Pengurangan Kebisingan Sinyal Elektrocardiogram (ECG) Menggunakan Filter Adaptif dengan Metode Least Mean Squares (LMS)
Abstract
Sinyal elektrokardiogram (ECG) sering kali terkontaminasi oleh berbagai sumber kebisingan, seperti interferensi daya listrik, artefak gerakan, dan kebisingan otot, yang dapat mengganggu akurasi analisis dan diagnosis medis. Oleh karena itu, diperlukan metode yang efektif untuk mengurangi kebisingan agar sinyal ECG yang diperoleh lebih bersih dan dapat diinterpretasikan dengan lebih akurat. Salah satu pendekatan yang banyak digunakan adalah filter adaptif dengan algoritma Least Mean Squares (LMS). Filter adaptif LMS memiliki keunggulan dalam menyesuaikan bobot filter secara dinamis berdasarkan perubahan karakteristik sinyal, sehingga mampu menghilangkan noise tanpa merusak komponen utama sinyal ECG. Penelitian ini bertujuan untuk mengurangi kebisingan atau noise pada sinyal ECG agar sinyal memiliki tingkat ketepatan dalam proses pendiagnosaan yan g lebih baik. Untuk meningkatkan akurasi analisis sinyal ECG diperlukan teknik pengurangan kebisingan yang efektif. Pengukuran performa menggunakan SNR (Signal to Noise Ratio) yang akan menghitung peningkatan kualitas sinyal yang signifikan dibandingkan dengan sinyal sebelum fitrasi. Hasil yang diharapkan dari penelitian ini adalah penurunan noise sinyal ECG dan terjadi perubahan pada saat disimulasikan dengan metode yang telah diterapkan, dimana hasilnya akan berbeda dengan sinyal ECG sebelum di filtrasi. Hasil yang diperoleh berdasarkan pengujian yang telah dilakukan, perubahan sinyal setelah denoising yang dapat mendekati sinyal asli pada filter orde 8 dengan step size 0.001 dan 0.01. Kata Kunci : electrocardiogram, filter adaptif, least mean squares, noise
Downloads
References
[1] I. M. Ambary and W. K. Raharja, “Purwarupa Alat
Pendeteksi Detak Jantung Berbasis Atmega328,”
J. Ilm. Teknol. dan Rekayasa, vol. 23, no. 1, pp.
38–47, 2018, doi: 10.35760/tr.2018.v23i1.2449.
[2] J. Dian, F. D. Silalahi, and N. D. Setiawan, “A
Heartbeat Monitoring System To Detect Internet
Of Things-Based Heart Health Levels Using
Android,” JUPITER (Jurnal Penelit. Ilmu dan
Teknol. Komputer), vol. 13, no. 2, pp. 69–75,
2021, [Online]. Available:
https://jurnal.polsri.ac.id/index.php/jupiter/article/v
iew/3669
[3] L. F. Tampubolon, A. Ginting, and F. E. Saragi
Turnip, “Gambaran Faktor yang Mempengaruhi
Kejadian Penyakit Jantung Koroner (PJK) di Pusat
Jantung Terpadu (PJT),” J. Ilm. Permas J. Ilm.
STIKES Kendal, vol. 13, no. 3, pp. 1043–1052,
2023, doi: 10.32583/pskm.v13i3.1077.
[4] N. Nuryani, M. F. Akshya, and N. Wiyono,
“Sistem Pengukuran Detak Jantung Menggunakan
Arduino Dan Android Berbasis
Fotopletismogram,” Indones. J. Appl. Phys., vol.
13, no. 1, p. 147, 2023, doi:
10.13057/ijap.v13i1.73636.
[5] J. Sihotang, H. Tanudjaja, K. Indriati, and S.-N.
Yu, “Analisis Sinyal ECG (Electrocardiogram)
pada Aktivitas Duduk dan Berdiri dengan Metode
HRV (Heart Rate Variability) pada Domain
Waktu,” J. Elektro, vol. 12, no. 2, pp. 63–74, 2019.
[6] M. Risnasari, “Penekanan Noise Pada Sinyal Ekg
Menggunakan Transformasi Wavelet,” Edutic -
Sci. J. Informatics Educ., vol. 1, no. 1, 2015, doi:
10.21107/edutic.v1i1.397.
[7] F. Aritmia, “Forum Aritmia Interferensi Listrik
terhadap ECG,” vol. 36, no. 1, pp. 62–64, 2015.
[8] A. A. N and S. Suyanto, “Identifikasi Sinyal Ecg
Irama Myocardial Ischemia Dengan Pendekatan
Fuzzy Logic,” JUTI J. Ilm. Teknol. Inf., vol. 7, no.
4, p. 191, 2009, doi:
10.12962/j24068535.v7i4.a89.
[9] E. Erdania, M. Faizal, and R. B. Anggraini,
“FAKTOR – FAKTOR YANG BERHUBUNGAN
DENGAN KEJADIAN PENYAKIT JANTUNG
KORONER (PJK) Di RSUD Dr. (H.C.) Ir.
SOEKARNO PROVINSI BANGKA BELITUNG
TAHUN 2022,” J. Keperawatan, vol. 12, no. 1, pp.
17–25, 2023, doi: 10.47560/kep.v12i1.472.
