Sistem Monitoring Kesehatan Jantung Menggunakan Metode Adaptive Threshold Berbasis Shimmer Electrocardiogram Dan Matlab
Abstrak
Penyakit jantung masih menjadi tantangan kesehatan yang signifikan secara global dalam lima tahun terakhir yang menyebabkan lebih dari 9,4 juta kasus kematian. Oleh karena itu, pentingnya sistem monitoring kesehatan jantung yang akurat tidak dapat diabaikan untuk mencegah komplikasi serius dan menurunkan angka kematian akibat penyakit jantung. Metode yang sering digunakan untuk monitoring kesehatan jantung dirumah sakit adalah Treadmill Stress Test, namun test ini memerlukan fasilitas rumah sakit dan biaya yang relatif tinggi. Biaya menjadi hambatan untuk melakukan pemantauan kesehatan jantung secara teratur. Dengan hambatan tersebut, sebagai alternatif adalah dengan membuat sistem monitoring kesehatan jantung untuk deteksi kesehatan jantung berbasis shimmer electrocardiogram. Penelitian ini bertujuan untuk mengetahui apakah sistem monitoring kesehatan jantung menggunakan metode Adaptive Threshold yang dikembangkan dapat digunakan sebagai alternatif pengganti Treadmill Stress Test dirumah sakit. Penelitian ini menggunakan perangkat Shimmer untuk pengambilan sinyal ECG selama aktivitas Treadmill Stress Test. Data akan diproses dengan algoritma Adaptive Threshold yang diimplementasikan di Matlab dengan fitur GUI untuk sistem monitoringnya. Hasil penelitian menunjukkan bahwa algoritma Adaptive Threshold memiliki akurasi deteksi puncak R sebesar 88.45%, Akurasi nilai heart rate sebesar 93.02%, dan rata-rata waktu komputasi 20.75 detik. Evaluasi ini menunjukkan bahwa sistem monitoring detak jantung ini dapat mendeteksi kesehatan jantung dengan baik. Sistem ini memiliki potensi bagi pengguna treadmill yang ingin melakukan monitoring kesehatan jantung dalam lingkungan yang lebih santai seperti rumah atau pusat kebugaran, mengurangi ketergantungan pada fasilitas medis yang mahal dan terbatas.
Referensi
Dewa, M. I., Widasari, E. R., & Fitriyah, H. (2024). Analisis Perbandingan Performa Algoritma Pendeteksi Puncak R pada Realtime Akuisisi Sinyal Electrocardiography berbasis Shimmer. Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, 8(1), 82-87.
Gutiérrez-Rivas, R., Garcia, J. J., Marnane, W. P., & Hernández, A. (2015). Novel real-time low-complexity QRS complex detector based on adaptive thresholding. IEEE Sensors Journal, 15(10), 6036-6043.
Fahrizal, M., Widasari, E. R., & Fitriyah, H. (2024). Analisis Perbandingan Filter Moving Average, Wavelet Transform, serta Hybrid Moving Average dan Wavelet Transform pada Real-time Sinyal Elektrokardiografi berbasis Shimmer. Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, 8(2).
Zakariyah, M., Sahroni, A. (2019). Komparasi Algoritma Deteksi Puncak QRS Kompleks Elektrokardiogram (EKG) Pada Pasien Penderita Stroke Iskemik. Seminar Nasional Informatika Medis (SNIMed), 22-27.
Akbar, M, A., Mandala, S. (2019). IoT on Heart Arrhythmia Real Time Monitoring. Indonesian Journal of Computing, 3(2), 1-10.
Hariri, R., Hakim, L., & Lestari, R, F. (2020). Sistem Monitoring Detak Jantung Menggunakan Sensor AD8232. Jurnal Telekomunikasi dan Komputer, 2(02), 1-5.
Tahir, M. Y. (2019). Pembangunan prototype aplikasi elektrokardiogram (EKG) berbasis mobile (Doctoral dissertation, Universitas Komputer Indonesia).
Bahrudin, M. B., Kep, M., & KMB, S. (2013). Terapi Modalitas Treadmill Tes Pada Pasien Gangguan Kardiovaskuler Modality Therapy Treadmill Test In Patients Cardiovascular Disorders. JURNAL KEPERAWATAN, 6(3), 138-142.
