Klasifikasi Sinyal Ecg Gagal Jantung Menggunakan Wavelet Dan Jst Propagasi Balik Dengan Modifikasi Gradien Konjugat

Abstract

Gagal jantung kongestif (CHF) merupakan salah satu penyakit mematikan di dunia yang terjadi karena adanya kelainan pada otot-otot jantung sehingga jantung tidak dapat memompa darah sesuai kebutuhan tubuh. Sinyal jantung dapat dideteksi dengan menggunakan alat Electrocardiography (ECG). Pada dasarnya, sinyal jantung normal memiliki bentuk yang serupa. Namun, sinyal jantung penderita CHF, memiliki bentuk yang cukup bervariasi pada setiap individu. Hal tersebut dapat menimbulkan suatu permasalahan jika proses ekstraksi dilakukan dengan pencarian local features secara manual. Oleh karena itu, ekstraksi ciri wavelet digunakan pada penelitian ini untuk memetakan frekuensi terhadap waktu. Di samping itu, proses klasifikasi dengan metode JST Propagasi Balik Standar memerlukan waktu yang cukup lama untuk melakukan proses pelatihan. Sehingga, metode JST Modifikasi Propagasi Balik Gradien Konjugat Polak-Ribiere dengan teknik line search diusulkan untuk mempercepat proses pencarian.

 

Pada akhir penelitian, diperoleh ekstraksi Dekomposisi Paket Wavelet pada level 5 dengan data pelatihan yang digunakan sebanyak 22 menghasilkan nilai rata-rata yang lebih tinggi dari hasil pengujian lainnya, yaitu sebesar 72.5%. Adapun jumlah neuron yang paling optimal untuk digunakan pada lapisan tersembunyi yaitu sebanyak 30 neuron. Sementara itu, Charalambous’ Search merupakan teknik pencarian yang tercepat dan terakurat untuk diterapkan pada kasus ini dengan waktu pencarian 2.65 detik, 14 epoch, serta akurasi 87.5%.