1
BAB I
PENDAHULUAN
1.1
Latar Belakang dan Permasalahan Penyakit jantung merupakan penyakit yang berbahaya dan menjadi
penyebab kematian nomer satu di dunia (Mendis et al., 2011). Menurut data World Health Organization (WHO), selama tahun 2012 sebanyak 17,5 juta kematian disebabkan karena penyakit jantung, dan jumlah ini terus meningkat sebanyak 16% sejak tahun 2000 dan diperkirakan akan terus meningkat setiap tahun (WHO, 2014). Pada tahun 2030, kematian disebabkan karena penyakit jantung diprediksi mencapai 22,2 juta jiwa (WHO, 2014). Penyakit jantung telah menjadi masalah internasional yang memberikan perhatian khusus bagi para pakar kesehatan dunia. Berbagai penelitian dilakukan guna mengurangi resiko dari penyakit ini. Aritmia Jantung atau Cardiac Arrhythmias adalah istilah medis untuk gangguan pada jantung yaitu suatu keadaan dimana impuls listrik yang mengkoordinasikan denyut jantung seseorang tidak berfungsi dengan baik. Hal tersebut dapat menyebabkan denyut jantung terlalu cepat (tachycardias), terlalu lambat (bradycardias) atau bahkan denyut jantung yang tidak teratur (irregular) (Kastor, 2002). Aritmia jantung bermacam-macam jenisnya dengan tingkatan bahaya yang berbeda-beda. Ada jenis-jenis aritmia yang beresiko mengancam jiwa pasien yaitu aritmia yang berasal dari ventrikel seperti ventricular tachycardia, ventricular fibrillation, dan yang lainnya, dimana hampir sebagian besar aritmia ini menyebabkan henti jantung (Kastor, 2002). Ada juga beberapa jenis aritmia dimana pasien membutuhkan pemasangan alat pacu jantung (Kastor, 2002). Dengan jenis aritmia jantung yang bermacam-macam dengan penanganan yang berbeda-beda, jenis aritmia jantung perlu dikenali secara tepat sehingga tidak terjadi kesalahan dalam penanganan. Aritmia Jantung dapat dikenali melalui pembacaan Elektrokardiogram (EKG) yaitu grafik pola gelombang yang dihasilkan oleh alat perekam aktivitas kelistrikan jantung Elektrokardiograf dalam waktu tertentu. Namun pengenalan 1
2
aritmia jantung tidak mudah dilakukan kecuali oleh seorang pakar jantung. Disamping jenis-jenis aritmia jantung yang beragam, untuk mengenali satu jenis aritmia jantung perlu membaca berbagai jenis gelombang dari EKG. Beberapa hal yang perlu dibaca untuk mengenali jenis aritmia jantung antara lain: denyut jantung, irama jantung, gelombang P, interval gelombang PR, kompleks QRS, segmen gelombang ST, gelombang T, interval gelombang QT, gelombang U (Walraven, 2011). Oleh karena itu, yang dapat mengenali aritmia jantung dengan akurat adalah seorang pakar jantung yang telah mempunyai ilmu dan pengalaman dalam mengamati pola gelombang EKG. Permasalahannya adalah keberadaan pakar jantung sangatlah minim. Menurut data WHO jumlah pasien sakit jantung dibanding jumlah dokter sekitar 380 banding 1 (WHO, 2014). Dalam permasalahan kurangnya tenaga ahli jantung, solusi yang ditawarkan adalah dengan menerapkan sistem kecerdasan buatan yang mampu mengenali pola gelombang EKG dan mengklasifikasikannya ke dalam jenis aritmia jantung yang sesuai. Walaupun mesin tidak bisa sepenuhnya menggantikan tenaga pakar namun diharapkan dapat membantu memudahkan para pakar. Dalam hal ini para ahli medis bekerja sama dengan ahli kecerdasan buatan untuk mewujudkannya. Para ahli medis mempublikasikan beberapa data EKG rekam medis pasien untuk digunakan para akademisi di bidang kecerdasan buatan agar berlomba-lomba untuk meneliti dan menciptakan sistem yang akurat pada klasifikasi aritmia jantung. Beberapa basis data EKG jantung pasien yang dipublikasikan antara lain : European ST-T Database (Taddei et al., 1992), The PTB Diagnostic ECG Database (Bousseljot et al., 1995), QT Database (Laguna et al., 1997), MIT-BIH Arrhythmia Database (Moody et al., 2001), The ECG-ID Database (Lugovaya, 2005). Salah satu metode pendekatan sistem pengenalan pola yaitu Jaringan Syaraf Tiruan (JST). Penelitian JST dimulai pada tahun 1943 oleh McCulloch dan Pitts yang meletakkan konsep dasar jaringan syaraf tiruan secara matematis yang mudah dipahami, diimplementasikan dan dikembangkan (Fausett, 1994). Metode JST senantiasa diteliti dan dikembangkan hingga saat ini JST menjadi pondasi dasar deep learning pada teknologi kecerdasan buatan.
