Makalah ini mengusulkan sistem deteksi aritmia jantung berbasis FPGA yang sederhana dan dapat diandalkan. Sistem ini melakukan pra-pemrosesan sinyal EKG untuk menghilangkan noise menggunakan teknik EMD. Deteksi puncak QRS dilakukan menggunakan metode selisih operasi dan ambang batas. Sistem ini dievaluasi menggunakan basis data MIT-BIH dan mampu mendeteksi tiga jenis penyakit jantung den

1. TELKOMNIKA, Vol.13, No.2, June 2015, pp. 125~132
ISSN: 1693-6930, accredited A by DIKTI, Decree No: 58/DIKTI/Kep/2013
DOI: 10.12928/TELKOMNIKA.v13i2.xxxx  281
Received February 23, 2014; Revised May 29, 2014; Accepted June 12, 2014
Ringkasan Artikel “FPGA Berbasis Aritmia Detection”
Moch Faizal Deva Prayogo, Alfin Fajar Rochim, Rani Alif Pambudi
Universitas Ahmad Dahlan
JL. Prof dr Soepomo. Warungboto. Umbulharjo. Yogyakarta, 55164
e-mail : Moch1500022071@webmail.uad.ac.id
Abstract
Makalah berikut mengusulkan tentang sebuah sederhana dan dapat diandalkan Field
Programmable Gate Array (FPGA) berbasis sistem Analisis EKG. Electrokardiogram (EKG)
adalah sinyal biomedis penting, yang menunjukkan aktivitas listrik jantung. gelombang EKG
menyediakan informasi berharga untuk deteksi penyakit jantung yang abnormal. Untuk analisis
yang akurat, sinyal EKG harus diproses untuk menghilangkan sinyal suara. Juga, berbagai fitur
EKG harus diekstrak untuk diagnosis gangguan jantung. Dengan demikian, EKG pemrosesan
sinyal meliputi dua tahap: Preprocessing dan Ekstraksi Fitur. Tahap preprocessing
menghilangkan suara dari sinyal EKG baku dan tahap ekstraksi fitur ekstrak informasi
diagnostik dari sinyal EKG.
Keywords: FPGA; Verilog HDL; EMD; QRS; EKG; MIT-BIH; Jantung Aritmia.
1. Introduction
Elektrokardiogram (EKG) adalah salah satu alat penting yang digunakan oleh ahli jantung untuk
menganalisis bentuk gelombang EKG dalam diagnosis berbagai penyakit dan pemantauan
kondisi yang berhubungan dengan jantung. Hal ini diperoleh dengan menempatkan elektroda
pada kulit pasien. Ini memberikan informasi dari hati manusia seperti gangguan irama jantung,
kelainan dalam impuls listrik korupsi dll Signal terjadi akibat kebisingan [1] dan artefak selama
transmisi EKG. Karakteristik sinyal EKG bervariasi karena berbagai jenis suara seperti Power
Line Gangguan, Dasar melayang, Gerak Artefak, EMG, Instrumentasi suara dll Seperti
analyzation sinyal bising terikat untuk memberikan hasil yang salah.
2. Research Method
2.1 Peningkatan teknik menggunakan EMD
Dalam EMD Teknik, Peningkatan sinyal EKG dilakukan dengan mengungkapkan sinyal
ECG bising sebagai jumlah dari serangkaian IMFs. Komponen berisik sebagian besar
ditemukan di IMFs awal [I3] antara himpunan berhingga IMFs dihasilkan. Hal ini penting
untuk menentukan apakah kebisingan hadir dalam IMF tertentu atau tidak. Untuk
menentukan ini,. spektral kerataan (SF) ukuran digunakan di sini.
2.2 Puncak deteksi menggunakan metode selisih operasi
Perbedaan Operasi Metode adalah salah satu metode yang sederhana dan cepat dalam
mendeteksi kompleks QRS. Prinsip dasar dari metode ini adalah untuk menemukan puncak R
dengan menerapkan operasi perbedaan sinyal EKG.
Desain dapat dibagi menjadi dua bagian utama. Bagian pertama adalah tahap pra-pengolahan.
Ini adalah di mana turunan dan penyaringan dilaksanakan. Bagian kedua adalah tahap deteksi
puncak di mana puncak terdeteksi.
Ambang Metodologi:

2.  ISSN: 1693-6930
TELKOMNIKA Vol. 13, No. 2, June 2015 : 125 – 132
282
Kami menganggap nilai Threshold awal 30% dari nilai maksimum dari semua sampel.
Kemudian sampel input dibandingkan dengan nilai ambang batas. Semua sampel data di
bawah nilai ambang batas dihapus. Kemudian kami mencari tiga sampel berturut-turut di
antaranya nilai puncak dapat dideteksi. Nilai sampel dianggap sebagai nilai puncak sehingga
jika mendahului dan nilai-nilai harus kurang dari nilai sampel yaitu jika n adalah sampel
kemudian sebelumnya n-1sample dan n nya berhasil + 1sample harus kurang dari sampel n.
Kemudian n dianggap sebagai nilai puncak. Jadi puncak terdeteksi berdasarkan Metodologi
Threshold.
3. Results and Analysis
Metode diusulkan dan dievaluasi dengan menggunakan basis data MIT-BIH normal Sinus
Rhythm , basis data Supra Ventricular Aritmia, basis data Atrial Fibrillation dan basis data
Aritmia . Efektivitas metode yang diusulkan dalam mendeteksi penyakit dengan akurasi
keseluruhan 94,76%.
Tabel 1. menunjukkan tingkat akurasi algoritma dalam mendeteksi tiga penyakit yaitu normal
Sinus Rhythm, Supra Ventricular Arrhythmia dan Atrial Fibrilasi diuji dengan masing MIT-BIH
Database.
4. Conclusion
Metode yang efisien untuk deteksi aritmia telah dikembangkan berdasarkan denyut jantung.
Metode berdasarkan EMD untuk denoising sinyal EKG diusulkan di mana Otomatis deteksi
IMFs berisik dilakukan dengan menggunakan Spectral kerataan ukuran. Setelah Enhancement,
R Puncak deteksi, fitur yang paling relevan dari suatu bentuk gelombang ECG dilakukan
menggunakan metodologi Threshold. Setelah puncak R terdeteksi, RR interval dihitung untuk
memperkirakan tingkat jantung untuk deteksi aritmia.
References
[1] LVRajani Kumari,Ypadma Sai. FPGA Based Arrhythmia Detection. www.sciencedirect.com
.2015; Vol.(Issue): 970-979.