ANALISIS SPEKTRUM FREKUENSI ISYARAT EKG MENGGUNAKAN JARINGAN SYARAF TIRUAN MULTILAYER PERCEPTRON DAN ALGORITMA QUICKPROPAGATION

Riyantoro, Raymond Amir, V.Vekky R.Repi
Jurusan Teknik Fisika, Fakultas Teknik dan Sains, Universitas Nasional Jl. Sawo Manila No. 61 Pejaten, Pasar Minggu, Jakarta Selatan 12520

Abstrak - Salah satu organ tubuh manusia yang sangat vital adalah jantung. Normal atau tidaknya kondisi jantung manusia harus dipantau dan analisis. Salah satu teknik klasifikasi dan identifikasi masalah dengan baik yang dapat meniru kemampuan seorang pakar yaitu menggunakan Jaringan Syaraf Tiruan. Penelitian ini bertujuan untuk menganalisis frekuensi isyarat EKG dengan jaringan syaraf tiruan. Kata kunci : jaringan syaraf tiruan, feedforward, quick propagation, EKG

I.

PENDAHULUAN

Jaringan syaraf tiruan (JST) dapat mengontrol lebih mendekati seperti layaknya panca indera manusia dalam menentukan suatu obyek besaran–besaran yang dapat ditentukan secara kualitatif dan kuantitatif seperti tinggi, sedang, rendah, sangat besar, besar, sedang, kecil, sangat kecil, panas, hangat, dingin, banyak, sedikit dan lain sebagainya. Kemampuan jaringan syaraf tiruan dalam suatu aplikasi kecerdasan buatan sudah banyak diterapkan diberbagai ilmu pengetahuan dan teknologi. Penelitian jaringan syaraf tiruan mengambil suatu pola klinis yang memiliki suatu kasus kompleks, yaitu spektrum frekuensi denyut jantung, spektrum tersebut dihasilkan oleh alat kedokteran yang bernama elektrokardiograf (EKG). Tugas akhir ini mencoba untuk mengembangkan fungsi dan peranan dari jaringan syaraf tiruan dengan memanfaatkan isyarat elektrokardiograf (EKG), Isyarat tersebut yang mana sering digunakan oleh dokter untuk mendiagnosis jantung pasien. Isyarat elektrokardiograf (EKG) pasien normal memiliki karakteristik yang berbeda dengan isyarat elektrokardiograf (EKG) pasien berpenyakit jantung. II. TELAAH PUSTAKA

Konsep dasar JST - Prinsip kerja dari JST adalah suatu sistem pemrosesan informasi yang cara kerjanya memiliki kesamaan tertentu dengan jaringan syaraf biologis[1]. Sebagai ilustrasi, sistem JST dapat dijelaskan dengan Gambar 2.6.[2]
x i=1
w j,i= 1

x i=2

w j,i=2
3 w j,i=

x i=3 x i=Np

,i= wj

Np

Σ

Sum

Fungsi Aktivasi (f)

=1 y j,k

y j,k=2
y j,k =3

Gambar 2.6. Konsep pemodelan jaringan saraf tiruan Proses arus informasi dalam sistem JST di atas dimulai dari node-node input. Untuk mencerminkan tingkat kekuatan hubungan ini, digunakan faktor pembobot (weight), sehingga yang diterima oleh node-node di lapisan tersembunyi adalah signal terbobot (weigthed signal ) yaitu xiWj,i dimana Wj,i merupakan besaran bobot hubungan dari node input i menuju
i =Np

node tersembunyi ke-j. Jumlah total signal terbobot

j

∑x W
i= 1 i

j ,i

yang masuk ke salah satu

node atau elemen proses di lapis tersembunyi ini selanjutnya akan dikirim ke node-node di lapisan output. Tiap neuron menerima signal output dari berbagai neuron lainnya dan mengeluarkan output nya dengan menghitung tingkat (level) aktivitas yang masuk adalah :

Ij =

i =Np i =1

∑x W
i

j ,i

................................................ (2.1)

