Hasil Pencarian  ::  Simpan CSV :: Kembali

Hasil Pencarian

Ditemukan 16247 dokumen yang sesuai dengan query
cover
Halomoan, Junartho
"High mortality in Indonesia, caused by acute coronary syndrome, has reached 26 %. In 10 years, National housing health survey or Survei Kesehatan Rumah Tangga Nasional ( SKRTN), under health departement of Republic of Indonesia, stated mortality which is caused by acute coronary syndrome has increased enourmously. It can be avoided by doing early acute coronary syndrome detection like ECG recording. Anyway, some those patients rarely do ECG recording because of expenses and time. By using Blutooth feature on PDA (Personal Digital Assistant) or a Bluetooth dongle on computer, a Telecardiology can be done anywhere and anytime so that coronary syndrome can be detected earlier by medics. Telecardiology research used a microcontroler, a computer and a PDA to record ECG signals. ECG recording is taken in real-time then stored in computer or PDA data base. To detec QRS waves in ECG signals, PanTompkins were used."
[Place of publication not identified]: Jurnal Penelitian dan Pengembangan Telekomunikasi, 2009
620 JURTEL 14:2 (2009)
Artikel Jurnal  Universitas Indonesia Library
cover
Firda Fauziah
"Elektrokardiogram (EKG) diketahui sebagai salah satu instrumen medis yang banyak digunakan sebagai alat diagnostik. Interpretasi dari sinyal EKG yang didapatkan akan membantu klinisi dalam memonitor kesehatan jantung pasien serta mendiagnosis kondisi-kondisi jantung tertentu yang dapat dilihat dari abnormalitas sinyal jantung yang terekam. Melalui penulisan ini, digagas sebuah inovasi EKG Lead Tunggal yang bersifat portable karena memanfaatkan pengiriman data serial sinyal EKG melalui koneksi Bluetooth ke perangkat laptop. Mikrokontroler ESP32-WROOM-32D dan modul detak jantung AD8232 digunakan dalam merancang purwarupa EKG Lead Tunggal ini. Hasil rangkaian keduanya kemudian diuji untuk melihat ketepatannya dalam mendeteksi sinyal jantung yang dihasilkan oleh simulator EKG SKX-2000+ untuk 7 komponen gelombang, yakni QRS Interval, QT/QTcB Interval, PR Interval, P Interval, R Amplitude, RR Interval, dan PP Interval. Dari 4 nilai delay yang digunakan dalam pengambilan data, yakni 2 ms, 20 ms, 25 ms, dan 30 ms, didapatkan bahwa delay 25 ms mampu memberikan hasil rata-rata error mutlak yang dapat diterima menurut standar LIPI ketika dibandingkan dengan nilai referensi manufaktur simulator untuk komponen QT/QTcB Interval, R Amplitude, RR Interval, dan PP Interval karena memiliki nilai error di bawah 5% dengan nilai persebaran data yang lebih kecil.

Electrocardiogram (ECG) is known as a medical instrument that is widely used as a diagnostic tool. Interpretation of the ECG signal obtained will assist the clinician in monitoring the patient's heart health and diagnosing certain heart conditions which can be seen from the abnormal heart signal recorded. Through this writing, a single lead ECG innovation was initiated which is portable because it utilizes sending ECG signal serial data via a Bluetooth connection to a laptop device. The ESP32-WROOM-32D microcontroller and the AD8232 heart rate module were used in designing this Single Lead ECG prototype. The results of both sets were then tested to see their accuracy in detecting heart signals generated by the SKX-2000+ ECG simulator for 7 wave components, namely the QRS Interval, QT/QTcB Interval, PR Interval, P Interval, R Amplitude, RR Interval, and PP Interval. Of the 4 delay values ​​used in data retrieval, which were 2 ms, 20 ms, 25 ms, and 30 ms, it was found that the 25 ms delay was able to provide acceptable average absolute error results according to LIPI standard when compared with the simulator manufacturing reference values ​​for the QT/QTcB Interval, R Amplitude, RR Interval, and PP Interval components because has an error value below 5% with a smaller data distribution value."
