Deteksi Kelainan Jantung Aritmia Menggunakan Heart Rate Variabilty Analysis dan Support Vector Machine

Aritmia adalah gangguan yang terjadi pada irama jantung. Penderita aritmia bisa merasakan irama jantungnya terlalu cepat, terlalu lambat, atau tidak teratur. Ada beberapa jenis aritmia yang paling sering dijumpai, yaitu:

1. Atrial fibrilasi, yaitu kondisi ketika jantung berdetak lebih cepat dan tidak teratur.
2. AV blok, yaitu kondisi ketika jantung berdetak lebih lambat.
3. Supraventrikular takikardi, yaitu kondisi ketika denyut jantung terlalu cepat.
4. Ventrikel ekstra sistol, yaitu kondisi ketika ada denyutan lain di luar denyut
5. Ventrikel fibrilasi, yaitu kondisi ketika jantung hanya bergetar.

Apabila terjadi terus menerus atau berulang, aritmia bisa menandakan adanya masalah pada organ jantung. untuk itu tim kami telah menyelesaikan sebuah software pendeteksi aritmia berbasis matlab. 

Kelainan detak jantung ini dapat dideteksi secara dini dengan menggunakan sinyal EKG dalam bentuk ekstensi .wav. sinyal EKG ini selanjutnya dinormalisasi dengan membagi setiap amplitude dengan nilai maksimal bawaan sinyal. Sehingga sinyal hasil normalisasi akan berada pada kisaran -1 sampai dengan 1. sinyal hasil normalisasi akan terlebih dahulu melalui filter IIR (Infinite Impulse Response) orde 2 dan didekomposisi menggunakan wavelet daubechies (db6) dengan level dekomposisi sebesar 20. tujuan filter tersebut adalah untuk meminimalkan noise yang terdapat pada sinyal bawaan tanpa mengurangi informasi utamayang terdapat pada sinyal tersebut. sinyal hasil filterisasi diekstraksi menggunakan parameter HRV (Heart Rate Variability Analysis) untuk diambil parameter ekstraksinya berupa :

SDNN : merupakan nilai simpangan data terhadap nilai rata – ratanya atau biasa disebut dengan standar deviasi, data yang dimaksud disini adalah data interval antar gelombang atau dikenal interval RR.
RMSSD : merupakan akar kuadrat rata – rata dari penjumlahan selisih antar interval RR.
NN50 : jumlah counter selisih interval RR yang melebihi 50msec.
PNN50 : persentase counter terhadap jumlah interval RR (N).

keempat parameter tersebut digunakan sebagai dataset untuk keperluan training SVM. SVM sangat sesuai untuk aplikasi ini karena hanya membedakan 2 kelas saja antara normal dan aritmia. jumlah dataset yang digunakan pada software ini adalah 100 data dengan rincian 50 data .wav normal dan 50 data .wav aritmia. 100 data tersebut diekstraksi dan kemudian melalui proses labeling sebelum proses training dilakukan. hasil training menggunakan SVM kernel polynomial menunjukkan bahwa software ini mampu mengklasifikasikan kelainan detak jantung dengan akurasi mencapai 92%.