Klasifikasi Sinyal ECG menggunakan Deep Learning dengan Stacked Denoising Autoencoders

ILHAM MUHAMMAD

Informasi Dasar

17.04.2248
C
Karya Ilmiah - Skripsi (S1) - Reference

Aritmia merupakan kondisi jantung yang berdetak tidak sebagaimana mestinya, baik berdetak terlalu cepat, lambat, atau berdetak dengan pola yang tidak beraturan. Sehingga peredaran darah ke seluruh tubuh menjadi tidak normal dan mempengaruhi kondisi kesehatan tubuh. Untuk mendiagnosa aritmia yaitu dengan membaca pola sinyal aktifitas jantung yang disebut dengan Electrocardiogram (ECG). Metode Deep Learning dapat digunakan untuk membaca pola ECG dan menghasilkan informasi di dalamnya. Deep Learning merupakan suatu metode pembelajaran mesin yang memungkinkan komputasi dalam level abstraksi bertingkat. Salah satu model Deep Learning yaitu Stacked Denoising Autoencoders (SDAE). SDAE digunakan untuk mendapatkan ekstraksi ciri dari suatu data. Pada penelitian ini, penyusun merancang sebuah sistem yang dapat mengenali jenis aritmia dari suatu rekaman aktifitas jantung seseorang menggunakan metode SDAE untuk mendapatkan ekstraksi ciri, dan Softmax Regression untuk melakukan fine tuning. Akurasi tertinggi yang dihasilkan pada penelitian ini sebesar 98.91%.

Subjek

Machine - learning
 

Katalog

Klasifikasi Sinyal ECG menggunakan Deep Learning dengan Stacked Denoising Autoencoders
 
 
 

Sirkulasi

Rp. 0
Rp. 0
Tidak

Pengarang

ILHAM MUHAMMAD
Perorangan
 
 

Penerbit

Universitas Telkom
 
2017

Koleksi

Kompetensi

  • CIG4A3 - PEMBELAJARAN MESIN
  • CCH3F3 - KECERDASAN BUATAN
  • CCH4D4 - TUGAS AKHIR
  • CII4E4 - TUGAS AKHIR
  • CPI4E4 - TUGAS AKHIR
  • III4A4 - TUGAS AKHIR

Download / Flippingbook

 

Ulasan

Belum ada ulasan yang diberikan
anda harus sign-in untuk memberikan ulasan ke katalog ini