Perpustakaan Digital ITB

ABSTRAK PEMODELAN KEKAKUAN ARTERI BERBASIS MODEL WINDKESSEL UNTUK DETEKSI DINI PENYAKIT KARDIOVASKULAR Oleh ERVIN MASITA DEWI NIM: 33215005 (Program Studi Doktor Teknik Elektro dan Informatika) Penyakit kardiovaskular adalah penyebab utama kematian di dunia yang umumnya disebabkan oleh faktor usia dan gaya hidup. Metode diagnostik saat ini mendeteksi penyakit pada tahapan lanjut, yaitu pada saat mulai terjadinya gejala, bukan pada tahapan awal. Kelompok Keahlian Teknik Biomedika, Sekolah Teknik Elektro dan Informatika (STEI), Institut Teknologi Bandung (ITB) mengembangkan perangkat untuk mendeteksi penyakit kardiovaskular. Alat yang diberi nama NIVA atau Non-Invasive Vascular Analyzer merupakan perangkat non-invasif menggunakan sensor Photoplethysmography (PPG) dan sensor tekanan darah untuk evaluasi pembuluh darah, salah satunya adalah memprediksi berkurangnya elastisitas pembuluh darah. Parameter hasil pengukuran NIVA untuk mengukur tingkat elastisitas pembuluh adalah Stiffness Index (SI) dan Augmentation Index (AI). Untuk meningkatkan performa NIVA, dibuatlah suatu model yang dapat memperkirakan bentuk gelombang untuk menggambarkan kondisi kekakuan pembuluh darah. Model yang dibuat berdasarkan data hasil pengukuran sensor PPG dari NIVA pada ujung jari tangan dan ujung jari kaki yang belum dimanfaatkan. Model yang dipilih adalah model Windkessel yang memiliki beberapa jenis, mulai dari Windkessel satu segmen sampai dengan multi segmen. Semuanya digunakan untuk melihat pola aliran darah yang terjadi pada tubuh. Kelebihan dari penelitian ini adalah dengan penambahan segmen kaki pada model yang dikembangkan. Penambahan segmen kaki mengakibatkan adanya gelombang pantul, dari gelombang pantul inilah dianalisis tingkat kekakuan dari pembuluh darah. Selain dari penambahan segmen kaki, pemodelan ini dilengkapi dengan data pengukuran pada penderita jantung, sehingga hasil simulasi dari model yang dikembangkan sudah divalidasi terhadap hasil pengukuran parameter kekakuan pembuluh darah dari pasien jantung. Oleh karenanya, model yang dikembangkan ini dapat digunakan untuk deteksi dini penyakit kardiovaskular. Metode yang digunakan dalam penelitian ini membandingkan indeks kekakuan arteri melalui analisis sinyal PPG antara orang sehat dan pasien jantung yang sudah menjalani kateterisasi. Data yang digunakan merupakan hasil pengukuran NIVA yaitu berupa sinyal PPG yang diukur dari ujung jari tangan dan ujung jari kaki. Pengumpulan data dilakukan pada 10 orang sehat dan 10 pasien jantung di Diagnostic dan Cardiac Center Rumah Sakit Hasan Sadikin Bandung. Dengan hasil tes Anova sebesar p < 0.05, artinya terdapat perbedaan yang signifikan antara data orang sehat dan data pasien kateterisai jantung, sehingga data hasil pengukuran yang diperoleh dapat digunakan untuk referensi pembuatan model. Penelitian ini telah berhasil mengembangkan model kekakuan pembuluh darah berbasis model Windkessel multi segment dengan 3 segmen tangan, 3 segmen kaki, dan 1 segmen aorta. Dengan menggunakan model tersebut dapat diperkirakan bentuk gelombang sinyal PPG pada ujung jari tangan dan ujung jari kaki kiri sesuai dengan tingkat kekakuan pembuluh darah. Segmen pembuluh darah yang paling berpengaruh terhadap tingkat kekakuan adalah segmen Subclavian artery, Abdominal aorta, dan Iliac. Dari model yang dikembangkan diperoleh hubungan antara nilai kapasitansi model Windkessel terhadap parameter kekakuan pembuluh. Perubahan nilai C sangat berpengaruh terhadap bentuk gelombang. Bentuk gelombang akibat perubahan nilai C terutama pada segmen 3, 4 dan 5 menggambarkan kondisi kekakuan pembuluh darah. Pada kondisi fisiologis penderita kardiovaskular dengan nilai C yang berkurang sebanyak 20% dari nilai normal, nilai SI bernilai 608 cm/s untuk tangan dan 345 cm/s untuk kaki, dimana nilai normal pada orang sehat nilai C SI bernilai 365 cm/s untuk tangan dan 288 cm/s. Dengan mengatur nilai C pada model, dapat dilihat bentuk gelombang PPG ujung jari tangan dan kaki. Penurunan 20% nilai kapasitansi mengakibatkan kenaikan SI sebesar 66% dan akan meningkatkan resiko terkena penyakit kardiovaskular hingga 80%. Kata kunci: Photoplethysmography, Stiffness Index, Augmentation Index, Windkessel.