BAB III ANALISA DESAIN SISTEM
Dalam bab ini dibahas tentang perencanaan pengolahan data ECG sebelum diinputkan pada JST. Data awal perekaman ECG yang didapat merupakan data
dalam bentuk pola sinyal ECG. Dalam sekali pengambilan data, didapatkan 12 lead dari setiap pasien yaitu lead I, lead II, lead III, aVR, aVL, aVF, V1, V2, V3,
V4, V5, dan lead V6. Dalam percobaan, tidak semua lead tersebut akan dijadikan inputan bagi JST, namun yang digunakan hanya lead V1, V2, V3, V4. Karena JST
memerlukan data numerik sebagai inputannya maka pola ECG yang diinputkan tersebut harus diubah dalam data numerik. Untuk mengubah data pola ECG
menjadi data numerik yang dapat dibaca JST dibutuhkan bahasa pemrograman. Dalam tugas akhir ini digunakan bahasa pemrograman Visual Basic 6.
3.1 Pengambilan Data Gambar
Data yang akan diolah merupakan data pasien normal dan data pasien jantung koroner yang direkam diatas kertas thermal ECG. Penentuan bentuk
normal dan jantung koroner sudah divalidasi oleh seorang dokter kardiolog di ruang ICCU RSUD Sidoarjo. Seluruh data terdiri dari 64 pasien yang terdiri dari
40 data pasien normal dan 24 data pasien dengan jantung koroner. Sebelum dijadikan inputan ke jaringan syaraf tiruan, ada beberapa proses
yang harus dilakukan pada data ECG. Yaitu merubah data gambar menjadi data gambar digital, selanjutnya melakukan perbaikan mutu citra gambar, lalu merubah
28
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
dalam nilai numerik, setelah menjadi nilai numerik baru dapat diinputkan pada JST.Dibawah ini contoh gambar ECG pasien.
a b Gambar 3.1 a Sinyal ECG Normal dan
b Sinyal ECG Jantung Koroner. Data rekaman detak jantung dari alat ECG dicetak diatas kertas thermal
ECG. Data tersebut kemudian direkam oleh scanner dan disimpan pada suatu file .JPG. Pengenalan pola sinyal ECG dapat dibagi menjadi 2 kategori. Yang
pertama untuk mendeteksi keberadaan puncak QRS salah satu sub gelombang sinyal ECG dan yang kedua untuk mengklasifikasi sinyal berdasarkan bentuk
morfologi gelombang. Yang akan dilakukan pada Tugas Akhir ini adalah untuk mengidentifikasi sinyal berdasarkan bentuk morfologi gelombang.
Dari satu periode sinyal tersebut kemudian diekstrasi sejumlah N nilai tertentu yang digunakan sebagai masukan sistem. Ukuran N adalah tetap,
meskipun ukuran sinyal untuk satu periode bervariasi. Yaitu diambil ukuran pixel yang sama 250x250 pixel.
Sebelum data tersebut diolah, data yang akan digunakan harus mempunyai kondisi yang bersih dan jelas. Karena pada saat proses perekaman pola oleh
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
flatbed scanner dapat terjadi proses gangguan seperti adanya noise secara acak atau adanya garis-garis latar perekaman ECG. Maka diperlukan perbaikan mutu
gambar pada pola yang dapat dilakukan dengan cara tresholding. Pada proses penskalaan digunakan software paint dan untuk perbaikan mutu citra gambar
digunakan bantuan software adobe photoshop, hasilnya berupa file jpg. Dibawah ini merupakan diagram blok proses pengolahan data.
Start
Input gambar
Mengubah ukuran pixel gambar menjadi 250x250
Normalisasi Gambar ECG Grey = r + g + b 3
Gambar ECG yg Di Scan
Finish
Gambar 3.2 Flowchart Proses Pengolahan Citra. Dari gambar berukuran 250x250 pixel dijadikan matrik 25x25 karena
disesuaikan dengan kemampuan komputer dalam melakukan proses identifikasi dengan jaringan syaraf tiruan. Dari matrik 25x25 didapatkan nilai numerik
berdasarkan nilai greyscale dari gambar.
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
Gambar 3.3 Data Numerik Matrik 25x25 dan Normalisasi Pasien Jantung Koroner.
Sebelum data dilatihkan training dilakukan dulu proses normalisasi. Untuk menghitungnya digunakan persamaan 2.24, sehingga mendapatkan harga
data dari range 0-1 yang bertujuan agar perhitungan dalam komputer dapat lebih cepat dikarenakan nilai dari data input tidak terlalu besar. Sehingga berdasarkan
data tersebut digunakan fungsi aktivasi binary sigmoid.
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
3.2 Perancangan Jaringan Syaraf Tiruan
Kategori