Klasifikasi Sinyal Elektrokardiogram Untuk Irama Jantung Normal dan Aritmia Menggunakan Convolutional Neural Network (CNN)

Abstract

Jantung merupakan organ tubuh manusia yang berfungsi untuk memompa darah ke seluruh tubuh.
Dalam proses mendiagnosis kelainan jantung dapat dengan
Elektrokardiogram (EKG). Elektrokardiogram (EKG) adalah
salah satu tes untuk mengetahui detak jantung menggunakan
mesin pendeteksi impuls listrik atau disebut dengan
elektrokardiograf.. EKG dilakukan jika kamu mengalami
gangguan irama jantung (aritmia), dimana kecepatan detak
jantung penderitanya berdetak tidak normal seperti
detakannya cepat, detakan lambat, atau tidak beraturan.
Dalam pengklasifikasian sinyal EKG pada jantung diperlukan
deep learning karena dapat menganalisis data dalam skala
besar, diagnosa lebih cepat dan efisien, dan akurasi lebih tinggi
dibanding metode tradisional. Pada penelitian ini penulis
melakukan pengklasifikasian menggunakan Deep Learning,
dengan mengklasifikasikan sinyal EKG yang dipecah menjadi 2
kelas, yaitu Normal Sinus Rhythm (NSR) dan Arrhythmia. Pada
tugas akhir ini merancang system deteksi Aritmia dengan
metode Convolutional Neural Network (CNN) 1 Dimensi.
Skenario uji dilakukan dengan membandingkan jenis optimizer,
nilai learning rate, dan batch size agar memperoleh hasil
terbaik. Pada tugas akhir ini membentuk sistem untuk deteksi
Aritmia dengan metode Convolutional Neural Network (CNN)
1- Dimensi. Skenario uji membandingkan nilai learning rate,
mencari optimizer terbaik, dan mencari batch size yang tepat
untuk mendapatkan akurasi terbaik. Hasil Uji terbaik
didapatkan dengan memakai optimizer RMSProp, learning
rate 0.01, dan batch size 8. Didapatkan hasil hampir sempurna
yaitu akurasi 99% , recall 99%, presisi 99%, dan f-1 score 99%.
Kata Kunci : Convolutional Neural Network (CNN), Penyakit
Jantung, PhysioNet