Klasifikasi Penyakit Aritmia Melalui Sinyal Elektrokardiogram (EKG) Menggunakan Metode Local Features dan Support Vector Machine
GILANG TITAH RAMADHAN
Informasi Umum
Kode
18.04.090
Klasifikasi
C -
Jenis
Karya Ilmiah - Skripsi (S1) - Reference
Subjek
Data Mining
Dilihat
421 kali
Informasi Lainnya
Abstraksi
Jantung adalah organ terpenting dalam tubuh kita, sehingga jantung selalu dituntut dalam keadaan baik dan tidak dapat dipungkiri lagi bahwa seseorang memiliki kemungkinan menderita penyakit jantung aritmia. Dalam mendeteksi kondisi jantung dibutuhkan metode Elektrokardiogram (EKG) yang dapat menganalisis kondisi jantung manusia. Local Features merupakan salah satu metode ekstraksi ciri yang dapat mengetahui jumlah detak jantung dan dapat membantu dalam proses klasifikasi yang akan dilakukan oleh Support Vector Machine (SVM). Dalam fitur pengklasifikasian yang dilakukan oleh SVM, didapat akurasi dari dua data yang digunakan. Untuk data EKG normal akurasi terbesar bernilai 67% yang dihasilkan dari SVM kernel linear dan RBF, untuk data EKG aritmia akurasi terbesar bernilai 83% yang dihasilkan oleh kernel linear. Perbedaan kernel mempengaruhi akurasi pada setiap data bergantung kepada karakteristik setiap data EKG yang digunakan.
Kata Kunci : Aritmia , Elektrokardiogram, Local Features, Support Vector Machine
- IKG3N3 - DATA MINING
- CNH4G3 - MACHINE LEARNING
- IK2013 - STATISTIKA
Koleksi & Sirkulasi
Tersedia 1 dari total 1 Koleksi
Anda harus log in untuk mengakses flippingbook
Pengarang
| Nama | GILANG TITAH RAMADHAN |
| Jenis | Perorangan |
| Penyunting | Adiwijaya |
| Penerjemah |
Penerbit
| Nama | Universitas Telkom, Ilmu Komputasi |
| Kota | Bandung |
| Tahun | 2018 |
Sirkulasi
| Harga sewa | IDR 0,00 |
| Denda harian | IDR 0,00 |
| Jenis | Non-Sirkulasi |
