Estimasi Laju Pernapasan Dengan Elektrokardiogram Menggunakan Wavelet

ANITA, MIFTAHUL MAGHFIROH (2019) Estimasi Laju Pernapasan Dengan Elektrokardiogram Menggunakan Wavelet. Masters thesis, Institut Teknologi Sepuluh Nopember.

Text 07111750040007_Master_Thesis.pdf Restricted to Repository staff only Download (6MB)

Abstract

Laju pernapasan (RR) merupakan jumlah napas yang dihitung per satuan waktu, satuan pengukuran dinyatakan sebagai napas per menit (BrPM). RR dapat digunakan untuk deteksi Chronic Obstructive Pulmonary Disease (COPD) dan Congestive Heart Failure (CHF), apabila terdapat kondisi RR lebih dari 27 napas per menit maka nilai RR tersebut dapat digunakan sebagai indikator masalah jantung. Dari fakta yang diuraikan di atas, dapat disimpulkan bahwa pemantauan RR diperlukan secara efektif dan berkala. RR diukur menggunakan Respirometer, akan tetapi tidak semua kondisi subjek bisa diukur dengan alat tersebut, karena subjek harus dalam kondisi sadar dan ini tidak mungkin dilakukan jika subjek berada pada ruang ICU atau ruang operasi. Sinyal EKG digunakan untuk mengetahui laju pernapasan. Penelitian ini dirancang instrumen EKG menggunakan filter analog HPF 0.05 Hz dan LPF 100 Hz. Metode DWT diusulkan untuk memperoleh perkiraan sinyal laju pernapasan melalui sinyal EKG. Dekomposisi DWT menggunakan level 8 dengan rentang frekuensi 0.4 Hz - 0.97 Hz dan frekuensi sampling 250 Hz. Pengujian system DWT secara real-time dilakukan dengan tiga cara perlakuan yaitu: subjek dalam posisi tidur (terlentang), aktifitas naik tangga, treadmill serta sistem DWT juga diuji dengan data standar physionet secara off-line. Pengujian secara real-time dilakukan perekaman sinyal EKG dan sinyal laju pernapasan secara simultan, hasil rekaman sinyal laju pernapasan digunakan sebagai pembanding dari estimasi sinyal laju pernapasan dengan EKG menggunakan DWT. Data diproses menggunakan progam Delphi yang dilakukan selama 60 detik dengan menggunakan frekuensi sampling 250 Hz. Dari pengujian tersebut diperoleh nilai akurasi dari masing-masing perlakuan diantaranya: subjek dalam posisi tidur (2.35±1.75), aktifitas naik tangga (2.8±2.18), aktifitas treadmill (3.65±3.11), data standar physionet secara off-line (1.5±1.46). Pemrosesan DWT secara real-time mengalami keterlambatan 3 detik pada saat menampilkan hasil pengolahan sinyal laju pernapasan, ini disebabkan karena komputasi pada DWT hingga level ke-8 membutuhkan waktu 3 detik.
=================================================================================================================================
Respiratory rate (RR) is the number of breaths per unit time, typically expressed in breaths per minute (BrPM). RR is an important physiological parameter for detecting conditions such as Chronic Obstructive Pulmonary Disease (COPD) and Congestive Heart Failure (CHF). An RR exceeding 27 breaths per minute may indicate cardiac abnormalities. Therefore, continuous and effective RR monitoring is essential. Conventionally, RR is measured using a respirometer; however, this device cannot be used under all conditions, particularly for patients in intensive care units (ICUs) or operating rooms where direct respiratory measurement may not be feasible. This study proposes the estimation of RR from electrocardiogram (ECG) signals using the Discrete Wavelet Transform (DWT). An ECG acquisition system was designed with a 0.05 Hz high-pass filter (HPF) and a 100 Hz low-pass filter (LPF). DWT decomposition was performed up to the eighth level, corresponding to a frequency range of 0.4–0.97 Hz with a sampling frequency of 250 Hz. The proposed system was evaluated in real time under three conditions: subjects in a supine position, climbing stairs, and walking on a treadmill. In addition, offline testing was conducted using standard physiological datasets. Real-time validation was performed by simultaneously recording ECG and respiratory signals, with the measured respiratory signal serving as the reference. Data were processed using a Delphi-based program over 60-second recordings sampled at 250 Hz. The obtained estimation accuracies were 2.35 ± 1.75 BrPM for the supine position, 2.80 ± 2.18 BrPM during stair climbing, 3.65 ± 3.11 BrPM during treadmill activity, and 1.50 ± 1.46 BrPM for the offline standard dataset. Real-time DWT processing introduced a delay of approximately 3 seconds due to the computational time required for eighth-level wavelet decomposition.

Item Type:	Thesis (Masters)
Subjects:	Q Science > QA Mathematics > QA403.3 Wavelets (Mathematics)
Divisions:	Faculty of Electrical Technology > Electrical Engineering
Depositing User:	Maghfiroh Anita Miftahul
Date Deposited:	05 Aug 2026 07:41
Last Modified:	05 Aug 2026 07:41
URI:	http://repository.its.ac.id/id/eprint/70327

Actions (login required)

View Item