Kasur Deteksi Obstructive Sleep Apnea Secara Non-Kontak Menggunakan Supervised Machine Learning Berdasarkan Analisis Heart Rate Variability dan Respiratory Rate

Amalia, Rima (2024) Kasur Deteksi Obstructive Sleep Apnea Secara Non-Kontak Menggunakan Supervised Machine Learning Berdasarkan Analisis Heart Rate Variability dan Respiratory Rate. Diploma thesis, Institut Teknologi Sepuluh Nopember.

Text 5023201005-Undergraduate_Thesis.pdf - Accepted Version Restricted to Repository staff only Download (15MB) | Request a copy

Abstract

Obstructive Sleep Apnea (OSA) adalah gangguan tidur serius yang berpotensial untuk mengancam nyawa. Untuk mendeteksinya, umumnya digunakan metode tradisional menggunakan polysomnography (PSG) yang rumit dan memerlukan waktu lama. Penelitian ini memperkenalkan pendekatan baru menggunakan electrocardiogram (ECG) untuk deteksi OSA yang lebih sederhana dan efisien. Penelitian ini menggunakan kasur dengan elektroda non-kontak, berupa kain konduktif yang ditempatkan di permukaan. Sinyal ECG pasien diamati secara non-kontak saat tidur dalam berbagai posisi. Pengolahan sinyal ECG dilakukan dengan menggunakan metode discrete wavelet transform (DWT) hingga dekomposisi ketiga, sehingga dihasilkan keluaran berupa heart rate variability (HRV). Kemudian, analisis dilakukan pada fitur-fitur HRV dari sinyal ECG, hasil ini akan diolah dalam time domain, frequency domain, dan non-linier. Hasil pengolahan dari ketiga bagian ini, menghasilkan fitur SDNN, RMSSD, SDSD, pNN50, rasio LF/HF, SD1, dan SD2. Selain itu, pemetaan nilai dari RR-interval secara terpisah diolah dengan DWT hingga dekomposisi kedua. Kemudian hasilnya akan dikenai filter Moving Avarage (MAV) dan dideteksi peak-to-peak, sehingga dihasilkan fitur respiratory rate. Fitur-fitur ini akan diolah dengan menggunakan algoritma k-Nearest Neighbors (KNN) untuk deteksi OSA. Metode yang diajukan berpotensi menjadi alat yang efektif dan non-invasif dalam mendeteksi kejadian OSA, memungkinkan adanya notifikasi saat kejadian berlangsung, sehingga perawatan dapat segera dilakukan pada pasien OSA yang berisiko tinggi. Penelitian ini juga mengatasi beberapa masalah teknis seperti penggunaan elektroda non-kontak yang lebih nyaman dan penghilangan gangguan noise dalam sinyal ECG. Dengan demikian, pengembangan kasur dengan deteksi OSA melalui sinyal ECG memiliki potensi besar dalam meningkatkan kualitas perawatan OSA.

Item Type:	Thesis (Diploma)
Uncontrolled Keywords:	ECG, Kasur, Non-kontak, Obstructive sleep apnea, Heart Rate Variability, Respiratory Rate; ECG, Mattress, Non-contact, Obstructive sleep apnea, Heart Rate Variability, Respiratory Rate; ECG, Mattress, Non-contact, Obstructive sleep apnea, Heart Rate Variability, Respiratory Rate
Subjects:	T Technology > T Technology (General) > T59.7 Human-machine systems. T Technology > TK Electrical engineering. Electronics Nuclear engineering > TK7878 Electronic instruments
Divisions:	Faculty of Intelligent Electrical and Informatics Technology (ELECTICS) > Biomedical Engineering > 11410-(S1) Undergraduate Thesis
Depositing User:	Rima Amalia
Date Deposited:	05 Aug 2024 01:08
Last Modified:	05 Aug 2024 01:08
URI:	http://repository.its.ac.id/id/eprint/111371

Actions (login required)

View Item