Analisis Perbandingan Performansi Denoising Sinyal Ekg Menggunakan Metode Empirical Mode Decomposition Dan Adaptive Filter

Abstract

Abstrak Elektrokardiogram (EKG) adalah suatu sinyal yang dihasilkan dari aktifitas listrik otot jantung. Sinyal EKG memiliki informasi yang menggambarkan kondisi dari kesehatan jantung.Pengukuran menggunakan EKG dapat mendeteksi secara dini gejala penyakit jantung.Namun, hasil pengukuran menggunakan EKG sering dipengaruhi oleh gangguan noise dan tidak dapat dihilangkan dengan metode filter yang sederhana. Dalam ujicoba denoising pada tugas akhir ini, penulis menggunakan suatu perbandingan metode antara adaptive filter dan empirical mode decomposition (EMD), dan serial kedua metode tersebut. Pengujian dilakukan menggunakan matlab, dataset sinyal EKG dan beberapa noise di ambil dari database MIT-BIH arrhythmia dengan besar SNR input 30 dB yang akan ditambahkan pada sinyal EKG. Dimana adaptive filter menggunakan metode KALMAN, Least Mean Square (LMS), dan Recursive Least Square (RLS). Sedangkan noisy sinyal yang di filter menggunakan EMD didapatkan hasil terbaik pada iterasi ke-4, karena jika diteruskan ke iterasi selanjutnya output dari hasil denoised sinyal akan menjadi datar. Ujicoba dilakukan dengan memberikan 4 noise yang berbeda yaitu Additive White Gaussian Noise (AWGN), BASELINE WANDER (BWN), ELEKTRODE MOTION ARTIFAC (EMN) dan MUSCLE ARTIFAC (MAN) untuk masing masing metode EMD dan adaptive filter. Berdasarkan hasil pengujian, denoising terbaik yang dilakukan oleh metode Empirical Metode Decomposition untuk Additive White Gaussian Noise (AWGN) adalah dengan nilai MSE = 0,0015 dan SNR = 25,1578 . Sedangkan untuk denoising terbaik yang dilakukan oleh metode Adaptive Filter untuk Additive White Gaussian Noise ( AWGN ) adalah dengan metode LMS dengan nilai MSE = 0,000275 dan SNR = 31,591166. Jika dibandingkan dari data diatas maka metode terbaik ditunjukkan oleh metode adaptive filter. Kata kunci: Elektrokardiogram (EKG), Denoising, Empirical Mode Decomposition, Adaptive Filter. Abstract Electrocardiogram (ECG) is a disease that results from the electrical activity of the heart muscle. ECG signals have unique information on cardiovascular health. Measurements using an ECG may inhibit cardiac symptoms. However, measurement results using an ECG are often characterized by noise interference and can not be removed by simple filter methods. In the denoising test in this final project, the authors used the method between adaptive filter and empirical mode of decomposition (EMD), and serial II method. The test was performed using matlab, the ECG signal dataset and some noise was taken from the MIT-BIH arrhythmia database with a 30 dB SNR input to be added to the ECG signal. Where adaptive filters use KALMAN, Least Mean Square (LMS), and Recursive Least Square (RLS) methods. While the noisy signal in the filter using EMD obtained the best results to-4, because if it is forwarded to the next iteration the output of the denoised result will be a flat signal. The test is done by giving 4 different noise that is Additive White Gauss Noise (AWGN), BASELINE WANDER (BWN), MOTION ARTIFAC (EMN) and MUSCLE ARTIFAC (MAN) for each EMD method and adaptive filter. Based on the test results, the best denoising performed by the Empirical Decomposition method for White Gaussian Noise Additive (AWGN) is with the value of MSE = 0.0015 and SNR = 25.1578. As for best denoising done by Adaptive Filter method for Additive White Gaussian Noise (AWGN) is by LMS method with value of MSE = 0.000275 and SNR = 31,591166. If compared from the above data then you can use adaptive filter method. Key words: Electrocardiogram (ECG), Empirical Mode Decomposition, Adaptive filters.