ANALISIS DETAK JANTUNG ABNORMAL MENGGUNAKAN FAST FOURIER TRANSFORM (FFT) PADA DATA EKG PTB DENGAN IMPLEMENTASI PYTHON

Abstract

According to the WHO Global Report on Hypertension (2023), the number of adults suffering from hypertension has nearly doubled over the past three decades—from 650 million in 1990 to 1.3 billion in 2019. This significant rise in high blood pressure poses serious health risks, particularly as a leading cause of Coronary Heart Disease (CHD). In Indonesia, of the estimated 10.8 million deaths, approximately 7.4 million are attributed to CHD. One of the key techniques used in biomedical signal analysis, especially in electrocardiogram (ECG) signal processing, is the Fast Fourier Transform (FFT). ECG signals represent cardiac activity through waveforms labeled P, Q, R, S, and T in each heartbeat cycle. This study aims to process ECG signal data to detect whether the heart condition is normal or abnormal using the FFT method. The ECG data is sourced from the PTB Diagnostic ECG Database and processed using Python-based computational tools. The procedure involves loading the data, applying the FFT algorithm, and extracting features that distinguish between normal and abnormal heart conditions while minimizing signal noise.

Berdasarkan Laporan Global WHO tentang Hipertensi tahun 2023, jumlah penderita hipertensi di kalangan orang dewasa secara global telah mengalami peningkatan hampir dua kali lipat dalam tiga dekade terakhir, yaitu dari 650 juta pada tahun 1990 menjadi 1,3 miliar pada tahun 2019. Lonjakan angka tekanan darah tinggi ini memberikan dampak signifikan terhadap kesehatan, terutama karena menjadi faktor risiko utama Penyakit Jantung Koroner (PJK). Di Indonesia sendiri, dari total 10,8 juta kematian, sekitar 7,4 juta disebabkan oleh PJK. Salah satu metode yang digunakan dalam analisis sinyal biomedis, khususnya elektrokardiogram (EKG), adalah Fast Fourier Transform (FFT). Sinyal EKG menggambarkan aktivitas jantung dalam bentuk gelombang P, Q, R, S, dan T yang muncul di setiap siklus jantung. Penelitian ini bertujuan untuk memproses data sinyal EKG guna mengidentifikasi kondisi jantung normal atau abnormal dengan memanfaatkan metode FFT. Data sinyal EKG diperoleh dari PTB Diagnosis ECG Database dan diolah menggunakan perangkat lunak berbasis Python. Proses ini mencakup pembacaan data, penerapan metode FFT, hingga ekstraksi fitur dari sinyal EKG yang telah diproses, guna membedakan antara kondisi jantung normal dan abnormal serta mengurangi gangguan sinyal (noise).