IDENTIFIKASI SINYAL SUARA JANTUNG (PCG) DENGAN METODE ENERGI SHANNON DAN IMPLEMENTASINYA PADA IoT (INTERNET OF THINGS)

Weny Indah Kusumawati, Ira Puspasari, Eka Sari Oktarina, Jusak Jusak

Abstract


Survei pada beberapa negara menunjukkan bahwa penderita penyakit jantung semakin meningkat. Hal ini dipengaruhi oleh beberapa hal, antara lain: gaya hidup, kurang berolahraga, tingkat stress dan makanan yang tidak sehat. Pada saat ini pemeriksaan gejala penyakit jantung dilakukan dengan cara manual misalnya menggunakan stetoskop, pemeriksaan ECG dan Echocardiograf. Akan tetapi pemeriksaan jantung dengan menggunakan stetoskop secara manual ini sangat dipengaruhi oleh kondisi lingkungan, subjektivitas dan pengalaman seorang ahli penyakit jantung atau dokter. Karena itu diperlukan sebuah metode dengan kompleksitas rendah namun mampu diterapkan untuk deteksi dini penyakit jantung. Dalam penelitian ini, algoritma identifikasi sinyal suara jantung dengan memanfaatkan energi Shannon diterapkan pada sebuah mini PC untuk mengetahui posisi dan jarak waktu sinyal S1 dan S2 dalam domain waktu. Selanjutnya, hasil pengolahan tersebut dikirimkan melalui media komunikasi Internet dan ditampilkan pada sebuah aplikasi mobile. Berdasarkan hasil uji coba didapatkan bahwa nilai rata-rata interval S1-S1 sebesar 0.7517 s dan S1-S2 sebesar 0.3202 s. Penelitian ini juga menghitung lama pemrosesan energi Shannon pada mini PC dengan rata- rata waktu yang dibutuhkan selama 0.0441 s. Seluruh data yang telah diolah dan dikirim ke cloud, memiliki rata-rata waktu tunda selama 1.3792 s.


Keywords


Energi Shannon; IoT; PCG; Sinyal suara jantung

Full Text:

PDF

References


E. a. Ponikowski, Piotr Professor, “Heart failure Preventing disease and death worldwide, Heart failure: preventing disease and death worldwide European Society of Cardiology,” European Society of Cardiology, pp. 6–7, 2014.

D. M. S. L. L. D. B. Rao, Er M Seshagiri., Dr V S Chouhan., “ECG (Electro Cardio Gram) Sensor IoT for on line T-Wavelet Analysis to Detect Medical Signal Deviation,” IOSR J. Mob. Comput. Appl., vol. 4, no. 2, pp. 26–30, 2017.

W. C. Low, Jia Xin., Keng, “IoT-enabled Heart Monitoring Device with Signal De-noising and Segmentation using Discrete Wavelet Transform,” 15th Int. Conf. Control. Autom. Robot. Vis., pp. 119–124, 2018.

J. Oktarina, Eka Sari., Ira, Puspasari., Jusak, “Auskultasi Jarak Jauh untuk Pengukuran dan Perekaman Sinyal Suara Jantung,” J. Rekayasa Elektr., vol. 14, no. 3, pp. 198–204, 2018.

M. Banerjee, Sanmitra., Madhusudhan, Mishra., Anirban, “Segmentation and Detection of First and Second Heart Sounds (S1 and S2) Using Variational Mode Decomposition,” IEEE EMBS Conf. Biomed. Eng. Sci., pp. 565–570, 2016.

J. Puspasari, Ira., Weny, Indah Kusumawati., Eka, Sari Oktarina., Jusak, “A New Heart Sound Signals Identification Approach Suitable for Smart Healthcare System,” Int. Conf. Appl. Eng. (ICAE 2019), pp. xx–xx, 2019.

H. Liang, H., S, Lukkarinen., I, “Heart Sound Segmentation Algorithm Based on Heart Sound Envelogram,” IEEE Comput. Cardiol., vol. 24, pp. 105–108, 1997.

Z. J. Choi, Samjin, “Comparison of envelope extraction algorithms for cardiac sound signal segmentation,” Sci. Direct Appl. Expert Syst., vol. 34, pp. 1056–1069, 2008.

I. Haoran, Ren., Hailong, Jin., Chen, Chen., Hemant, Ghayvat., Wei, Chen (Senior Member, “A Novel Cardiac Auscultation Monitoring System Based on Wireless Sensing for Healthcare,” IEEE J. Transl. Eng. Heal. Med., vol. 6, pp. 2168–2372, 2018.


Refbacks

  • There are currently no refbacks.