Wahjuni, N. (2007). Pengaruh Pelatihan Exercise Elektrocardiografi Test Terhadap Pencapaian Kompetensi Perawat Di Out Patient Department Rumah Sakit Surabaya Internasional: Penelitian Study Pra Experimental (One Group Pre Test-Post Test Design) (Doctoral dissertation, UNIVERSITAS AIRLANGGA).
Hamdi, I., Suprayogi, S., & Suhendi, A. (2018). Implementasi Deteksi Qrs Complex Pada Sinyal Ekg Berbasis Raspberry Pi. eProceedings of Engineering, 5(2).
Dewi, L. A. Klasifikasi Machine Learning Untuk Mendeteksi Penyakit Jantung Dengan Algoritma K-Nn, Decision Tree dan Random Forest (Bachelor's thesis, Fakultas Sains dan Teknologi UIN Syarif Hidayatullah Jakarta).
Amrullah, Y. A. (2020). Analisis Heart Rate Variability (HRV) antara Elektrokardiogram (EKG) dengan Stetoskop Elektronik Littmann 3200.
Dewa, M. I., Widasari, E. R., & Fitriyah, H. (2024). Analisis Perbandingan Performa Algoritma Pendeteksi Puncak R pada Realtime Akuisisi Sinyal Electrocardiography berbasis Shimmer. Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, 8(1), 82-87.
Gutiérrez-Rivas, R., Garcia, J. J., Marnane, W. P., & Hernández, A. (2015). Novel real-time low-complexity QRS complex detector based on adaptive thresholding. IEEE Sensors Journal, 15(10), 6036-6043.
Fahrizal, M., Widasari, E. R., & Fitriyah, H. (2024). Analisis Perbandingan Filter Moving Average, Wavelet Transform, serta Hybrid Moving Average dan Wavelet Transform pada Real-time Sinyal Elektrokardiografi berbasis Shimmer. Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, 8(2).
Zakariyah, M., Sahroni, A. (2019). Komparasi Algoritma Deteksi Puncak QRS Kompleks Elektrokardiogram (EKG) Pada Pasien Penderita Stroke Iskemik. Seminar Nasional Informatika Medis (SNIMed), 22-27.
Akbar, M, A., Mandala, S. (2019). IoT on Heart Arrhythmia Real Time Monitoring. Indonesian Journal of Computing, 3(2), 1-10.
Hariri, R., Hakim, L., & Lestari, R, F. (2020). Sistem Monitoring Detak Jantung Menggunakan Sensor AD8232. Jurnal Telekomunikasi dan Komputer, 2(02), 1-5.
Tahir, M. Y. (2019). Pembangunan prototype aplikasi elektrokardiogram (EKG) berbasis mobile (Doctoral dissertation, Universitas Komputer Indonesia).
Bahrudin, M. B., Kep, M., & KMB, S. (2013). Terapi Modalitas Treadmill Tes Pada Pasien Gangguan Kardiovaskuler Modality Therapy Treadmill Test In Patients Cardiovascular Disorders. JURNAL KEPERAWATAN, 6(3), 138-142.
Wahjuni, N. (2007). Pengaruh Pelatihan Exercise Elektrocardiografi Test Terhadap Pencapaian Kompetensi Perawat Di Out Patient Department Rumah Sakit Surabaya Internasional: Penelitian Study Pra Experimental (One Group Pre Test-Post Test Design) (Doctoral dissertation, UNIVERSITAS AIRLANGGA).
Hamdi, I., Suprayogi, S., & Suhendi, A. (2018). Implementasi Deteksi Qrs Complex Pada Sinyal Ekg Berbasis Raspberry Pi. eProceedings of Engineering, 5(2).
Dewi, L. A. Klasifikasi Machine Learning Untuk Mendeteksi Penyakit Jantung Dengan Algoritma K-Nn, Decision Tree dan Random Forest (Bachelor's thesis, Fakultas Sains dan Teknologi UIN Syarif Hidayatullah Jakarta).
Amrullah, Y. A. (2020). Analisis Heart Rate Variability (HRV) antara Elektrokardiogram (EKG) dengan Stetoskop Elektronik Littmann 3200.
Unduhan
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.
