasikan program ini secara

umum.



Fatimatul Karimah

59

Gambar 4.11 Tampilan Program Menu



Fatimatul Karimah

60

BAB V

KESIMPULAN DAN SARAN

5.1 Kesimpulan

1. Pada penelitian ini diperoleh parameter optimal jaringan LVQ yaitu, laju

pembelajaran sebesar 0,1 dan pengurangan laju pembelajaran 0,5.

2. Tingkat akurasi maksimal dari pengujian terhadap 25 data uji sebesar 96%

untuk laju pembelajaran sebesar 0,1 dan pengurangan laju pembelajaran

sebesar 0,5.

3. Pada penelitian ini semakin kecil nilai laju pembelajaran maka tingkat

akurasi program semakin kecil. Sedangkan, perubahan laju pembelajaran

berpengaruh fluktuatif (tidak tentu) terhadap tingkat akurasi atau dapat juga

dikatakan tidak ada pengaruh tertentu.

5.2 Saran

1. Untuk mengidentifikasi lebih banyak kelainan jantung dan juga untuk

meningkatkan keakuratan program maka di perlukan data yang lebih

banyak ataupun dengan memilah data yang digunakan sehingga variasi

untuktiap kelasnya mempunyai perbedaan signifikan.

2. Input jaringan LVQ untuk penelitian ini adalah matriks sebesar 1x157,

ukuran ini cukup besar dengan penggunaan data yang semakin banyak,

kinerja dari jaringan LVQ ini pun akan semakin berat, karena itu perlu



Fatimatul Karimah

61

dilakukan metode untuk melakuakan ekstraksi fitur lain untuk mengambil

informasi dari citra yang diolah.

3. Data ECG yang digunakan sebaiknya di konsultasikan dengan beberapa

dokter sehingga keakuratan diagnose yang dihasilkan lebih baik.



Fatimatul Karimah

62

Daftar Pustaka

Away, Gunaidi Abdia. 2010. The Shortcut of MATLAB Programming.INFORMATIKA. Bandung.

Berbari, E. J. 2000. Principle of Electrocardiography. The Biomedical EngineringHandbook. CRC Press LCC.

Brunet, Bob, et al. 2003. 12- Lead ECG Review. York Region Hospital Program.

Demuth, Howard and Mark Beale. 2002. Neural Network Toolbox User’s Guide,The MathWorks, Inc

Dr, Soeparman. 1987. Ilmu Penyakit Dalam Jilid I Edisi Kedua. Jakarta: BalaiPenerbit FKUI.

Yani, Eli. 2005. Pengantar Jaringan Saraf Tiruan, dipublikasikan melaluimaterikuliah.com,http://trirezqiariantoro.files.wordpress.com/2007/05/jaringan_syaraf_tiruan.pdf, diakses tanggal 13 Desember 2011.

Endarko, et al. 2006. Aplikasi Pengolahan Citra Elektrokardiograf dan JaringanSaraf Tiruan untuk Identifikasi Penyakit Jantung Koroner. Jurnal Fisikadan Aplikasinya. Surabaya.

Frank G. Yanowitz, MD. http://library.med.utah.edu. University of Utah Schoolof Medicine.(di akses tanggal 28 Desember 2011).

Gao, George Qi. 2003. Computerized Detection and Classification of FiveCardiac Condition, Auckland university of technology, new Zealand.

Green, Jacqueline M. 2010. 12-Lead EKG Confidence : Step by Step Guide.Spinger Publishing Company. New York.

Guyton, A. C. 1995. Fisiologi Manusia dan Mekanisme Penyakit, Alih bahasa:Petrus Andrianto,Penerbit Buku Kedokteran. EGC, Jakarta.

Jondri dan achmad rizal. 2010. Deteksi Otomatis Kelainan Jantung MenggunakanHidden Markov Model (Hmm), Institut Teknologi Telkom, Bandung.

Dubowik, K. 1999. Automated Arrhythmia Analysis –An Expert System for anIntensive Care Unit. New Jersey: Prentice-Hall.

Kohonen, T.. 1990. Statistical Pattern Recognition Revisited, Advanced NeuralComputers. R. Eckmiller (editor), 137-144.

Kusumadewi, Sri. 2003. Artificial Intelegence (Teknik dan Aplikasinya). Grahailmu. Jogjakarta.



Fatimatul Karimah

63

Kusumadewi, Sri. 2004. Membangun Jaringan Syaraf Tiruan MenggunakanMatlab dan Excellink. Graha Ilmu, edisi 1. Jogjakarta

Cromwell, Leslie cs. 1980. Biomedical Instrumentation and Measurments.Prentice Hall.

Low, A.,. 1991. Introduction Computer Vision and Image Processing, Mc GrawHill Book Company, London.

Schamroth, L. 1990. An Introduction to electrocardiography. Blackwell ScientificPublication: Oxford

Mabrur, S. Si, Andik. 2011. Pengolahan Citra Digital Menggunakan Matlab.Tulungagung

Marieb, Elaine. 1994. Human Anatomy and Physiology. San Francisco, CA:Pearson Education.

McConahy, Douglas. 2005. Application of Multiobject Optimilization toDetermining An Optimal Left Ventricular Assist Device PumpSpeed.Univercity of Pittsburg.

Munir, Rinaldi. 2004. Pengolahan Citra Digital dengan Pendekatan Algoritmik.Informatika Bandung. Bandung

Nurdin, Dewi Triwulandari. 2010. Konsep Pengolahan Citra Digital dan Ekstrasifitur. Graha Ilmu. Jogjakarta

Paulus,Erick, S.Si.,M.Kom. Gui Matlab. Penerbit Andi.

Pramitarini, Yushinta. 2011. Analisa Pengiriman Citra Terkompresi JPEG DenganTekni Spread Spektrum Direct Sequenze. Surabaya

Pratanu, sunoto. 1999. Buku Ajar Ilmu Penyakit Dalam, FK UI. Jilid 1 edisi ke-3.(halaman 88-934). Jakarta.

Pratt, William K. 2007. Digital Image Processing. John Wiley and Sons,Hoboken, New Jersey.

Putra, Darma. 2008. Sistem Biometrika: Konsep Dasar Teknik Analisis Citra,Penerbit Andi, Jogjakarta.

Tompkins, W. J. 1993. Biomedical Signal Processing, Prentice Hall, New Jersey.

Widodo, Arief. 2009. Sistem Akuisisi ECG Menggunakan USB untuk DeteksiAritmia. Seminar Tugas Akhir Jurusan Teknik Elektro FTI-ITS. Surabaya.



Fatimatul Karimah

64

Wirayuda, T.A. Budi. 2006. Pemanfaatan Operasi Morphologi untuk ProsesPendeteksian Sisi Pada Pengolahan Citra Digital. Seminar Nasional Sistemdan Informatika. Bali

Yusuf, Muhammad, http://yusufsila2011.weebly.com/1/post/2011/03/9-macam-gangguan-jantung.html (30 November 2011)



Fatimatul Karimah

65

LAMPIRAN

Lampiran 1 Pengolahan Citra Data Uji

Datake-

Citra Asli Hasil Segmentasi Visualisasi Fitur

1

2

3

4

5



Fatimatul Karimah

66

6

7

8

9

10



Fatimatul Karimah

67

11

12

13

14

15



Fatimatul Karimah

68

16

17

18

19

20

21



Fatimatul Karimah

69

22

23

24

25



Fatimatul Karimah

implementasi learning vector quantization (lvq) …repository.unair.ac.id/25697/1/karimah, f.pdf ·...

Documents