Jika input bersih cukup kuat untuk mengaktifkan node j, maka output dari node tersebut adalah : y j = f ( I j ) ...........................................................(2.2) Dengan : Np = jumlah node yang masuk dari lapisan sebelumnya ke node yang dituju xi = signal input dari node input ke i=1, 2, ... , Np. Wj,i = besarnya bobot node ke i ke node j. Ij = total signal bobot bersih yang masuk ke node j f = fungsi aktivasi yj = signal output node j Arsitektur JST - Neuron-neuron dikelompokkan dalam lapisan-lapisan dimana neuron yang terletak pada lapisan yang sama akan memiliki keadaan yang sama. Jaringan dengan banyak lapisan memiliki 1 atau lebih lapisan yang terletak diantara lapisan input dan lapisan output (memiliki 1 atau lebih lapisan tersembunyi), Umumnya, ada lapisan bobotbobot yang terletak antara 2 lapisan yang bersebelahan. Pada Algoritma Quickpropagation dilakukan pendekatan dengan asumsi bahwa masing-masing bobot penghubung tidak terpengaruh oleh bobot yang lain. Perubahan algoritma quickpropagation dirumuskan sebagai berikut: Wjibaru = Wjilama + C ( tjp – xjp ) ai Dengan : C = kecepatan belajar tjp = nilai keluaran yang diinginkan unit j setelah diberikan pola p pada lapisan masukan. xjp = nilai keluaran yang dihasilkan unit j setelah diberikan pola p pada lapisan masukan. ai = masukan yang berasal dari unit I.

III.

TATA KERJA

Pemasangan perangkat keras dan istalansi kabel secara garis besarnya dapat dilihat dalam gambar 3.1

Kabel & Sunction Cup

Cardimax Fx-2111

Personal Komputer

Pengambilan Spektrum Denyut Jantung - Sebagai data pembelajaran sistem JST pencuplikan dilakukan dengan 3 mV/sekon. Setiap spektrum denyut jantung diambil sebanyak 10 (sepuluh) pasien, sebagai input dari JST, setiap file berjumlah 73 sesuai dengan tiap spektrum denyut jantung. Algoritma pembelajaran Quickpropagation dengan akselerasi - Pelatihan perceptron meliputi 2 fase. Fase pertama adalah fase maju yaitu pola masukan dihitung maju mulai dari lapisan masukan hingga lapisan keluaran menggunakan aktivasi yang ditentukan. Algoritma pelatihan untuk jaringan dengan satu layar tersembunyi adalah sebagai berikut : Langkah 1. Inisialisasi semua bobot 1 (v) dan bobot 2 (w) dengan bilangan acak kecil Fase I : Fase Maju (Feedforward). Langkah 2. Tiap unit masukan menerima sinyal dan meneruskannya ke unit tersembunyi di atasnya. Langkah 3. Hitung semua keluaran di unit tersembunyi Z1 dan Z2

Z _ in j = ∑ xi vij
i =1

n

Sinyal masuk ke Z1 adalah Z_in1 = x1 * v11 + x2 * v21 Sinyal masuk ke Z2 adalah Z_in2 = x1. * v12 + x2 * v22 Gunakan fungsi fungsi aktivasi untuk menghitung sinyal keluaran yaitu : Zj = f(Z_inj)

1 1 + e − z _ in1 1 Sinyal keluar Z2 adalah Z2 = f(Z_in2) = 1 + e − z _ in2
Sinyal keluar Z1 adalah Z1 = f (Z_in1) =

Langkah 4. Hitung semua keluaran jaringan (Yk, k = 1, 2, 3,...., m) di unit y1 dan y2 yaitu dengan menjumlahkan sinyal-sinyal input terbobot :

Y _ in j = ∑ z i w jk
i =1

P

Sinyal masuk ke y1 adalah y_in1 = z1 * w11 + z2 * w12 Gunakan fungsi aktivasi untuk menghitung sinyal outputnya : Yk = f(y_ink) Sinyal keluar y1 adalah y1 =

1 1 + e − y _ in1

Fase II : Perubahan Bobot Wjibaru = Wjilama + C ( tjp – xjp ) ai Dengan : C = kecepatan belajar tjp = nilai keluaran yang diinginkan unit j setelah diberikan pola p pada lapisan masukan. xjp = nilai keluaran yang dihasilkan unit j setelah diberikan pola p pada lapisan masukan. ai = masukan yang berasal dari unit I. IV. HASIL DAN PEMBAHASAN