3
JST adalah suatu sistem mesin pembelajaran yang mengadopsi kinerja jaringan syaraf manusia dimana memiliki neuron-neuron yang saling terhubung dan dilakukan adaptasi dan pembelajaran. Aplikasi jaringan ini melibatkan pemetaan sekumpulan masukan terhadap sekumpulan acuan keluaran. Adapun propagasi balik (backpropagation) adalah salah satu algoritma pembelajaran pada JST dimana menurunkan gradien error neuron-neuron layer tersembunyi untuk meminimalkan error output jaringan. Pada banyak kasus JST propagasi balik memberikan performa yang bagus untuk pengenalan pola (Afroge et al., 2016; Joshi et al., 2016; Singh et al., 2016; Truatmoraka et al., 2016). Metode yang lainnya dari mesin pembelajaran adalah Support Vector Machine (SVM). SVM pertama kali diperkenalkan oleh Vapnik pada tahun 1992. SVM adalah metode learning machine yang bekerja atas prinsip Structural Risk Minimization (SRM) dengan tujuan menemukan hyperplane terbaik yang memisahkan dua buah kelas pada ruang input. Pada banyak kasus SVM juga memberikan performa yang bagus untuk pengenalan pola (Eicher et al., 2017; Hafzalla et al., 2017; Li et al., 2017; Terai et al., 2017). Penelitian ini akan menganalisa dan membandingkan performa klasifikasi aritmia jantung dengan metode JST Propagasi balik dan SVM. Yang akan diteliti dalam penelitian ini adalah performa dari penerapan JST dan SVM pada model klasifikasi aritmia jantung dari input data EKG yang telah dilakukan ekstraksi ciri. 1.2
Rumusan Masalah Permasalahan pada penelitian ini adalah bagaimana performa model
klasifikasi aritmia jantung dengan metode Jaringan Syaraf Tiruan Propagasi Balik dan Support Vector Machine (SVM). Juga bagaimana perbandingan performa antara kedua metode tersebut untuk permasalahan klasifikasi aritmia jantung. 1.3
Batasan Masalah Batasan masalah pada penelitian ini adalah sebagai berikut : 1. Data pelatihan yang digunakan adalah data aritmia jantung dari basisdata MIT-BIH yang telah dilakukan ekstraksi oleh Guvenir et al (1997) yang diakses dari UCI Machine Learning Database.
