Analisis Perbandingan Filter Moving Average, Wavelet Transform, serta Hybrid Moving Average dan Wavelet Transform pada Real-time Sinyal Elektrokardiografi berbasis Shimmer
Kata Kunci:
shimmer, Moving Average, Wavelet Transform, Hybrid Moving Average and Wavelet Transform, elektrokardiogram, real-timeAbstrak
Sinyal Elektrokardiogram (EKG) yang diperoleh dari sensor sering kali terpengaruh oleh noise yang signifikan. Keberhasilan dalam memproses sinyal EKG tidak hanya bergantung pada perangkat pembaca sinyal, tetapi juga pada filter yang dapat secara efisien mengeliminasi noise pada sinyal tersebut. Oleh karena itu, penelitian ini menggunakan Shimmer ECG dan penerapan filter digital untuk mengeliminasi noise. Penelitian ini bertujuan untuk mengetahui filter mana yang dapat mengeliminasi noise hasil bacaan Shimmer secara real-time. Filter yang diujikan adalah filter Moving Average(MA), Wavelet Transform, Serta Hybrid Moving Average dan Wavelet Transform. Pengujian dilakukan dengan menentukan filter yang dapat mengeliminasi noise dengan baik, serta juga mempertimbangkan waktu komputasi dan penggunaan memorinya. Hasil pengujian menunjukkan bahwa filter Wavelet Transform serta hybrid moving average dan Wavelet Transform menghasilkan sinyal yang jernih dibandingkan dengan filter MA. Sedangkan untuk waktu komputasi, Wavelet Transform menunjukkan hasil paling cepat dengan rata-rata 0.49s, sedangkan MA 0.059s dan hybrid MA dan Wavelet Transform 0,107s. Penggunaan memori juga menunjukkan bahwa Wavelet Transform menggunakan memori yang kecil yaitu 0.054 byte. Sedangkan untuk filter lain adalah 0.111 byte untuk hybrid MA dan Wavelet Transform dan 0.06 byte untuk filter MA.
Referensi
Li, W., Zhang, Z., Hou, B., & Song, A. (2021). Collaborative-Set Measurement for ECG-Based Human Identification. IEEE Transactions on Instrumentation and Measurement, 70. https://doi.org/10.1109/TIM.2021.3083556
Luu, L., & Dinh, A. (2018). Using Moving Average Method to Recognize Systole and Diastole on Seismocardiogram without ECG Signal. Annu Int Conf IEEE Eng Med Biol Soc, 2018, 3796–3799.
Malik, S. A., Parah, S. A., Aljuaid, H., & Malik, B. A. (2023). An Iterative Filtering Based ECG Denoising Using Lifting Wavelet Transform Technique. Electronics (Switzerland), 12(2). https://doi.org/10.3390/electronics12020387
R. A. Nugraha, R. M. A. Wibowo, & D. S. Setiawan. (2022). Electrocardiogram Noise Reduction Using Empirical Mode Decomposition and Adaptive Filter. Journal of Medical Engineering and Technology.
Toma, T. I., & Choi, S. (2022). A Parallel Cross Convolutional Recurrent Neural Network for Automatic Imbalanced ECG Arrhythmia Detection with Continuous Wavelet Transform. Sensors, 22(19). https://doi.org/10.3390/s22197396
Xie, L., Li, Z., Zhou, Y., He, Y., & Zhu, J. (2020). Computational Diagnostic Techniques for Electrocardiogram Signal Analysis. Sensors (Basel, Switzerland).
Li, W., Zhang, Z., Hou, B., & Song, A. (2021). Collaborative-Set Measurement for ECG-Based Human Identification. IEEE Transactions on Instrumentation and Measurement, 70. https://doi.org/10.1109/TIM.2021.3083556
Luu, L., & Dinh, A. (2018). Using Moving Average Method to Recognize Systole and Diastole on Seismocardiogram without ECG Signal. Annu Int Conf IEEE Eng Med Biol Soc, 2018, 3796–3799.
Malik, S. A., Parah, S. A., Aljuaid, H., & Malik, B. A. (2023). An Iterative Filtering Based ECG Denoising Using Lifting Wavelet Transform Technique. Electronics (Switzerland), 12(2). https://doi.org/10.3390/electronics12020387
R. A. Nugraha, R. M. A. Wibowo, & D. S. Setiawan. (2022). Electrocardiogram Noise Reduction Using Empirical Mode Decomposition and Adaptive Filter. Journal of Medical Engineering and Technology.
Toma, T. I., & Choi, S. (2022). A Parallel Cross Convolutional Recurrent Neural Network for Automatic Imbalanced ECG Arrhythmia Detection with Continuous Wavelet Transform. Sensors, 22(19). https://doi.org/10.3390/s22197396
Xie, L., Li, Z., Zhou, Y., He, Y., & Zhu, J. (2020). Computational Diagnostic Techniques for Electrocardiogram Signal Analysis. Sensors (Basel, Switzerland).
Diterbitkan
Cara Mengutip
Terbitan
Bagian
Lisensi
Hak Cipta (c) 2024 Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer
Artikel ini berlisensiCreative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.