Depok: Fakultas Teknik Universitas Indonesia, 2023
S-pdf
UI - Skripsi Membership  Universitas Indonesia Library
cover
Siadari, Franki
"Telah dibuat sistem pemantauan aktivitas jantung dan fisik manusia dengan menggunakan elektrokardiograf tiga lead dan sebuah sensor akselerometer 3-sumbu MMA7260Q yang diaplikasikan sebagai sistem perhitungan konsumsi energi dan pemantau kecepatan gerak. Dengan menggunakan sensor elektrode penulis merekam biopotensial yang dihasilkan oleh otot-otot jantung kemudian mengakuisisi data ini dengan menggunakan rangkaian elektrokardiograf dimana didalamnya terdapat penguat bertahap sebesar 4 kali, 101 kali, dan 5 kali. Untuk menghilangkan noise dirancang pula filter 0,5-100 Hz. Pada keluaran sinyal dari akselerometer dilakukan filter high-pass 0,5 Hz, sehingga elektrokardiograf mampu membaca aktivitas jantung kemudian data analog aktivitas jantung didigitasi menggunakan ADC mikrokontroler 128l, demikian juga data percepatan tubuh manusia mengalami proses digitasi menggunakan ADC mikrokontroler. Kedua data ini disimpan ke dalam sebuah kartu memori. Data aktivitas jantung dan percepatan tubuh manusia kemudian diolah secara digital menggunakan program LabVIEW8.5. Penganalisaan data elektrokardiograf dilakukan dengan tujuan mendapatkan pola perbandingan tetap antara luasan, amplitudo, dan periode sinyal P Q R S dan T. Sedangkan pengolahan data percepatan langkah tubuh digunakan untuk menghitung konsumsi energi dan kecepatan gerak tubuh manusia. Perubahan pola sinyal elektrokardiograf dibandingkan dengan perhitungan konsumsi energi dan kecepatan aktivitas tubuh manusia. Sehingga didapatkan sebuah hubungan antara sinyal P Q R S dan T dengan konsumsi energi dan kecepatan aktivitas tubuh manusia.

Monitoring system of heart activity and human physical have made using electrocardiograph three leads and an accelerometer censor 3-axis MMA7260Q which is applied as calculation system of energy consumption and monitoring moving acceleration. Using electrode censor, the writer recorded biopotential which resulted from heart muscle and then process data using electrocardiograph series which have stronger in stage 4x, 101x, and 5x. To reduce the noise, filter 0,5-100 Hz was designed. In output signal from accelerometer, filter high-pass 0,5 Hz installed that electrocardiograph be able reading heart activity and then the data analog of heart activity digitized using ADC microcontroller 128l, and so did the data acceleration of human body. Both of these data saved in a memory card. The data of heart activity and human body acceleration processed digitally using LabVIEW8.5 program. Analyzing electrocardiograph data was done in goal to find a ratio for area, amplitude, and signal period of P Q R S and T. Processing data of body step acceleration used for counting energy consumption and moving velocity of human body. Alteration of electrocardiograph signal was compared with result of calculation from energy consumption and velocity of human activity. So, writer got a correlation in P Q R S and T signal with energy consumption and velocity of human activity."
Depok: Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Indonesia, 2010
S29448
UI - Skripsi Open  Universitas Indonesia Library
cover
"Pada skripsi ini, akan dibahas alat detektor denyut nadi pada jari menggunakan optokopler. Dimana denyut nadi merupakan refleksi dari detak jantung manusia. Sehingga secara tidak langsimg alat detektor denyut nadi ini akan menggambarkan sinyal detak jantung manusia. Alat detektor denyut nadi pada jari menggunakan optokopler ini merupakan altematif dari electrocardiograph. Hal ini disebabkan karena harga untuk pembuatan alat ini jauh lebih murah, penggunaannya relatif mudah, meskipun memiliki banyak keterbatasan. Pembahasan skripsi ini mengenai rangkaian alat detektor denyut nadi pada jari menggunakan optokopler, program Matlab untuk mengolah sinyal, dan menganalisa hasil sinyal yang telah diolah. Dimana program yang dipakai untuk mengolah sinyal adalah Matlab 6.5."
