Penyakit kardiovaskular (CVD) adalah kondisi kesehatan yang serius dengan tingkat kematian yang tinggi. Salah satu tanda CVD yang perlu diperhatikan adalah aritmia, yaitu ketidaknormalan dalam irama jantung. Untuk mendeteksi gejala aritmia, digunakan metode pemantauan elektrokardiogram (EKG) jangka panjang, yang dapat berlangsung selama 6 jam, 12 jam, atau bahkan 24 jam. Alat yang sering digunakan untuk pemantauan EKG jangka panjang adalah perangkat Holter.
Proses analisis aritmia melibatkan gelombang QRS dalam data EKG dan mengklasifikasikan jenis aritmia yang mungkin ada. Sayangnya, penyimpanan data Holter di perangkat lokal dapat membuat analisis menjadi sulit bagi para ahli jantung, sementara penyimpanan di server menghadapi masalah waktu akses yang lambat saat jumlah data pasien bertambah.
Dalam penelitian ini, kami mengusulkan inovasi dalam sistem pemantauan aritmia dengan memanfaatkan Raspberry Pi, Raspberry Pi tidak hanya digunakan untuk menyimpan data EKG, tetapi juga untuk menganalisis aritmia dengan akurasi tinggi. Proses analisis melibatkan beberapa langkah, termasuk mendeteksi puncak R menggunakan algoritma Pan-Tompkins (PTK), menghilangkan gelombang P dan T menggunakan filter Gaussian, dan mengklasifikasikan aritmia menggunakan multi-layer perceptron (MLP), sebuah teknologi deep learning dengan kebutuhan komputasi yang rendah yang cocok untuk Raspberry Pi.
Hasil eksperimen menunjukkan bahwa perangkat ini sangat efektif dalam mendeteksi kompleks QRS dengan presisi sekitar 98,61% dan sensitivitas sekitar 99,8%. Lebih jauh, klasifikasi aritmianya sangat akurat, dengan nilai akurasi, sensitivitas, spesifisitas, presisi, dan skor F1 mencapai sekitar 99,77, 99,55, 99,55, 99,85, dan 99,55, berturut-turut.
Inovasi ini tidak hanya memungkinkan akses data yang lebih cepat, tetapi juga membantu para ahli jantung untuk mengelola data pasien dengan lebih efisien. Raspberry Pi membawa harapan dalam mempercepat diagnosis dan pengelolaan penyakit kardiovaskular, yang kritis dalam upaya mencegah kematian akibat penyakit jantung.
Penulis: AriefKurniawan, Winona S.T.R. Gulto, Dion Hayu Fandiantoro, Eko Mulyanto Yuniarno, Eko Setiadji, Mochamad Yusuf, Iketut Eddy Purnama.
Informasi detail dari tulisan ini dapat dilihat pada publikasi ilmiah kami di:
DOI:
Judul: Arrhythmia Analysis in the Long-term Electrocardiogram Monitoring System
Kurniawan, A., Gultom, W. S. T. R., Fandiantoro, D. H., Yuniarno, E. M., Setijadi, E., Yusuf, M., & Purnama, I. K. E. (2023). Arrhythmia Analysis in the Long-term Electrocardiogram Monitoring System. International Journal of Intelligent Engineering and Systems, 16(5), 289-300. https://doi.org/10.22266/ijies2023.1031.25
