OPTIMASI METODE DEKOMPOSISI PAKET WAVELET MENGGUNAKAN ALGORITMA GENETIKA PADA EKSTRAKSI FETAL ELECTROCARDIOGRAM

(1)

Kiki Sutantri¹, Warih Maharani², Achmad Rizal³

¹Teknik Informatika, Fakultas Teknik Informatika, Universitas Telkom

Abstrak

Pada masa kehamilan pentingnya mengetahui perkembangan dan kondisi jantung dari janin.

Fetal Electrocardiogram (FECG) merupakan sinyal perekaman jantung pada ibu hamil. Dengan FECG dapat diketahui informasi mengenai kondisi kesehatan janin selama masa kehamilan. Fetal ECG dapat diketahui dengan cara merekam dan mengukur sinyal-sinyal elektrik yang dihasilkan oleh jantung fetal (janin) yang proses perekamannya dilakukan pada permukaan perut sang ibu.

Namun, dalam perekamannya muncul noise yang sangat mengganggu fetal ECG, sehingga akan mempersulit diagnosa. Untuk mendapatkan FECG murni diperlukan mekanisme menghilangkan noise saat perekaman, di mana Maternal ECG dianggap salah satu noise dan paling berpengaruh.

Salah satu metode yang digunakan untuk mengekstraksi FECG adalah dekomposisi paket wavelet.

Karena pemilihan subband pada metode masih dilakukan secara manual maka akan digunakan algoritma genetika agar pemilihan subband menjadi adaptif. Parameter yang dipakai untuk mengamati kualitas hasil ekstraksi adalah Mean Square Error (MSE).

Pada sinyal ECG berorientasi atas diperoleh MSE terbaik pada level 4, ukuran populasi 50, probabilitas pindah silang 0.8, probabilitas mutasi 0.03. Sedangkan pada sinyal ECG berorientasi bawah diperoleh MSE terbaik pada level 4 dan 5, ukuran populasi 20 dan 50, probalilitas pindah silang 0.5 dan 0.8, dan probabilitas mutasi 0.03.

Kata Kunci : algoritma genetika, dekomposisi paket wavelet, electrocardiogram (ECG), fetal electrocardigam (FECG).

Abstract

Knowing the development and condition of fetus heart on pregnancy period is very importance.

Fetal Electrocardiogram (FECG) is heart recording signal for pregnant mother. Information about fetus health condition can be obtained by FECG. Fetal ECG knowable by recording electric signals produced by fetus heart on mother stomach surface, and measuring the signals. In the recording process emerge any noises that very disturbing the fetal ECG, so will be difficult to diagnose. For getting pure fetal ECG signal, needed any mechanisms to remove the noises during the recording process, where Maternal ECG is one of the most influential noise.

One of the methods to extract FECG is wavelet packet decomposition. The subband election on the method still manually, so genetics algorithm will be used for adaptively subband election.

Parameter which used for monitoring extraction result quality is Mean Square Error (MSE).

Up orientation ECG signal has best MSE at 4th level, population size on 50, crossover probability on 0.8, and mutation probability on 0.03. While in down orientation ECG signal, best MSE achieved at 4th and 5th level, population size on 20 and 50, crossover probability on 0.5 and 0.8, and mutation probability on 0.03.

Keywords : genetics algorithm, wavelet packet decomposition, electrocardiogram (ECG), fetal electrocardiogram (FECG).

Powered by TCPDF (www.tcpdf.org)

Fakultas Teknik Informatika Program Studi S1 Teknik Informatika

(2)

1. Pendahuluan

1.1 Latar belakang

Pada masa kehamilan kondisi kesehatan janin dapat didiagnosis dengan berbagai cara oleh seorang dokter dengan alat-alat yang mereka miliki. Pentingnya mengetahui kondisi kesehatan janin pada masa kehamilan akan mempermudah mendeteksi keganjilan-keganjilan yang ada pada janin sehingga dapat diantisipasi lebih awal dan keselamatan bayi pada proses kelahirannya juga terjamin. Salah satu yang paling penting untuk diketahui pada masa perkembangan janin adalah perkembangan dari jantung janin itu sendiri. Dengan peralatan kedokteran yang sudah semakin canggih maka ada sebuah alat yang dapat merekam denyut jantung bayi. Alat ini disebut dengan ECG (Electrocardiogram).