Pengukuran spektrum denyut jantung dengan elektrokardiograf mempunyai kecepatan 3 mV/sekon. Pengukuran yang dilakukan pada penelitian ini ditujukan untuk mencari 3 (tiga) jenis spektrum denyut jantung yaitu Spektrum denyut jantung normal, spektrum denyut jantung tachycardia dan spektrum denyut jantung atrial fibrillation. Salah satu data gambar spektrum denyut jantung normal yang diambil untuk pembelanjaran, dimana terdapat 73 input selama satu pencuplikan yaitu terdiri interval PR = 0,2 detik, interval QRS = 0,10 detik, kecepatan 82 denyut jantung per menit, interval QT = 0,35detik,segmenQT=0,14detik
S ek u T ch c r ia p tr m a y a d
0 ,9 0 ,8 0 ,7 0 ,6

mV

0 ,5 0 ,4 0 ,3 0 ,2 0 ,1 0
4 0 6 6 2 8 4 0 6 2 8 4 0 6 2 8 4 2 ,8 2 3 ,0 ,2 ,3 ,8 ,5 ,7 ,0 ,2 ,3 ,5 ,6 ,8 ,0 ,1 ,3 ,4 ,6 0 0 0 0 0 0 1 1 1 1 1 1 2 2 2 2 2 ,0 0

D etik

Gambar 4.2 Grafik Spektrum Tachycardia Dimana terdiri dari interval PR = 0,2 detik, interval QRS = 0,10 detik, kecepatan 127 denyut jantung per menit, interval QT = 0,45 detik, segmen QT = 0,07 detik, untuk gelombang P-QRS-T termasuk dianggap batas normal, yang dapat dilihat EKG hanya ratenya. Rate untuk spektrum denyut jantung tachycardia berkisar lebih besar dari 150 X/menit sampai 250 X/menit.
S pektrum Atrial F ibrillation 0,9 0,8 0,7 0,6 0,5 0,4 0,3 0,2 0,1 0
0,04 0,28 0,56 0,80 1,04 1,28 1,52 1,76 2,00 2,24 2,48 2,74 3,00

mV

Detik

Gambar 4.3. Grafik spektrum Atrial Fibrillation Penentuan Struktur JST - Dalam pengolahan data sistem JST menggunakan program Trajan Neural Networks dimana jumlah data yang digunakan untuk pembelajaran sistem JST sebanyak 30 data hasil pengukuran untuk mewakili 3 jenis spektrum. Sedangkan outputnya diketahui yaitu spektrum denyut jantung normal, spektrum denyut jantung

tachycardia, spektrum denyut jantung atrial fibrillation. Dari hasil pengujian dapat dilihat 0.1 0.2 5 0.5 0.7 5 1 1.5 0.00218 6 0.00252 5 0.00243 1.5 0.00250 6 0.00552 0.00242 6 0.00265 9 0.00232 6 1.75 0.00216 9 0.00228 2 0.00224 7 0.00241 8 0.00202 3 2 0.00222 7 0.00216 4 0.00242 0.00251 6 0.00474 2.25 0.002682 0.002327 0.002465 0.002518 0.002417

0.00249 5 0.00206 7 pada tabel 4.1. dibawah ini :

Tabel 4.1. Hasil pengujian dengan satu lapisan tersembunyi. Dari hasil pengujian didapat bahwa jumlah lapisan tersembunyi yang optimal adalah 10 buah dengan error 0,002023 dan performance 1 yang berarti bahwa semua data dapat dikenali dengan baik (100%). Pengujian dilakukan sampai dengan epoch ke 100. Pada epoch ini diharapkan minimal ralat telah tercapai.
0,7 0,6
Er o r t -r t r r aa aa