4
2. Metode yang digunakan untuk klasifikasi aritmia jantung adalah Jaringan Syaraf Tiruan Propagasi Balik dan Suport Vector Machine (SVM). 3. Identifikasi kelas aritmia jantung yang dilakukan pada penelitian ini berdasarkan parameter data dasar pasien (umur, jenis kelamin, berat badan, tinggi badan) dan data ekstraksi EKG pasien, tidak berdasarkan parameter-parameter selainnya. 4. Pada penelitian ini hanya dilakukan klasifikasi aritmia jantung dari data hasil ekstraksi ciri gelombang EKG, sehingga tidak mencakup proses ekstraksi ciri gelombang EKG. 5. Kelas aritmia jantung yang diidentifikasi pada penelitian ini terdapat 11 jenis kelas aritmia yang disebutkan pada bagian rancangan penelitian. 1.4
Tujuan Penelitian Tujuan dari penelitian ini adalah membandingkan kinerja sistem klasifikasi
aritmia jantung dengan metode jaringan Syaraf Tiruan Propagasi Balik dan Support Vector Machine (SVM). 1.5
Manfaat penelitian Manfaat yang diharapkan dari penelitian ini adalah : 1. Memberikan kontribusi penelitian kecerdasan buatan di bidang kedokteran khususnya masalah klasifikasi aritmia jantung. 2. Membuat suatu model klasifikasi aritmia jantung yang mempunyai akurasi yang lebih baik. 3. Mengetahui kelebihan dan kekurangan metode Syaraf Tiruan Propagasi Balik dan Support Vector Machine (SVM) pada klasifikasi aritmia jantung.
1.6
Metodologi Penelitian Metode penelitian yang dilakukan adalah sebagai berikut : 1. Studi Literatur & Pengumpulan Data
5
Pada tahap ini dilakukan pengumpulan data dan informasi mengenai teori-teori dan penelitian-penelitian terkait, seperti : NNBP, SVM, aritmia jantung, EKG dan yang lainnya dari buku, jurnal, artikel, dan karya tulis ilmiah. Pada tahap ini juga dilakukan pencarian dan pengambilan data aritmia jantung berupa data ekstraksi gelombang EKG rekam medis pasien jantung yang dipublikasikan di internet. 2. Analisis dan Perancangan Untuk dapat memahami sistem yang akan dibangun perlu dilakukan identifikasi terhadap kebutuhan spesifikasi sistem dan pemodelan sistem agar dapat memenuhi solusi atas permasalahan yang telah diidentifikasi sebelumnya. Pada tahap ini dilakukan analisis kebutuhan sistem dan perancangan arsitektur sistem dari pengetahuan dan data yang telah dikumpulkan sebelumnya. 3. Implementasi dan Pengujian Pada tahap ini, rancangan sistem yang telah dibuat diimplementasikan dengan bahasa pemrograman yang telah ditentukan, kemudian dilakukan pengujian dengan data yang telah dipersiapkan sebelumnya. 4. Analisis dan Evaluasi Setelah tahap implementasi dan pengujian, dilakukan analisis dan evaluasi terkait hasil implementasi maupun pengujian yang telah dilaksanakan disertai dengan pembahasan. 1.7
Sistematika Penulisan Sistematika dalam penulisan penelitian ini terdiri dari tujuh bab, yaitu : BAB I PENDAHULUAN Bab ini berisi latar belakang masalah, rumusan masalah, batasan masalah, tujuan penelitian, manfaat penelitian, metode penelitian, serta sistematika penulisan. BAB II TINJAUAN PUSTAKA Bab ini memuat pembahasan mengenai penelitian-penelitian terdahulu yang digunakan sebagai bahan referensi dalam penelitian ini. Selain itu juga
6
memuat penjelasan yang membedakan penelitian ini dengan penelitian sejenis yang pernah ada sebelumnya. BAB III LANDASAN TEORI Bab ini berisi teori-teori yang menjadi landasan dalam penelitian ini yaitu mengenai jaringan syaraf tiruan, support vector machine, pengenalan pola, aritmia jantung. BAB IV ANALISIS DAN PERANCANGAN SISTEM Bab ini berisi analisis terhadap sistem yang akan dikembangkan, serta penjelasan mengenai perancangan sistem berdasarkan analisis yang telah dilakukan BAB V IMPLEMENTASI Bab ini berisi implementasi dari sistem yang telah dirancang menggunakan bahasa pemrograman yang telah ditentukan. BAB VI HASIL PENELITIAN DAN PEMBAHASAN Bab ini menjelaskan pengujian terhadap sistem yang telah dibangun dan pembahasan dari hasil pengujian. Bab VII KESIMPULAN DAN SARAN Bab ini berisi mengenai kesimpulan dari penelitian yang telah dilakukan serta saran untuk pengembangan penelitian lebih lanjut.
