SISTEM DETEKSI KELAINAN JANTUNG BERDASARKAN ELEKTROKARDIOGRAF SECARA OTOMATIS

Authors

  • sintaria praptinasari politeknik negeri madiun
  • Mohammad Erik Echsony
  • Sulfan Bagus Setyawan
  • Aditya Danang Pawindyanto

Keywords:

Kelainan Jantung, Elektrokardiograf, Mikrokontroler, Metode Pan-Tompkins

Abstract

Di Indonesia angka pengidap stroke tiap tahunnya terus bertambah. Salah satu penyebab utamanya adalah gangguan irama jantung. Hal ini dikarenakan rendahnya kesadaran dan pemahaman masyarakat tentang mengenali irama jantungnya. Pada dunia medis gangguan irama jantung dapat dipanatau dengan menggunakan perangkat elektrokardiograf(EKG), namun dikarenakan alat tersebut masih membutuhkan dokter untuk menghitung interval dan heart rate pasien. Oleh karena itu, “Sistem Deteksi Kelainan Jantung Berdasarkan Elektrokardiograf Secara Otomatis” diusulkan untuk menanggulangi permasalahan yang ada. Alat Ini bekerja dengan menangkap sinyal jantung melalui elektroda, kemudian sinyal dikuatkan dan difilter pada rangkaian instrumentasi serta diproses pada mikrokontroler dan Delphi7 untuk memperoleh parameter yang dibutuhkan untuk mendiagnosis kelainan irama jantung menggunkan metode Pan-Tompkins. Metode Pan-Tompkins digunakan untuk mendeteksi segmen kompleks QRS. Dari Kompleks QRS terdiri parameter Heart rate, QRS width dan RR interval. Dari parameter tersebut sistem dapat mendiagnosis adanya kelainan pada jantung seperti kelainan Bradycardia dan tachycardia. Berdasarkan hasil pengujian dengan membandingkan alat EKG yang dibuat dengan Alat ECG tipe BTL-08 SD3 terdapat error sebesar 3%.

References

Benjamin EJ, Blaha MJ, Chiuve S. 2017. Heart Disease and Stroke Statistics: 2017 Update. https://www.acc.org/latest-in-cardiology/. Diakses pada tanggal 17 Oktober 2018.

Kementrian Kesehatan Republik Indonesia. 2017. Penyakit Jantung Penyebab Kematian Tertinggi, Kemenkes Ingatkan CERDIK. http://www.depkes.go.id/article/view/1707310 0005/. Diakses pada tanggal 17 Oktober 2018.

Wisnu Jatmiko. 2013. Teknik Biomedis: Teori dan Implementasi. Jakarta:Fakultas Ilmu Komputer Universitas Indonesia.

Dimitra Azariadi, Vasileios Tsoutsouras, Sotirios Xydis, Dimitrios Soudris. 2016. EKG Signal Analysis and Arrhythmia Detection on IoT wearable medical devices. Yunani:Institute of Communication and Computer Systems.

Wiranda. 2016. Sistem Monitoring Elektrokardiografi Berbasis Aplikasi Android Surabaya:Institut Teknologi Sepuluh Nopember.

Youlanda Fahmyantoro. 2017. Sistem Deteksi Jantung Normal dan Abnormal Berdasarkan Elektrokardiograf. Madiun:Politeknik Negeri Madiun

Published

2022-05-25