[10] D. T. Anggara, “Extraction of Normal
characteristics and Abnormal cardiac signals using
methods of Sampling techniques,” JOINCS
(Journal Informatics, Network, Comput. Sci., vol.
2, no. 2, pp. 1–9, 2019, doi:
10.21070/joincs.v2i0.689.
[11] P. Madona and Rizki Fadilla, “Akuisisi Sinyal
Electrocardiography (ECG) Berbasis Arduino,” J.
Elektro dan Mesin Terap., vol. 7, no. 1, pp. 35–46,
2021, doi: 10.35143/elementer.v7i1.4449.
[12] M. Saimi, “Rancang Bangun ECG Simulator
Menggunakan D [1]igital to Analog Converter R2R,” J. Teknol. Inform. dan Komput., vol. 7, no. 1,
pp. 156–168, 2021, doi: 10.37012/jtik.v7i1.531.
[13] M. D’Aloia, A. Longo, and M. Rizzi, “Noisy ECG
signal analysis for automatic peak detection,” Inf.,
vol. 10, no. 2, pp. 1–12, 2019, doi:
10.3390/info10020035.
[14] E. Ulandari and R. A. Sani, “Rancang bangun
instrumentasi Elektrokardiografi berbantuan PC
menggunakan Soundscope Evi,” J. Einstein, vol. 2,
no. 3, pp. 8–13, 2019, [Online]. Available:
http://www.journals.cambridge.org/abstract_S0263
034606000267%0Ahttp://ejurnal.bppt.go.id/index.p
hp/JAI/article/view/2452/2063%0Ahttps://jurnalfar
masimalahayati.sch.id/index.php/jfm/article/downl
oad/7/3/
[15] D. Permana et al., “Desain Dan IMplementasi
Perancangan Eleketrokardiogram (EKG) Berbaris
Bluetooth,” ALHAZEN J. Phys., vol. 2, no. 1, pp.
38–46, 2015.
[16] S. Siaulhak, A. S. Saruman, and F. E. Susilawati,
“Deteksi Pengurangan Noise pada Citra Digital
menggunakan Metode Frequency Domain Code
Matlab,” Proceeding KONIK (Konferensi Nas. Ilmu
Komputer), vol. 5, pp. 550–560, 2021.
[17] F. Primadevi and Y. Mardiana, “Uji Kinerja Sistem
Denoising Sinyal Jantung atau EKG dengan
Menggunakan Algoritma Empirical Mode
Decomposition (EMD),” J. Asiimetrik J. Ilm.
Rekayasa Inov., vol. 5, pp. 27–34, 2023, doi:
10.35814/asiimetrik.v5i1.3682.
[18] M. Santanu, “Perancangan Simulator Modulasi Dan
Demodulasi,” vol. 1, no. 2, pp. 1359–1365, 2015.
[19] P. Kumar and V. K. Sharma, “Detection and
classification of ECG noises using decomposition
on mixed codebook for quality analysis,” Healthc.
Technol. Lett., vol. 7, no. 1, pp. 18–24, 2020, doi:
10.1049/htl.2019.0096.
[20] R. Cahya Wiguna, Y. S. Rohmah, and S. Aulia,
“Perancangan Simulator Teknik Pengkodean Pada
Kanal AWGN dan Rayleght Menggunakan LBC,”
e-Proceeding Appl. Sci., vol. 4, no. 3, pp. 2748–
2757, 2018.
[21] S. S. Anita Nardiana, “ADAPTIVE NOISE
CANCELING MENGGUNAKAN ALGORITMA
ISSN : 2355-9365 e-Proceeding of Engineering : Vol.12, No.4 Agustus 2025 | Page 4672
LEAST MEAN SQUARE (LMS),” הנוטע עלון, vol.
66, no. July, pp. 6–17, 2011.
[22] M. R. ISNAINI, M. T. Ir. RITA MAGDALENA,
and M. T. R YUNENDAH NUR FU’ADAH, S.T,
“Metode Discrete Wavelet Transform Dan
Adaptive Filter Analysis of Denoising
Performance of Eeg Signal Using Discrete
Wavelet Transform and Adaptive Filter,” vol. 5,
no. 3, pp. 4527–4533, 2018.
[23] R. F. Adiati, A. Kusumawardhani, and H. Setijono,
“Analisis Parameter Signal to Noise Ratio dan Bit
Error Rate dalam Backbone Komunikasi Fiber
Optik Segmen Lamongan-Kebalen,” J. Tek. ITS,
vol. 6, no. 2, pp. 8–12, 2017, doi:
10.12962/j23373539.v6i2.26079.
[24] D. L. Hartono, T. Elektro, and F. T. Industri,
“Implementasi Algoritma FBLMS Untuk
Pereduksi Derau Pada Sinyal Suara Menggunakan
TMS321C6416T,” vol. 2, no. 1, 2013.
[25] D. Kurniasih, S. Mariani, and Sugiman, “Efisiensi
Relatif Estimator Fungsi Kernel Gaussian
Terhadap Estimator Polinomial Dalam Peramalan
Usd Terhadap Jpy,” UNNES J. Math., vol. 2, pp.
79–84, 2013.
[26] U. Azmi, Z. N. Hadi, and S. Soraya, “ARDL
METHOD: Forecasting Data Curah Hujan Harian
NTB,” J. Varian, vol. 3, no. 2, pp. 73–82, 2020,
doi: 10.30812/varian.v3i2.627.
