Klasifikasi Sinyal Ekg Menggunakan Deep Belief Network Dengan Restricted Boltzmann Machine

Ali Zainal Abidin Assajjad, Jondri Jondri, Untari Novia Wisesty

Abstract

Abstrak
Jantung adalah salah satu organ terpenting bagi manusia. Kerusakan atau bahkan berhentinya kerja jantung dapat berakibat sangat fatal. Ketidaknormalan detak jantung manusia disebut dengan aritmia. Salah satu cara untuk melakukan diagnosis terhadap aritmia adalah dengan Elektrokardiogram (EKG). EKG merupakan salah satu metode diagnosis detak jantung dengan merekam aktivitas fisiologis jantung melalui elektroda-elektroda yang dipasang di kulit dalam periode waktu tertentu. Beberapa metode ekstraksi fitur dan klasifikasi dilakukan untuk mengetahui jenis-jenis detak jantung mana saja yang tergolong ke dalam aritmia. Di dalam Tugas Akhir ini digunakan Deep Belief Network (DBN) yang dibangun dari Stacked Restricted Boltzmann Machine (RBM). Sistem yang dibangun mampu melakukan ekstraksi fitur dan mengklasifikasi data EKG dengan akurasi terbaik 91,939%.
Kata kunci: Klasifikasi, Elektrokardiogram, Aritmia, Deep Belief Network
Abstract
Heart is one of the most important organ in human. Heart damage or failure has a very fatal impact. Abnormality of human heartbeat is called arrhythmia. One way to diagnose arrhythmia is electrocardiogram (ECG). ECG is a heartbeat diagnosis method which records the physiological activity of heart using electrodes on the skin in certain unit of time. Several feature extraction and classification method are used to determine the types of heartbeat which belong to the arrhythmia. In this final task, Deep Belief Network (DBN) is constructed using Stacked Restricted Boltzmann Machine (RBM). The constructed system is able to extract features and classify ECG data with best accuracy 91.939%
Keywords: Classification, ECG, Arrhythmia, Deep Belief Network

Full Text:

PDF

Refbacks

  • There are currently no refbacks.
max_upload :0