<![CDATA[Elektrokardiografi (EKG) merupakan metode yang umum digunakan untuk mengukur kinerja jantung manusia melalui aktivitas elektrik jantung. Pada penelitian ini telah direalisasikan sebuah sistem yang mampu menganalisis dan mengklasi-fikasikan kelainan sinyal EKG. Continuous Wavelet Transform (CWT) dengan fungsi Morlet digunakan untuk mengeksplorasi karakteristik time-frequency sinyal EKG. Klasifikasi sinyal EKG dilakukan dengan Artificial Neural Network (ANN) metode algoritma backpropagation. Penyakit jantung merupakan salah satu penyakit berbahaya yang masih menjadi penyebab utama kematian di seluruh dunia. Penyakit jantung valvular merupakan salah satu jenis penyakit jantung yang disebabkan ketidaknormalan fungsi katup-katup jantung. Teknik auskultasi tradisional yang masih umum dijalankan hingga saat ini mengandung kelemahan yang utama, yaitu faktor variabilitas intrasubjek dan inter-subjek, sehingga dapat mengakibatkan perbedaan hasil diagnosa. Dalam rangka mengembangkan sistem auskultasi modern diperlukan suatu metode yang mampu menganalisa suara jantung dengan baik. Prosedur pemrosesan sinyal untuk mengekstrak fenomena fisik tersembuyi dari sinyal suara jantung terdiri dari 3 tahap. Pertama, Discrete Wavelet Transform, digunakan untuk mengurangi background noise pada sinyal asli. Kedua, sinyal disegmentasi menggunakan Normalized Average Shannon Energy. Ketiga, karakteristik dari sinyal akan diekstrak menggunakan Complex Continuous Wavelet Transform (CWT). Metode CWT yang telah diusulkan ini, menunjukkan kemampuan dalam mengekstrak dan mengidentifikasi suara jantung pertama S1, suara jantung kedua S2 dan komponenkomponennya. Hasil kontur time-frekuensi yang merefleksikan aktifitas mekanik dari katup maupun otot jantung diharapkan dapat digunakan dalam mendiagnosa kelainan jantung manusia.]]>