Fakultas Teknik Universitas Indonesia, 2006
S40264
UI - Skripsi Membership  Universitas Indonesia Library
cover
Putra Rizki
"Latar Belakang. Elektrokardiogram (EKG) merupakan salah satu alat yang direkomendasikan pada pemeriksaan prepartisipasi atlet. Penggunaan kriteria EKG khusus pada atlet, dapat menurunkan angka rujukan selama pemeriksaan prepartisipasi atlet. Metode. Penelitian ini bersifat observasional dengan desain potong lintang pada 243 atlet PPOP DKI Jakarta yang tersebar pada 17 cabang olahraga. Atlet yang memenuhi kriteria inklusi dilakukan pemeriksaan EKG istirahat, hasil rekaman EKG dibaca oleh dua spesialis jantung secara terpisah. Hasil pembacaan EKG dikelompokkan berdasarkan kriteria populasi umum dan kriteria khusus atlet yaitu Kriteria Internasional. Kemudian dianalisis perbedaan hasil abnormalitas dari masing-masing kriteria. Hasil. Atlet PPOP DKI Jakarta terdiri dari 57,2% laki-laki, berusia 15,5±1,36 tahun. Terdapat perbedaan nilai proporsi abnormalitas EKG atlet berdasarkan kriteria populasi umum dengan Kriteria Internasional, dimana 98,6% EKG abnormal dengan kriteria populasi umum dianggap normal dengan Kriteria Internasional (p<0,0001). Remodeling jantung yang tergambar melalui EKG lebih banyak ditemukan pada atlet laki-laki, ≤15 tahun, lama berlatih ≤5 tahun dan kelompok olahraga moderate to high dynamic demands. Kesimpulan. Sebagian besar abnormalitas EKG berdasarkan kriteria populasi umum dianggap sebagai remodeling berdasarkan Kriteria Internasional. Remodeling terjadi karena proses adaptasi jantung terhadap latihan intensif yang dilakukan oleh atlet. Penggunaan Kriteria Internasional diharapkan dapat menurunkan angka rujukan akibat kesalahan interpretasi EKG pada atlet.

Background. Electrocardiogram (ECG) is one of the recommended tools for athlete’s pre-participation examination. Using specific ECG criteria for athletes can reduce the number of referrals during the athlete's pre-participation examination. Method. This study was a cross-sectional design in 243 DKI Jakarta PPOP athletes who spread across 17 sports. Athletes who accept the inclusion criteria are given a rest ECG examination, the results of the ECG record are read by two cardiologists independently. ECG results are grouped based on general population criteria and athlete specific criteria, International Criteria. Then analyzed the differences of the abnormalities each criteria. Results. PPOP DKI Jakarta athletes consisted of 57.2% of men, age 15.5 ± 1.36 years. There are differences in abnormalities ECG proportion, between general population criteria and International Criteria, where 98.6% of abnormal ECGs with general population criteria are considered normal with International Criteria (p <0.0001). Remodeling is more commonly found in male athletes, ≤15 years old, ≤5 years old and moderate to high dynamic sports groups. Conclusion. Most ECG abnormalities based on general population criteria are considered remodeling based on International Criteria. Remodeling happens because of the adaptation process of the heart to intensive exercise by athletes. The use of International Criteria is expected to reduce the reference rate due to misinterpretation of ECG in athletes."
Jakarta: Fakultas Kedokteran Universitas Indonesia, 2019
SP-pdf
UI - Tugas Akhir  Universitas Indonesia Library
cover
William Jerrel Iskandar
"Data WHO menyebutkan bahwa 37% kematian di Indonesia disebabkan oleh penyakit jantung. Di Indonesia alat pendeteksi kerja jantung atau biasa dikenal electrocardiogram (ECG) hanya dimiliki beberapa rumah sakit besar. Padahal dengan hanya mengetahui 3 titik pengukuran dapat diketahui secara garis besar kondisi jantung. Dengan adanya microcontroller Arduino, kita dapat membuat ECG portable sederhana yang dapat mendeteksi kondisi jantung. Sensor AD8232 sebagai device utama yang membaca detak jantung dari pengolahan tegangan yang diterima electrode atau lead yang terpasang di badan. Dengan mengkombinasikan Arduino-Uno serta device HC-05 FC-114 sebagai pemancar bluetooth, penyajian tampilan ECG dapat dilihat pada monitor handphone secara real-time. Alat simulator ECG digunakan sebagai pemicu kinerja jantung untuk ujicoba performa ECG portable. Dari hasil tes, baik simulator dan ujicoba langsung ke manusia, ECG dapat disajikan pada monitor smartphone dengan bantuan bluetooth module dengan hasil yang menggambarkan kondisi sebenarnya.
