Klasifikasi Sinyal Ecg Menggunakan Deep Learning Dengan Stacked Denoising Autoencoders

Abstract

Aritmia merupakan kondisi jantung yang berdetak tidak sebagaimana mestinya, bisa berdetak terlalu cepat, lambat, atau berdetak dengan pola yang tidak beraturan. Akibat jantung yang tidak berdetak dengan normal, maka peredaran darah pun menjadi tidak normal juga. Sehingga berpengaruh terhadap kondisi kesehatan tubuh. Untuk mendiagnosa aritmia, salah satu metode yang digunakan ialah dengan membaca pola sinyal jantung yang disebut dengan Electrocardiogram (ECG). Deep Learning merupakan suatu metode pembelajaran mesin yang memungkinkan komputasi dalam level abstraksi bertingkat. Salah satu jenis deep learning yaitu Stacked Denoising Autoencoders (SDAE) [7]. SDAE digunakan untuk merekonstruksi suatu data yang telah dirusak agar tetap memiliki informasi yang mendekati data yang sebenarnya. Pada tugas akhir ini, penulis merancang sebuah sistem yang dapat mendeteksi aritmia menggunakan metode SDAE sebagai tahap pretraining, dan Softmax Regression untuk melakukan fine tuning. Akurasi tertinggi yang dihasilkan dalam mengklasifikasikan sinyal ECG yaitu sebesar 98.91%. Kata kunci : Aritmia, Electrocardiogram, Deep Learning, Stacked Denoising Autoencoders, Softmax Regression, Fine Tuning.