Klasifikasi Penyakit Jantung Berdasarkan Nilai Amplitudo ECG Signal Menggunakan Deep Learning

Authors

Abstract

Penyakit kardiovaskular merupakan salah satu penyebab utama kematian secara global, dengan jumlah korban mencapai jutaan jiwa setiap tahunnya. Salah satu metode deteksi dini penyakit jantung adalah melalui analisis sinyal ECG (Electrocardiogram). Namun, analisis manual terhadap sinyal ECG masih memiliki keterbatasan dalam hal efisiensi dan akurasi. Penelitian ini bertujuan untuk mengembangkan model klasifikasi penyakit jantung berdasarkan nilai amplitudo sinyal ECG menggunakan metode deep learning. Empat arsitektur model deep learning yang digunakan adalah CNN, RNN, LSTM, dan GRU. Dataset yang digunakan berasal dari MIT-BIH Arrhythmia yang terdiri dari lima kelas jenis detak jantung. Proses pelatihan dan pengujian dilakukan menggunakan parameter yang sama, serta evaluasi model dilakukan menggunakan metrik akurasi, precision, recall, dan F1-score. Hasil pengujian menunjukkan bahwa model CNN dan GRU memiliki performa terbaik dengan akurasi sebesar 0.98, sementara RNN menunjukkan performa terendah dengan akurasi 0.83. Hasil penelitian ini menunjukkan bahwa penggunaan model deep learning, khususnya CNN dan GRU, efektif dalam mengklasifikasikan sinyal ECG untuk deteksi penyakit jantung secara otomatis. Kata kunci—Deep learning, CNN, RNN, LSTM, GRU, Klasifikasi

Downloads

Download data is not yet available.

References

[1] N. Leyva-López, C. Hernández, C. E. Lizárraga-Velázquez, E. P. Gutiérrez-Grijalva, and J. B. Heredia, “Cardiovascular diseases,” in Phytochemicals from Mexican Medicinal Plants: Potential Biopharmaceuticals against Noncommunicable Diseases, 2020, pp. 263–325. doi: 10.29309/tpmj/2016.23.11.1770.

[2] Kemenkes, “Peringatan Hari Jantung Sedunia 2021: Jaga Jantungmu untuk Hidup Lebih Sehat,” Kemenkes, pp. 1–7, 2021, Accessed: Aug. 04, 2025. [Online]. Available: https://ayosehat.kemkes.go.id/peringatan-hari-jantung-sedunia-2021-jaga-jantungmu-untuk-hidup-lebih-sehat

[3] M. Kachuee, S. Fazeli, and M. Sarrafzadeh, “ECG Heartbeat Classification: A Deep Transferable Representation,” Jul. 2018, doi: 10.1109/ICHI.2018.00092.

[4] I. H. Sarker, “Machine learning: Algorithms, real-world applications and research directions,” SN Comput. Sci., vol. 2, no. 3, p. 160, 2021.

[5] M. Rifali and D. Irmawati, “Sistem Cerdas Deteksi Sinyal Elektrokardiogram (EKG) untuk Klasifikasi Jantung Normal dan Abnormal Menggunakan Jaringan Syaraf Tiruan (JST),” Elinvo (Electronics, Informatics, Vocat. Educ., vol. 4, pp. 49–55, Nov. 2019, doi: 10.21831/elinvo.v4i1.28242.

[6] J. Sihotang, H. Tanudjaja, K. Indriati, and S.-N. Yu, “Analisis Sinyal ECG (Electrocardiogram) pada Aktivitas Duduk dan Berdiri dengan Metode HRV (Heart Rate Variability) pada Domain Waktu,” J. Elektro, vol. 12, no. 2, pp. 63–74, 2019.

[7] R. A. Putri, J. Y. Mindara, and S. R. I. Suryaningsih, “Rancang bangun wireless elektrokardiogram (EKG),” JIIF (Jurnal Ilmu dan Inov. Fis., vol. 1, no. 1, pp. 58–64, 2017.

[8] T. Moller, Y. Georgie, M. Voss, and L. Kaltwasser, “An Arduino Based Heartbeat Detection Device (ArdMob-ECG) for Real-Time ECG Analysis,” 2022 IEEE Signal Process. Med. Biol. Symp. SPMB 2022 - Proc., pp. 1–26, 2022, doi: 10.1109/SPMB55497.2022.10014819.

[9] M. P. Lukman, D. Widyaningsih, A. Lawi, and A. Asmila, “Sistem Deteksi Penyakit Aritmia Berdasarkan Jumlah Detak Jantung Berbasis Internet of Things dan Cloud Storage,” in Seminar Nasional Teknik Elektro dan Informatika (SNTEI), 2022, pp. 310–315.

[10] D. K. Widjaja, A. A. Setiawan, and A. Ariosta, “GAMBARAN GANGGUAN IRAMA JANTUNG YANG DISEBABKAN KARENA HIPERTIROID,” J. Kedokt. Diponegoro (Diponegoro Med. Journal), vol. 6, no. 2, pp. 434–442, 2017.

[11] E. L. Utari, “Analisa deteksi gelombang qrs untuk menentukan kelainan fungsi kerja jantung,” Teknoin, vol. 22, no. 1, 2016.

[12] A. Arifin et al., “PENGENALAN RITME ELEKTROKARDIOGRAFI DALAM MENDETEKSI KELAINAN JANTUNG,” EEPIS Final Proj., 2011.

