Pengurangan Noise Untuk Meningkatkan Akurasi Data Valid Pada Sinyal Photoplethysmograph dengan K-Means Clustering dan Exponential Filter

Abdillah, Rifqi (2023) Pengurangan Noise Untuk Meningkatkan Akurasi Data Valid Pada Sinyal Photoplethysmograph dengan K-Means Clustering dan Exponential Filter. Masters thesis, Institut Teknologi Sepuluh Nopember.

Text 6025211012-Master_Thesis.pdf - Accepted Version Restricted to Repository staff only until 1 September 2025. Download (3MB) | Request a copy

Abstract

Sinyal photoplethysmograph fingertip pulse wave pada jari manusia sering terkontaminasi oleh noise akibat gangguan saat pengambilan data. Noise yang mengontaminasi sinyal photoplethysmograph memiliki variasi rasio noise yang berbeda-beda. Penelitian ini bertujuan untuk mengembangkan noise filtering pada data photoplethysmograph yang mengontaminasi sinyal dengan variasi rasio noise yang berbeda-beda, mulai dari rendah hingga tinggi. Metode noise filtering yang digunakan dalam penelitian ini menggunakan bobot yang berbeda sesuai dengan rasio noise pada setiap cluster. Pada penelitian ini, dilakukan dua tahap pendekatan yang melibatkan clustering dan noise filtering. Tahap pertama yaitu clustering dengan menggunakan k-means clustering dengan memanfaatkan fitur coefficient of variation dan slope untuk mengelompokkan data sinyal berdasarkan rasio noise pada data. Tahap kedua yaitu noise filtering dengan menggunakan exponential filter dengan pembobotan yang disesuaikan untuk mengatur tingkat smoothing. Evaluasi dilakukan dengan melihat seberapa besar pengaruh dari setiap cluster dengan menggunakan metrik evaluasi dan signal to noise ratio. Pada data tanpa diberikan apapun, didapatkan signal to noise ratio sebesar 79,47, pada data dengan filter pembobotan yang konstan didapatkan signal to noise ratio sebesar 79,78, dan pada data dengan filter dengan pembobotan berdasarkan cluster pada rasio noise didapatkan signal to noise ratio sebesar 85,61. Hal ini menunjukkan bahwa metode yang diusulkan menghasilkan signal to noise ratio yang lebih baik. Data sinyal dengan filter yang diberikan noise filtering sesuai dengan pembobotan dapat menurunkan mean absolute percentage error sebesar 1,49, mean square error sebesar 88,28, dan mean absolut error sebesar 1,76 pada random forest regression. Dari penelitian ini didapatkan bahwa pengurangan noise dengan menggunakan pembobotan sesuai dengan cluster dapat menghasilkan data yang lebih bersih dan representatif, serta meningkatkan akurasi
===================================================================================================================================
The photoplethysmograph signal obtained using fingertip pulse wave on the human finger is often contaminated with noise due to disruptions during data acquisition. The noise contaminating the photoplethysmograph signal exhibits varying noise ratios. The objective of this research is to develop noise filtering techniques for photoplethysmograph data contaminated with varying noise ratios, ranging from low to high. The noise filtering method employed in this study utilizes different weights corresponding to the noise ratios in each cluster. The research consists of two stages involving clustering and noise filtering. The first stage involves clustering using k-means clustering, utilizing coefficient of variation and slope features to group the data signals based on the noise ratios. The second stage is noise filtering using an exponential filter with customized weighting to control the level of smoothing. Evaluation is conducted by examining the impact of each cluster using evaluation metrics and signal-to-noise ratio. For the unprocessed data, a signal-to-noise ratio of 79.47 is obtained. Applying a constant weighting filter yields a signal-to-noise ratio of 79.78, while using a filter with weighting based on the noise ratio clusters results in a signal-to-noise ratio of 85.61. These results demonstrate that the proposed method achieves a better signal-to-noise ratio. The data signals with noise filtering based on cluster-specific weighting also exhibit reduced mean absolute percentage error by 1.49, mean squared error by 88.28, and mean absolute error by 1.76 in random forest regression. This research shows that reducing noise through cluster-based weighting in applied noise filtering produces cleaner and more representative data, enhancing accuracy in photoplethysmograph signals as evidenced by the decrease in MAPE, MSE, and MAE values.

Item Type:	Thesis (Masters)
Uncontrolled Keywords:	Noise, Sinyal Photoplethysmograph, K-means, Exponential Filtering
Subjects:	Q Science > QA Mathematics > QA278.55 Cluster analysis
Divisions:	Faculty of Intelligent Electrical and Informatics Technology (ELECTICS) > Informatics Engineering > 55101-(S2) Master Thesis
Depositing User:	Rifqi Abdillah
Date Deposited:	31 Aug 2023 06:39
Last Modified:	31 Aug 2023 06:39
URI:	http://repository.its.ac.id/id/eprint/101739

Actions (login required)

View Item