0,5 0,4 0,3 0,2 0,1 12 18 24 30 36 42 48 54 60 66 72 78 84 90 96 0 0 6 LR 0,1 = LR 0,25 = LR 0,5 = LR 0,75 = LR 1 =

I eai tr s

Gambar 4.4 Grafik hasil iterasi. Gambar 4.4. Grafik iterasi dengan berbagai variasi pembelajaran dan kecepatan. Laju pembelajaran dan kecepatan terbaik terjadi pada laju pembelajaran α=0,25 dan kecepatan C=2,25 dengan iterasi ke 18 error 0,0041795 dan iterasi ke 19 error 0.003085. Kondisi ini hampir sama dengan α =0,75 dan C=2 dengan laju pembelajaran iterasi ke 18 error 0,0066952 dan iterasi ke 21 error 0,0035747 namum sangat berbeda dengan α =0.5 dan C=2,25 dengan laju pembelajaran iterasi ke 19 error 0,0057024 dan iterasi ke 20 error 0,00400207, dimana ralat dicapai dalam waktu yang relatif lambat. Hasil dari pengujian dapat dilihat pada gambar grafik dibawah ini:
0 ,7 0 ,6 0 ,5 0 ,4 0 ,3 0 ,2 0 ,1 12 18 24 36 42 48 60 66 72 84 90 96 30 54 78 0 Error rata-rata 1&0 01 1&5 01 1&0 02 1&5 02 1&0 03 1&5 03 1&0 04 1&5 04 1&0 05

0

6

Ite s ra i

Gambar 4.4 Grafik hasil iterasi. Gambar 4.5. Grafik Error dengan dua lapisan tersembunyiDi atas terlihat bahwa error terkecil dan tercepat dicapai dengan konfigurasi lapisan tersembunyi 25 dan 10 yaitu pada iterasi ke 21 diperoleh error 0,0087639. DAFTAR PUSTAKA

1. Timothy, Signal and Image Processing with Neural Networks, John Wiley and Sons,
Inc., New York, 1994. 2. Jong Jek Siang, Jaringan Syaraf Tiruan dan Pemogramannya Menggunakan Matlab, Andi Offset,Yogyakarta, 2005. 3. Sri Kusumadewi, “Artificial Intelengence (Teknik dan Aplikasinya) ”, Edisi Pertama, Yogyakarta, Penerbit Graha Ilmu, 2003. 4. ‘’ Identifikasi Spektrum Frekuensi Isyarat Elektrokardiograf Menggunakan Jaringan Syaraf Tiruan Kompetisi Penuh’’. http://nazrul.staff.ugm.ac.id/Effendy_SNIKTI3.pdf.2-1-2007. 5. ‘’ Analisis Kondisi Ginjal Pasien Menggunakan Metode Jaringan Syaraf Tiruan’’. http://fukuoka.cool.ne.jp/metnet/paper2.pdf. 5-1- 2007. 6. Fausset, Laurence. Fundamentals Of Neural Network. Englewood Cliffs, New Jersey : Prentice-Hall. Inc., 1994. 7. Defatta.J.David,Lucas.G.Josep,Hodghisss.S.William. Digital Signal Processing : Published by John Wiley and Sons, New York,1998. 8. Poespawati.R.N dan Tamsir, Santoso, Agus, Sistem Sinyal & Sistem, Penerbit Erlangga, jilid 1, edisi kedua, Jakarta, 1997. 9. National Instrument, LabView, User Manual, National Instruments Coporate, United States of America, 1998. 10. Mustofa, Kawkab. ‘’Analisis Vibrasi Pompa Pendingin Sekunder Reaktor Serba Guna G.A.Siwabessy Menggunakan Jaringan Syaraf Tiruan’’, Skripsi, UNAS, Jakarta, 2006.

11. Sutopo, Widjaja.’’Segi Praktis EKG’’, Penerbit Binarupa Aksara, Jakarta, 1990. 12. Hermawan, Arief. “Jaringan Saraf Tiruan (Teori dan Aplikasi) ”, Edisi Pertama, Yogyakarta,
Penerbit Andi, 2006. 13. Rilantono, Ismudiati, Lily. Baras, Faisal. Karo, Santoso. Roebiono, Surwianti, Poppy. ‘’ Buku Ajar Kardiologi’’, Cetak Ulang Kelima, Jakarta, Penerbit Fakultas Kedokteran Universitas Indonesia, 2004.

Sign up to vote on this title
UsefulNot useful