2018 : ESTIMASI PROGNOSIS PASIEN ICU DENGAN ANALISIS HEART RATE VARIABILITY MENGGUNAKAN METODE HIGHER-ORDER DETRENDED FLUCTUATION ANALYSIS

Edwin Riksakomara SKom, MT

Wiwik Anggraeni S.Si.,M.Kom

Ahmad Muklason S.Kom., M.Sc., Ph.D

Faizal Mahananto S.Kom, M.Eng., Ph.D

Afrian Riznaldhy

Herry Sufyan Hadi ST., MT.

Abstract

Intensive Care Unit (ICU) adalah salah satu unit Rumah Sakit yang memiliki peran penting dalam penyembuhan seorang pasien. Memprediksi kondisi pasien setelah keluar dari ICU diperlukan karena akan mempengaruhi perawatan terhadap pasien tersebut. Prioritas pasien yang dapat masuk dan keluar ICU salah satunya juga dipengaruhi oleh prediksi tersebut atau yang biasa disebut dengan prognosis. Prognosis adalah prediksi dari perkembangan penyakit dari pasien, apakah pasien memiliki kemungkinan pulih atau tidak. Prognosis tersebut nantinya juga akan digunakan sebagai pertimbangan atas perawatan dan penanganan yang akan diberikan kepada pasien. Hingga saat ini terdapat beberapa sistem penilaian/skoring prognosis seperti APACHE II, MODS, SOFA, dan SAPS II. Sistem-sistem tersebut akan menghasilkan nilai-nilai yang kemudian akan digambarkan menggunakan formula matematika untuk mendapatkan hasil prognosis pasien. Semakin tinggi nilai yang dihasilkan, maka semakin kecil kemungkinan pasien untuk dapat pulih. Walaupun sistem skoring dapat digunakan dalam mendapatkan hasil prognosis pasien, tetapi terdapat beberapa kekurangan seperti banyaknya variabel dan lamanya waktu yang dibutuhkan. Melihat pentingnya prognosis demi meningkatkan kualitas pelayanan terhadap pasien ICU, maka dibutuhkan sistem prognosis yang dapat dilakukan secara real time. Penelitian ini menggunakan metode Higher-Order Detrended Fluctuation Analysis untuk mengekstraksi fitur yang ada pada sinyal Heart Rate Variability (HRV) pasien ICU. Hasil ekstraksi fitur tersebut nantinya akan diklasifikasi menggunakan metode Artificial Neural Network (ANN) untuk mengetahui perbedaan antara sinyal HRV yang memiliki prognosis yang baik dan buruk pada pasien ICU. Hasil dari penelitian ini diharapkan mampu membantu ICU dalam meningkatkan kualitas dan efisiensi pelayanan terhadapt pasien ICU dengan memanfaatkan sinyal HRV sebagai variabel prognosis.