ECG merupakan peralatan standar kedokteran yang digunakan oleh seorang dokter untuk memperkirakan detail aktifitas kelistrikan jantung dari anak-anak, bayi, dan janin [6]. Fetal ECG (FECG) merupakan bagian penting yang digunakan untuk mengindikasi kondisi kesehatan dari Fetus (janin) [8]. FECG ini dapat dilihat pada abdominal ECG. Abdominal ECG adalah sinyal ECG yang direkam di daerah perut ibu hamil. Akan tetapi pada abdominal ECG dokter tidak dapat melihat FECG secara murni karena sinyal ini bercampur dengan sinyal jantung ibu[6]. Untuk kedepannya maka sinyal-sinyal inilah yang dianggap noise. Untuk mendapat FECG maka harus dilakukan ekstraksi FECG dari abdominal ECG. Ini adalah permasalahan yang ada dibidang biomedical, menarik dan tidak mudah untuk dilakukan [1].

Ekstraksi FECG pada abdominal ECG sudah banyak diteliti dengan metode yang bervariasi pula. Salah satunya adalah dengan dekomposisi paket wavelet. Wavelet digunakan untuk menganalisis sinyal pada domain waktu dan frekuensi [1][4][8].

Wavelet digunakan pada pencitraan biomedical. Contohnya sinyal ECG yang diukur dari jantung dan dianalisa menggunakan wavelet atau dikompresi untuk penyimpanan [5]. Pada wavelet terdapat berbagai macam wavelet transform antara lain Biorthogonal, Coiflet, Harr, Symmlet, dan Daubechies. Untuk wavelet akan menggunakan Daubechies Wavelet Transform karena bentuknya sama atau mendekati bentuk sinyal jantung [4]. Akan tetapi untuk mendapat hasil yang lebih baik lagi maka pada wavelet akan di kombinasikan dengan metode Genetic Algorithm. GA tidak lain dari metode optimasi probabilitas yang berdasarkan pada prinsip evolusi [2]. Diharapkan dengan digunakannya GA untuk optimalisasi hasil dari dekomposisi paket wavelet maka hasil yang didapatkan lebih mendekatinya referensi, dalam arti sinyal ekstraksi yang dihasilkan lebih baik dari wavelet tanpa GA.

Kelemahan ekstraksi hanya menggunakan metode dekomposis paket wavelet adalah proses treshold subband yang dilakukannya manual. Sedangkan apabila digabung dengan menggunakan metode algoritma genetika pada proses pemilihan subbang yang akan threshold akan adaptive, sehingga akan diperoleh hasil yang lebih mendekati sinyal referensinya.

1

(3)

Permasalahan yang dihadapi pada tugas akhir ini antara lain :

1. Bagaimana mengimplementasikan ekstraksi FECG dengan menggunakan metode wavelet dan GA

2. Bagaimana menguji sistem dan menganalisa keluaran dari sistem dengan MSE terhadap level dekomposisi, dan parameter GA.

3. Bagaimana membandingkan hasil ekstraksi antara sistem yang menggunakan metode wavelet tanpa GA dengan metode wavelet dengan GA dan sebagai parameter pembanding adalah MSE.

Adapun batasan masalah dari TA ini antara lain:

1. Tidak membuat alat perekam ECG

2. Data yang dianalisis adalah data sekunder, yang artinya data didapat dari proses lain seperti perekaman ECG

3. Sinyal abdominal Electrocardigram (ECG) didapatkan dari internet yang merupakan kontribusi dari Lieven De Lathauwer sebanyak 8 sinyal (data sekunder atau hasil dari proses lain). Lima sinyal merupakan abdominal ECG dan tiga sinyal merupakan Torax ECG

4. Tidak menganalisis penyakit yang diderita janin dari FECG 5. Hanya mengekstrak FECG dari abdominal ECG

6. Asumsi pengguna sudah mengetahui ECG yang berorientasi atas dan bawah

1.3 Tujuan

Penyusunan tugas akhir ini bertujuan untuk:

1. Mengimplementasikan metode dekomposisi paket wavelet yang dikombinasikan dengan GA dan tanpa GA.

2. Menguji sistem dan menganalisa keluaran sistem dengan MSE terhadap level dekomposisi dan parameter GA.

3. Membandingkan hasil ekstraksi dengan metode dekomposisi paket wavelet dan GA dengan dekomposisi paket wavelet tanpa GA dan sebagai parameter pembanding adalah MSE.

1.4 Metodologi penyelesaian masalah

Tahap-tahap yang akan dilakukan untuk menyelesaikan masalah ini antara lain:

1. Study literatur

Mencari dan mempelajari jurnal, artikel dan buku yang berhubungan dengan topik TA yang diambil.

2

(4)

2. Pengumpulan data

Mengumpulkan data-data yang diperlukan untuk menyelesaikan TA. Data yang akan dikumpulkan adalah berupa data ECG. Data dibagi yaitu data tes dan data referensi yang akan menjadi acuan.