[13] Primaya, “Penyebab Premature Atrial Complex (PAC) Jantung & Penanganannya - Primaya Hospital,” Primaya Hospital. Accessed: Aug. 04, 2025. [Online]. Available: https://primayahospital.com/jantung/premature-atrial-complex/

[14] R. Pranata, “Frequent premature atrial complex: A neglected marker of adverse cardiovascular events,” Int. J. Cardiovasc. Acad., 2020.

[15] R. L. Mampioper, R. Maulana, and B. H. Prasetio, “Implementasi Sistem Pendeteksi Premature Atrial Contraction (PAC) menggunakan Metode Naive Bayes Classifier,” J. Pengemb. Teknol. Inf. dan Ilmu Komput., vol. 6, no. 7, pp. 3291–3300, 2022.

[16] G. M. Marcus, “Evaluation and management of premature ventricular complexes,” Circulation, vol. 141, no. 17, pp. 1404–1418, 2020.

[17] A. R. Pratama, R. Maulana, and D. Syauqy, “Implementasi Sistem Pendeteksi Premature Ventricular Contraction (PVC) Aritmia menggunakan Metode SVM,” J. Pengemb. Teknol. Inf. dan Ilmu Komput., vol. 5, no. 2, pp. 542–548, 2021.

[18] D. M. O. Sitinjak, E. R. Widasari, and F. Utaminingrum, “Sistem Pendeteksi Premature Ventricular Contraction (PVC) berdasarkan Lebar QRS dan Gradien R menggunakan Metode FK-NN,” J. Pengemb. Teknol. Inf. dan Ilmu Komput., vol. 7, no. 2, pp. 592–598, 2023.

[19] A. D. Fakhrudin and P. H. Gunawan, “Arrhythmia Classification Using CNN-SVM from ECG Spectrogram Representation,” Eduvest-Journal Univers. Stud., vol. 4, no. 12, pp. 11245–11254, 2024.

[20] P. H. Waddingham, P. Lambiase, A. Muthumala, E. Rowland, and A. W. C. Chow, “Fusion pacing with biventricular, left ventricular-only and multipoint pacing in cardiac resynchronisation therapy: latest evidence and strategies for use,” Arrhythmia Electrophysiol. Rev., vol. 10, no. 2, p. 91, 2021.

[21] M. Kucio, A. Kułach, T. Skowerski, M. Bałys, M. Skowerski, and G. Smolka, “Acute Effects of Fusion Pacing Versus Standard CRT on Myocardial Function in Heart Failure Patients with LBBB,” J. Clin. Med., vol. 14, no. 13, p. 4433, 2025.

[22] Y. B. E. Purba, N. F. Saragih, A. P. Silalahi, S. Sitepu, and A. Gea, “Perancangan Alat Pendeteksi Kematangan Buah Nanas Dengan Menggunakan Mikrokontroler Dengan Metode Convolutional Neural Network (CNN),” Methotika J. Ilm. Tek. Inform., vol. 2, no. 1, pp. 13–21, 2022.

[23] Trivusi, “Pengertian dan Cara Kerja Algoritma Convolutional Neural Network (CNN),” Trivusi. Accessed: Aug. 04, 2025. [Online]. Available: https://www.trivusi.web.id/2022/04/algoritma-cnn.html

[24] L. Alzubaidi et al., “Review of deep learning: concepts, CNN architectures, challenges, applications, future directions,” J. Big Data, vol. 8, no. 1, Dec. 2021, doi: 10.1186/s40537-021-00444-8.

[25] M. A. Khan and P. Lim, “Predicting cognitive load in immersive driving scenarios with a hybrid CNN-RNN model.”

[26] I. D. Mienye, T. G. Swart, and G. Obaido, “Recurrent Neural Networks: A Comprehensive Review of Architectures, Variants, and Applications,” Sep. 01, 2024, Multidisciplinary Digital Publishing Institute (MDPI). doi: 10.3390/info15090517.

[27] A.-C. Akazan, V. R. Mbingui, G. L. R. N’guessan, and I. Karambal, “Localized Weather Prediction Using Kolmogorov-Arnold Network-Based Models and Deep RNNs,” May 2025, [Online]. Available: http://arxiv.org/abs/2505.22686

[28] J. Chung, C. Gulcehre, K. Cho, and Y. Bengio, “Empirical Evaluation of Gated Recurrent Neural Networks on Sequence Modeling,” Dec. 2014, [Online]. Available: http://arxiv.org/abs/1412.3555

[29] A. Michael and J. Rusman, “Klasifikasi Cacat Biji Kopi Menggunakan Metode Transfer Learning dengan Hyperparameter Tuning Gridsearch,” J. Teknol. dan Manaj. Inform., vol. 9, no. 1, pp. 37–45, 2023.

[30] “ECG Heartbeat Categorization Dataset.” Accessed: Aug. 07, 2025. [Online]. Available: https://www.kaggle.com/datasets/shayanfazeli/heartbeat

Downloads

Published

2025-12-01

Issue

Pages

10213-10220

Section

Prodi S1 Teknik Informatika - Kampus Purwokerto

How to Cite

Errando Winoto, K., Euclides W, N., & Prademone Y, A. (2025). Klasifikasi Penyakit Jantung Berdasarkan Nilai Amplitudo ECG Signal Menggunakan Deep Learning. EProceedings of Engineering, 12(6), 10213-10220. https://openlibrarypublications.telkomuniversity.ac.id/index.php/engineering/article/view/28823