Deteksi Penyakit Aritmia pada Sinyal Elektrokardiogram Menggunakan Algoritma Jaringan Saraf Tiruan (JST)
Abstract
Jantung adalah salah satu organ vital yang berfungsi memompa ke seluruh tubuh manusia. Sehingga jantung harus selalu dalam keadaan baik karena ada beberapa gangguan fungsi jantung yang berakibat fatal bahkan bisa menyebabkan kematian, salah satunya adalah penyakit aritmia. Pada penelitian kali ini akan dirancang sebuah sistem untuk mendeteksi penyakit aritmia pada sinyal EKG menggunakan algoritma jaringan saraf tiruan (JST) dengan metode Interpolasi linier. Pada penelitian kali ini dataset yang digunakan terbagi kedalam dua kelas. Kemudian dilakukan juga beberapa skenario pengujian guna mencari hyperparameter terbaik. Ketika menggunakan data sebelum Interpolasi linier, hasil hyperparameter terbaik yang didapatkan adalah epoch 500, learning rate 0,01, batch size 64 dan optimizer adam. Akurasi yang didapat ketika menggunakan hyperparameter terbaik ini mendapatkan validsai akurasi sebesar 0,8571 dan validasi loss sebesar 0,4227. Kemudian hasil setelah dilakukannya pre- processing menggunakan Interpolasi linier terlebih dahulu, nilai hyperparameter terbaik yang didapatkan adalah epoch 500, learning rate 0,001, batch size 32 dan optimizer adam. Akurasi yang didapat ketika menggunakan hyperparameter terbaik ini adalah sebesar 0,6813 dengan loss 0,6203.
Kata kunci— Aritmia, Elektrokardiogram (EKG), Interpolasi linier, Jaringan Saraf Tiruan (JST).
References
A. S. Muharni Sita,
Available: https://jurnal.darmajaya.ac.id/index.php/PSND/article/view/2910/1233.
S. . N. D. Rani,
Available: https://jurnal.fmipa.unila.ac.id/jtaf/article/view/12701096.
Indonesia 6th ed. Jakarta: InternaPublishing, 2014.
M. Solikhah, Nuryani, and Darmanto,DeteksiAritmia pada Elektrokardiogram dengan Metode
Jaringan Syaraf Tiruan Kelas Jamak menggunakan
Fitur Interval RR, Lebar QRS, dan Gradien
Gelombang R,= Jurnal Fisika vol. 11, p. 36, 2015.
Y. Yuniadi,
Kematian Mendadak,= J. Kardiologi Indonesia vol.
, p. 139, 2017, [Online]. Available:https://d1wqtxts1xzle7.cloudfront.net/58317794/227
-mengatasi-aritmia-mencegah-kematian-mendc9ba84c4-with-cover-pagev2.pdf?Expires=1660928819&Signature=fqD50Qle
RWsfUD-fpfmERo8p7I7-FySh3OgXX1vrl5iXpiWLtIhEuR1wZ5N29sgmIWGs
y2O75qRYdWLhlL1znO6RSyE6XBDUo6.
A. Sudarsono,
PENDUDUKMENGGUNAKAN METODEBACPROPAGATION(STUDI KASUS DI KOTA BENGKULU),= Jurnal Media Infotama vol. 12, p.
, 2016.
R. Fauzi,
Photoplethysmography (PPG) untuk Deteksi
Aritmia,=Jurnal Universitas Telkom p. 14, 2021.
S. Sendhy,
COVID-19, PNEUMONIA, DAN TUBERCULOSIS PADA CITRA RONTGEN DADA MENGGUNAKAN CNN DENGAN ARSITEKTUR ALEXNET,=JurnalUniversitas Telkom pp. 20–22, 2022.
S. Singh,
Available:https://medium.com/@shubhanshi.shubh860/confusion-matrix-in-machine-learning-cd7333d72f5d.
K. Setyo Nugroho,
[Online]. Available:https://ksnugroho.medium.com/confusion-matrixuntuk-evaluasi-model-pada-unsupervised-machinelearning-bc4b1ae9ae3f.
M. M. A. S. Manimurugan, S. Al-Mutairi,
Things Smart Environment Using a Deep BeliefNeural Network,= IEEE Acces vol. 8, pp. 77396–77404, 2020, [Online]. Available: https://ieeexplore.ieee.org/stamp/stamp.jsparnumber=9057709.
How to implement linear interpolation in
Python,=J. Mathematics [Online]. Available:https://www.geeksforgeeks.org/how-to-implementlinear-interpolation-in-python/.
N. D. Miranda, L. Novamizanti, and S. Rizal,
Sidik Jari Menggunakan Resnet-50,= Jurnal Teknik
Informatika vol. 1, pp. 61–68, 2020.