3. Pemahaman algoritma dari metode yang digunakan Mempelajari algoritma untuk pembangunan model sistem 4. Pembangunan model sistem

5. Implementasi sistem 6. Analisis

Membandingkan hasil sinyal antara metode dekomposisi paket wavelet kombinasi GA dengan dekomposisi paket wavelet tanpa GA menggunakan parameter MSE. Mencari parameter terbaik untuk level dekomposisi dan parameter GA.

7. Kesimpulan

Menarik kesimpulan dari hasil analisa.

3

(5)

5. Kesimpulan dan Saran 5.1

Kesimpulan

Dari hasil percobaan yang dilakukan diperoleh kesimpulan sebagai berikut:

1. Algoritma genetika dapat digunakan bersama metode dekomposisi paket wavelet untuk mengekstraksi FECG.

2. Berdasarkan pada percobaan sinyal ECG berorientasi atas nilai parameter terbaik yang diperoleh untuk setiap pasangan adalah sama, sedangkan pada percobaan sinyal ECG berorientasi bawah nilai parameter terbaik yang diperoleh untuk setiap pasangan adalah tidak sama. Akan tetapi level 4 dekomposisi paket wavelet menghasilkan nilai MSE terbaik dari pada level 5.

3. Hasil ekstraksi yang tidak menghasilkan FECG walaupun nilai MSE-nya kecil terjadi karena pasangan torax dan abdominal tidak tepat atau bersesuaian.

4. Dengan menggunakan GA hasil ekstraksi nilai MSE yang diperoleh adalah MSE terbaik dari parameter yang dimasukkan pengguna, sedangkan jika hanya menggunakan dekomposisi paket wavelet saja pengguna harus mengetahui subband mana saja yang harus dithreshold untuk mendapatkan hasil ekstraksi dengan nilai MSE terbaik.

5. Kekurangan dengan GA adalah proses ekstraksi menjadi lebih lama.

5.2

Saran

Dari kesimpulan diatas maka masih perlu perbaikan lagi dalam melakukan ekstraksi FECG. Saran yang diberikan oleh penulis antara lain :

1. Gunakan metode GA yang parallel sehingga proses ekstraksi menjadi lebih cepat.

37

(6)

Daftar Pustaka

[1] Azancot A, Sibony O. 2003. Fetal Electrocardiogram Extraction Based on Non-Stationary ICA and Wavelet Denoising. Hˆopital Robert Debr´e, Gyn.Obs.- Exp.Fonc., 48 Bd. Serrurier, 75019 Paris, France.

[2] Bodenhofer Ulrich. 2003. Genetic Algorithm: Theory and Aplication, Third edition. Fuzzy logic laboratorium Linz-Hagenberg.

[3] Dali Y, Mingxing X, Wenhu W, Fang Z. A Noise Cancellation Method Based on Wavelet Tranform. Center of Speech Technology, State Key Laboratory of Intelligent Technology and Systems, Department of Computer Science &

Technology, Tsinghua University, Beijing.

[4] Hassanpour H dan Parsei A. 2006. Fetal ECG Extraction Using Wavelet Transform. International Conference on Intelligent Agents, IEEE.

[5] http://www.google.co.id/DWT.htm. Discrete Wavelet Transform. Didownload pada 17 Desember 2007.

[6] http://www.google.co.id/Non-invansive fetal ECG.htm. Non-invansive Fetal ECG. Didownload pada 16 Desember 2007.

[7] Martens S.M.M, Bergman J.W.M, Oei S.G. Signal Processing In Non- invansive Fetal Electrocardiography. Research biomedical engineering, Eindhoven University of Technology, Maxima Medish Centrum, Veldhoven.

[8] Mochimaru F, Fujimoto Y. 2002.Detecting the Fetal Electrocardiogram by Wavelet Theory-Based Methods. Department of Obstetrics and Gynecology, Hiratsuka City Hospital, Hiratsuka City, Japan.

[9] Partridge Derek. 1998. Artificial Intelligent and Software Engineering- Understanding The Promise of The Future. AMACOM. USA.

[10] Sakawa Masathosi. 2002. Genetic Algorithm and Fuzzy Multiobjecttive Optimation, Kluwer Academia Publisher, London.

[11] Suyanto. 2002. Diktat Kuliah Aplikasi Kecerdasan Buatan. Jurusan Teknik Informatika STTTelkom. Bandung.

[12] Suyanto. 2005. Algoritma Genetika dalam Matlab. Penerbit Andi Yogyakarta.

Yogyakarta.

38