analisis spektrum frekuensi isyarat ekg menggunakan jaringan syaraf tiruan multi-layer perceptron...

8/9/2019 Analisis Spektrum Frekuensi Isyarat EKG Menggunakan Jaringan Syaraf Tiruan Multi-Layer Perceptron Dan Algoritma

1/7

ANALISIS SPEKTRUM FREKUENSI ISYARAT EKG

MENGGUNAKAN JARINGAN SYARAF TIRUAN MULTI-

LAYER 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 besaranbesaran 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 syaraftiruan 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]

Sum

Fungsi

Aktivasi

(f)

wj,i=1

w j,i=2

wj,i=3

wj,i=N

p

x i=1

x i=2

x i=3

x i=Np

yj,k=1

y j,k=2

yj,k=3


2/7

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), sehinggayang 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

node tersembunyi ke-j. Jumlah total signal terbobot =

=

Npi

i

ijij Wx1

, 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 :

=

=

=Npi

i

ijij WxI1

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

Jika input bersih cukup kuat untuk mengaktifkan node j, maka output dari node tersebut

adalah :

jj Ify = ...........................................................(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 aktivasiyj = 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 bobot-

bobot 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 ) aiDengan :

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.


3/7

III. TATA KERJA

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

gambar 3.1

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 dengantiap spektrum denyut jantung. Algoritma pembelajaran Quickpropagation dengan

akselerasi - Pelatihanperceptron 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

=

=

n

i

ijij vxinZ1

_

Sinyal masuk ke Z1 adalah Z_in1 = x1 * v11 + x2 * v21Sinyal masuk ke Z2 adalah Z_in2 = x1. * v12 + x2 * v22Gunakan fungsi fungsi aktivasi untuk menghitung sinyal keluaran yaitu :

Zj = f(Z_inj)

Sinyal keluar Z1 adalah Z1 = f (Z_in1) =1_1

1inz

e

+

Sinyal keluar Z2 adalah Z2 = f(Z_in2) = 2_1

1inz

e+Langkah 4. Hitung semua keluaran jaringan (Yk, k = 1, 2, 3,...., m) di unit y1 dan y2 yaitu

dengan menjumlahkan sinyal-sinyal input terbobot :

=

=P

i

jkij wzinY1

_

Sinyal masuk ke y1 adalah y_in1 = z1 * w11 + z2 * w12Gunakan fungsi aktivasi untuk menghitung sinyal outputnya :

Yk= f(y_ink)

Sinyal keluar y1 adalah y1 =1_1

1iny

e

+

Kabel &

SunctionCup

Cardimax

Fx-2111

Personal

Komputer


4/7

Fase II : Perubahan Bobot

Wjibaru = Wjilama + C ( tjp xjp ) aiDengan :

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=0,14detikSpektrumTachycardia

0

0,1

0,2

0,3

0,4

0,5

0,6

0,7

0,8

0,9

0,04

0,20

0,36

0,56

0,72

0,88

1,04

1,20

1,36

1,52

1,68

1,84

2,00

2,16

2,32

2,48

2,64

2,82

3,00

Detik

m

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.Spektrum Atrial Fibrillation

0

0,1

0,2

0,3

0,4

0,5

0,6

0,7

0,8

0,9

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

Detik

m

Gambar 4.3. Grafik spektrumAtrial 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. Sedangkanoutputnya diketahui yaitu spektrum denyut jantung normal, spektrum denyut jantung


5/7

tachycardia, spektrum denyut jantung atrial fibrillation. Dari hasil pengujian dapat dilihat

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

0,1

0,2

0,3

0,4

0,5

0,6

0,7

0 612

18

24

30

36

42

48

54

60

66

72

78

84

90

96

Iterasi

Errorrata- LR=0,1

LR=0,25

LR=0,5

LR=0,75

LR=1

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 =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 =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

=0.5 danC=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

0,1

0,2

0,3

0,4

0,5

0,6

0,7

0 612

18

24

30

36

42

48

54

60

66

72

78

84

90

96

Iterasi

Errorrata

10&10

10&15

10&20

10&25

10&30

10&35

10&40

10&45

10&50

1.5 1.5 1.75 2 2.25

0.1 0.00218

6

0.00250

6

0.00216

9

0.00222

7

0.002682

0.2

5

0.00252

5

0.00552 0.00228

2

0.00216

4

0.002327

0.5 0.00243 0.00242

6

0.00224

7

0.00242 0.002465

0.7

5

0.00249

5

0.00265

9

0.00241

8

0.00251

6

0.002518

1 0.00206

7

0.00232

6

0.00202

3

0.00474 0.002417


6/7

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, NewJersey : 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.
http://nazrul.staff.ugm.ac.id/Effendy_SNIKTI3.pdf.2-1-2007http://fukuoka.cool.ne.jp/metnet/paper2.pdf.%205-1-%20%20%202007http://nazrul.staff.ugm.ac.id/Effendy_SNIKTI3.pdf.2-1-2007http://fukuoka.cool.ne.jp/metnet/paper2.pdf.%205-1-%20%20%202007


7/7

analisis spektrum frekuensi isyarat ekg menggunakan jaringan syaraf tiruan multi-layer perceptron...

Documents