Hasil Pencarian  ::  Simpan CSV :: Kembali

Abstrak :
Tidur merupakan suatu kondisi istirahat alami yang dialami tubuh yang sangat penting bagi kesehatan. Dengan waktu tidur yang tercukupi maka kondisi tubuh akan selalu segar karena pada saat tidur tubuh kita melakukan regenerasi terhadap sel-sel tubuh yang telah rusak ataupun mati. Namun hal tersebut tidak akan tercapai apabila kualitas tidur tidak baik. Penelitian pengenai pengukuran kualitas tidur hingga kini masih dilakukan. Salah satunya adalah penelitian yang dilakukan tim peneliti dari Fakultas Ilmu Komputer, Universitas Indonesia. Pengukuran kualitas tidur dilakukan dengan melakukan pengenalan tahapan tidur berdasarkan sinyal Elektrokardiogram (EKG). Karakteristik data yang overlaping dan distribusi data yang menyebar masih mejadi permasalahan utama pada pengenalan tahapan tidur. Dalam penelitian ini, dikembangkan sebuah algoritma Adaptive Multi Codebook Fuzzy Neuro Generalize Learning Vector Quantizatio (AMFNGLVQ) untuk mengatasi data yang overlaping dan distribusi yang menyebar. Berdasarkan hasil pengujian, metode yang diusulkan memiliki tingkat akurasi dan nilai kappa yang lebih baik. Berdasarkan hasil pengujian, metode yang diusulkan mampu memperbaiki tingkat pengenalan dengan kenaikan 2% hingga 3 % untuk data Mitra dan 0.5% hingga 1.5% untuk data MIT-BIH. Sedangkan untuk pengujian menggunakan seluruh data Mitra kenaikan rata-rata tingkat akurasi mencapai 3% hingga 7%.

---

Sleep is a natural experienced condition by the body for relaxation, that is very essential for health. If the sleep time has been adequate, the body condition will always be fresh because our body can regenerate the body cells to maintain health. However, that condition will not be achieved if the quality of our sleep is not good. Research on sleep quality measurement is still progressing. One study is by a team of researchers from the Faculty of Computer Science, University of Indonesia. In this study, an Adaptive Neuro Fuzzy Multi Codebook Generalized Learning Vector Quantization (AMFNGLVQ) algorithm has been developed to overcome the data overlapping and distribution spread problems. Sleep quality measurement is done by identifying sleep stages based on electrocardiogram (ECG) signal. Data Overlapping and distribution spreads are still the main problems in identifying sleep stages. Based on experiment results, the proposed method has an accuracy rate and kappa values better than previous algorithm. Based on the results of testing the proposed method can improve the recognition rate with an increase of 2% to 3% for Mitra data and 0.5% to 1.5% for the MIT-BIH data. As for the test using the entire data Mitra average increase in accuracy rate reaches 3% to 7%.

Abstrak :
Kontaminasi derau pada sistem pemantauan EKG dapat mengakibatkan kesalahan analisis dan diagnosis. Kesalahan tersebut dapat mengakibatkan tingginya false alarm rate (FAR). Berbagai penelitian telah dilakukan untuk mengurangi bahkan menghilangkan derau pada sinyal EKG. Namun berbagai metode tersebut terkendala oleh karakteristik derau yang memiliki rentang frekuensi tumpang tindih dengan frekuensi sinyal EKG dan kemunculan derau secara acak dan sementara. Oleh sebab itu, mengakibatkan terjadinya shape alteration dan terjadinya amplitude reduction pada gelombang P dan R. Oleh karena itu, penelitian ini bertujuan untuk mengembangkan sebuah kerangka kerja metode penghilangan derau yang mampu menghilangkan derau yang memiliki frekuensi yang tumpang tindih dengan frekuensi sinyal EKG dan dengan kemunculan derau secara acak dan sementara. Dalam mengatasi tantangan tersebut, penulis mengusulkan metode penghilangan derau berbasiskan stationary wavelet transform dengan interval dependent thresholding yang ditentukan secara adaptif menggunakan metode change point detection. Dalam mengukur kinerja penghilangan derau dari kerangka kerja yang diusulkan, tiga matrik pengukuran yaitu signal to noise ration improvement (SNRimp), root mean square error (RMSE) dan percentage root mean square difference (PRD) digunakan. Selain itu, kerangka kerja yang diusulkan dibandingkan dengan metode terbaru yaitu stationary wavelet transform (SWT) standar. Selain itu, untuk mengukur tingkat keefektifan dari penghilangan derau, pada sinyal hasil penghilangan derau dilakukan pendeteksian QRS-complex menggunakan metode Pan and Tomkins. Parameter yang digunakan untuk mengukur kinerja pendeteksian QRS-complex adalah sensitivity dan predictive positivity. Pengukuran kinerja, baik penghilangan derau maupun pendeteksian QRS-complex dilakukan pada MITBIH arrythmia database dan noise stress test database. Berdasarkan hasil pengujian, metode yang diusulkan unggul dibandingkan metode SWT standar. Dengan nilai SNRimp yang lebih tinggi dan nilai RMSE dan PRD yang lebih rendah. Selain itu, pada pendeteksian QRS-complex metode yang diusulkan unggul dibandingkan metode SWT standar dengan nilai sensitivity 89,5% dan positive predictivity 86%. Hal tersebut menunjukkan bahwa metode yang diusulkan memiliki efektivitas yang lebih tinggi. Dengan adanya pengembangan kerangka kerja baru penghilangan derau pada sinyal EKG ini diharapkan dapat menjadi metode alternatif yang dapat digunakan para peneliti lain sebagai alternatif untuk digunakan dalam melakukan penghilangan derau pada sinyal EKG. ......Noise contamination in ECG monitoring systems can lead to errors in analysis and diagnosis, resulting in a high false alarm rate (FAR). Various studies have been conducted to reduce or eliminate noise in EKG signals. However, existing methods face challenges due to the overlapping frequency characteristics of noise with EKG signals and the random and transient nature of noise. This often results in shape alterations and amplitude reduction in the P and R waves. Therefore, this research aims to develop a new framework for a noise removal capable of eliminating noise in noisy ECG signal. To address these challenges, the author proposes a noise removal method based on stationary wavelet transform with interval-dependent thresholding determined adaptively using change point detection. To measure the performance of the proposed framework in noise removal, three measurement matrices—signal-to-noise ratio improvement (SNRimp), root mean square error (RMSE), and percentage root mean square difference (PRD)—are used. Additionally, the proposed framework is compared with stationary wavelet transform (SWT). Furthermore, to assess the effectiveness of noise removal, QRS-complex detection is performed on the denoised signals using the Pan and Tomkins method. The parameters used to measure the performance of QRS-complex detection are sensitivity and predictive positivity. Performance measurements for both noise removal and QRS-complex detection are conducted on a MIT-BIH Arrhythmia database and a Noise Stress Test database. Based on the test results, the proposed method outperforms the standard SWT method with higher SNRimp values and lower RMSE and PRD values. In QRS-complex detection, the proposed method surpasses the standard SWT method with a sensitivity of 89.5% and positive predictivity of 86%. This indicates that the proposed method is more effective. The development of this new framework for EKG signal noise removal is expected to serve as an alternative method for researchers to use in addressing noise contamination in EKG signals.