"
Depok: Fakultas Teknik Universitas Indonesia, 2019
S-pdf
UI - Skripsi Membership  Universitas Indonesia Library
cover
Elly Matulimah
"Pengenalan pola beat dalam analisa rekaman elektrokardiogram (EKG) menjadi bagian yang penting dalam deteksi penyakit jantung terutama aritmia. Banyak metode yang dikembangkan terkait dengan pengenalan pola beat, namun sebagian besar masih mengunakan algoritma klasifikasi klasik di mana masih belum mampu mengenali outlier klasifikasi. Fuzzy Learning Vector Quantization (FLVQ) merupakan salah satu algoritma yang mampu untuk mengenali outlier klasifikasi tetapi juga memiliki kelemahan untuk sistem uji yang bukan data berkelompok. Dalam tulisan ini peneliti mengusulkan Fuzzy Wavelet LearningVector Quantization (FWLVQ), yaitu modifikasi FLVQ sehingga mampu mengatasi data crisp maupun data fuzzy dan juga memodifikasi inferensi sistemnya sebagai perpaduan model fuzzy Takagi Sugeno Kang dengan wavelet. Sinyal EKG diperoleh dari database MIT-BIH. Sistem pengenalan pola beat secara keseluruhan terbagi atas dua bagian yaitu data pra proses dan klasifikasi. Hasil percobaan diperoleh bahwa FWLVQ memiliki akurasi sebesar 90.20% untuk data yang tidak mengandung outlier klasifikasi dan 87.19% untuk data yang melibatkan outlier klasifikasi dengan rasio data uji outlier klasifikasi dengan data non-outlier sebesar 1:1.

Abstract
The recognition of beat pattern in analysis of recording an electrocardiogram (ECG) becomes an important detection of heart disease, especially arrhythmias. Many methods are developed related to the recognition of beat patterns, but most still use the classical classification algorithms which are still not able to identify outlier classification. Fuzzy Learning Vector Quantization (FLVQ) is one of the algorithms that can identify outlier classification but also has a weakness for test systems that are not grouped data. In this paper we propose a Fuzzy Wavelet Quantization Learning Vector (FWLVQ), which is modified so as to overcome FLVQ crisp data and fuzzy data and also modify the inference system as a combination of Takagi Sugeno Kang fuzzy model with the wavelet. ECG signal obtained from the MIT-BIH database. Beat pattern recognition system as a whole is divided into two parts: data pre-processing and classification. The experimental results obtained that FWLVQ has an accuracy 90.20% for data that does not contain outlier classification and 87.19% for the classification of data involving outlier ratio outlier test data classification with non-outlier data of 1:1."
Surabaya: Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Negeri Surabaya, 2011
AJ-Pdf
Artikel Jurnal  Universitas Indonesia Library
cover
Eko Ihsanto
"Terkait klasifikasi detak elektrokardiogram (EKG), telah dikembangkan banyak algoritma, baik yang terkait dengan biomedik, maupun biometrik. Karena sifat non-stasioner dari sinyal EKG, agak sulit untuk menggunakan metode tradisional yang dioptimasi secara manual, misalnya ekstraksi fitur dan klasifikasi yang berbasis waktu. Hal ini membuka peluang untuk implementasi mesin cerdas. 
