STUDI ALGORITMA EKSTRAKSI FITUR PADA SINYAL PHOTOPLETHYSMOGRAM (PPG) UNTUK MENINGKATKAN AKURASI DETEKSI

ABDUL RAHMAN SAFARI

Informasi Umum

Kode

19.04.4100

Klasifikasi

610.28 - Biomedical Engineering

Jenis

Karya Ilmiah - Skripsi (S1) - Reference

Subjek

Biomedical Engineering

Dilihat

256 kali

Informasi Lainnya

Abstraksi

Penyakit jantung koroner memiliki jenis yang beragam. Salah satu gejala penyebab penyakit jantung koroner adalah penyakit aritmia dengan jenis Premature Ventricular Contraction (PVC) dan Premature Atrial Contraction (PAC), karena gejalanya yang cukup sulit dikenali. Proses penanganan penyakit ini cenderung memakan waktu yang lama karena terbatasnya Dokter spesialis aritmia di Indonesia. Selain itu, penanganan aritmia membutuhkan biaya yang mahal karena membutuhkan fasilitas medis yang memadai. Pada beberapa tahun terakhir banyak penelitian yang menggunakan sinyal EKG agar dapat mendeteksi penyakit Premature Atrial Contraction (PAC) dan Premature Ventricular Contraction (PVC), dan dibandingkan dengan sinyal Photophlethysmograph (PPG), sinyal Photophlethysmograph (PPG) lebih sedikit dilakukannya penelitian pada deteksi penyakit Premature Atrial Contraction (PAC) dan Premature Ventricular Contraction (PVC) tersebut. Sebelum masuk kedalam tahapan klasifikasi deteksi penyakit Premature Ventricular Contraction (PVC) dan Premature Atrial Contraction (PAC), ekstrasi fitur sangat berpengaruh besar terhadap hasil akurasi deteksi penyakit tersebut, Oleh karena itu pemilihan algoritma ekstrasi fitur yang tepat sangat penting untuk menentukan hasil akhir pada saat klasifikasi. Oleh karena itu tugas akhir ini mengusulkan studi algoritma ekstrasi fitur untuk mendeteksi dan meningkatkan akurasi, selain itu tugas akhir ini juga melakukan pengembangan prototipe deteeksi Premature Ventricular Contraction (PVC) dan Premature Atrial Contraction (PAC) dengan menggunakan sinyal PPG. Metode algoritma yang digunakan pada tugas akhir ini yaitu, Time domain features, sliding window, dan QTinterval. Hasil pengujian menunjukkan bahwa algoritma estraksi fitur terbaik dari ketiga algoritma yang diusulkan adalah Algoritma Sliding Window. Dengan nilai akurasi dan spesifisitas mencapai 90% dan 96.56% Selain itu, prototipe yang dikembangkan dapar mendeteksi Premature Ventricular Contraction (PVC) dan Premature Atrial Contraction (PAC) secara realtime.