DETEKSI PENYAKIT ARITMIA MENGGUNAKAN ALGORITMA JARINGAN SARAF BERULANG (JSB) PADA SINYAL ELEKTROKARDIOGRAM
MUHAMMAD FIQRY TRIANDA PUTRA

Informasi Umum

Kode

23.04.1887

Klasifikasi

621.382 2 - Signal processing, Information theory

Jenis

Karya Ilmiah - Skripsi (S1) - Reference

Subjek

Signal Processing

Dilihat

375 kali

Informasi Lainnya

Abstraksi

<p>   Aritmia atau gangguan irama jantung merupakan suatu kelainan yang terjadi saat <br /> impuls listrik di jantung tidak bekerja dengan baik. Saat terjadinya aritmia detak <br /> pada jantung tidak normal, tidak beraturan bisa cepat maupun lambat. Aritmia <br /> terbagi menjadi takiaritmia, bradiaritmia, fibrilasi atrium dan fibrilasi ventrikel. <br /> Komplikasi dari aritmia ini dapat menyebabkan stroke, gagal jantung dan kematian <br /> mendadak. Pemeriksaan yang dilakukan untuk mendeteksi aritmia adalah <br /> elektrokardiogram atau EKG. Pada pemeriksaan EKG akan didapatkan sinyal yang <br /> akan digunakan untuk mendeteksi terjadinya aritmia atau gangguan irama jantung.<br />    Tugas akhir ini dilaksanakan untuk mendeteksi aritmia atau gangguan irama <br /> jantung menurut sinyal elektrokardiogram dengan menggunakan interpolasi linier. <br /> Interpolasi linier adalah bentuk paling sederhana dari interpolasi yaitu dengan <br /> menghubungkan dua buah titik data garis data dengan garis lurus. Klasifikasi yang <br /> digunakan ialah Recurrent Neural Network (RNN) yaitu suatu klasifikasi yang <br /> proses pemanggilannya dilakukan berulang-ulang. Penelitian yang telah <br /> dilaksanakan ini menggunakan dataset yang didapat dari DataHub.io dengan total <br /> data 452 dengan data yang berbentuk data tabular dan terbagi atas dua kelas yaitu <br /> data normal dan data aritmia. Pada proses uji coba yang dilaksanakan, data terbagi <br /> menjadi 80% data train dan 20% data uji. Algoritma yang digunakan pada <br /> penelitian ini adalah Recurrent Neural Network (RNN)-Long Short Term Memory <br /> (LSTM).<br />    Pada penelitian ini dilakukan skenario pengujian untuk mencari hyperparameter<br /> terbaik. Pada penggunaan dataset sebelum interpolasi, hasil hyperparameter<br /> terbaiknya adalah epoch 100, learning rate 0,0001, batch size 32 dan optimizer<br /> Adam. Akurasi yang didapat ketika menggunakan hyperparameter terbaik ini <br /> mendapatkan akurasi sebesar 0,8148 validasi akurasi sebesar 0,7857 dengan nilai <br /> validasi loss sebesar 0,5294. Kemudian setelah menggunakan dataset sesudah <br /> interpolasi, nilai hyperparameter terbaik yang didapatkan adalah epoch 100, <br /> learning rate 0,001, batch size 128 dan optimizer Adam. Akurasi yang didapat <br /> ketika menggunakan hyperparameter terbaik ini adalah sebesar 0,8864 dan validasi <br /> akurasi 0,7692 dengan validasi loss sebesar 0,6149.<br /> 5<br /> Kata Kunci : Aritmia, Elektrokardiogram, Interpolasi Linier, Recurrent Neural <br /> Network (RNN)-Long Short Term Memory (LSTM)</p>

• TTI4I3 - AI DAN BIG DATA ANALYSIS
• TTI1B3 - MATRIKS DAN RUANG VEKTOR
• TTI2B3 - PERSAMAAN DIFERENSIAL DAN APLIKASI

Koleksi & Sirkulasi

Tersedia 1 dari total 1 Koleksi

Pengarang

Penerbit

Sirkulasi

Download / Flippingbook