Penelitian ini menyajikan metode baru, yaitu Residual Depthwise Separable Convolutional Neural Network (RDS-CNN) untuk klasifikasi detak elektrokardiogram, baik yang terkait dengan biomedik, maupun biometrik. Dengan menggunakan metode ini, hanya diperlukan dua tahap proses saja, yaitu deteksi detak dan klasifikasi. Pemrosesan awal dilakukan bersamaan dengan deteksi detak, sedangkan ekstraksi fitur dilakukan sekaligus dengan klasifikasi. Selain itu, untuk meminimalkan beban komputasi dan tetap menjaga kualitas klasifikasi, beberapa teknik telah diterapkan, antara lain Residual Network, All Convolutional Network (ACN), Depthwise Separable Convolution (DSC), dan Batch Normalization (BN). Kinerja RDS-CNN ini telah dievaluasi menggunakan database aritmia Massachusetts Institute of Technology - Beth Israel Hospital (MIT-BIH) dan database ECG-ID. 
Untuk implementasi biomedik, dalam fase pelatihan model Depthwise Separable CNN ini, digunakan sekitar 22% dari 110.057 detak yang diekstraksi dari 48 file dalam database MIT-BIH. Dengan hanya menggunakan 22% data latih ini, algoritma yang kami usulkan dapat mengklasifikasi 78% detak lainnya menjadi 16 kelas. Adapun, sensitifitas, spesifisitas, prediksi positif dan akurasi masing-masing adalah 99,03%, 99,94%, 99,03%, dan 99,88%. Hasil klasifikasi biomedik ini menunjukkan bahwa metode yang disajikan ini mengungguli metode terdepan lainnya. 
Sedangkan untuk implementasi biometrik, model RDS-CNN telah terbukti dapat digunakan untuk otentifikasi identitas EKG (ID) 90 orang sehat dan 48 pasien dengan akurasi hingga 100%, melalui klasifikasi 8 detak otentifikasi untuk ID 90 orang sehat, dan 6 detak otentifikasi untuk ID 48 pasien. Hasil otentifikasi biometrik ini juga mengungguli metode terdepan lainnya yang menggunakan database yang sama.

Regarding the classification of electrocardiogram (ECG) beats, many algorithms have been developed, both related to biomedical, and biometrics. Due to the non-stationary nature of ECG signals, it is complicated to use traditional methods that are manually optimized, for example, time-based feature extraction and classification. This computation problem opens up opportunities for machine learning implementation.
This research proposes a new method, namely Residual Depthwise Separable Convolutional Neural Network (RDS-CNN) for the classification of ECG beats, both related to biomedical, and biometrics. By using this method, only two stages of the process are needed, namely beat detection and classification. Preprocessing is done simultaneously within beat detection, while feature extraction is done simultaneously within the classification stage. Also, to minimize computational cost and to maintain classification quality, several techniques have been applied, including Residual Networks, All Convolutional Networks (ACN), Depthwise Separable Convolution (DSC), and Batch Normalization (BN). The performance of the RDS-CNN has been evaluated using the Massachusetts Institute of Technology - Beth Israel Hospital (MIT-BIH) arrhythmia database and the ECG-ID database.
For biomedical implementation, 110,057 beats were extracted from 48 files in the MIT-BIH database. And approximately 22% of them used for latih the Depthwise Separable CNN model. With only 22% of this latih data, our algorithm can classify 78% of the rest ECG beats into 16 classes. Meanwhile, sensitivity, specificity, positive prediction, and accuracy are 99.03%, 99.94%, 99.03%, and 99.88%, respectively. The results of this biomedical classification show that this proposed method outperforms the other state-of-the-art methods.
As for the biometric implementation, the RDS-CNN model has been proven to be able to authenticate ECG ID of 90 healthy people and 48 patients with up to 100% accuracy, through the classification of eight authentication beats for ID 90 healthy people, and six authentication beats for ID 48 patient. The results of this biometric authentication also outperform other state-of-the-art methods that use the same database.
"
Depok: Fakultas Teknik Universitas Indonesia, 2020
D-Pdf
UI - Disertasi Membership  Universitas Indonesia Library
cover
Cohn, Elizabeth Gross
Philadelpia : W.B. Saunders, 2002
616.120 754 7 COH f
Buku Teks SO  Universitas Indonesia Library
cover
Pennsylvania: Springhouse, 2002
616.120 754 ECG
Buku Teks SO  Universitas Indonesia Library
<<   1 2 3 4 5 6 7 8 9 10   >>