Analisis Deep Learning Untuk Mengenali Qrs Kompleks Pada Sinyal Ecg Dengan Metode Cnn

Abstrak

Abstrak QRS kompleks adalah bentuk umum dari sinyal EKG yang normal dan berhubungan dengan deplarisasi ventrikel. QRS kompleks dapat mendeteksi kelainan frekuensi, keteraturan, tempat asal atau kondisi impuls listrik pada jantung. Namun, pendeteksian QRS kompleks saat ini masih dilakukan manual oleh dokter. Pada Tugas Akhir ini, Dataset yang digunakan diambil dari Fantasia Database MIT Arrythmia. Puncak gelombang R di deteksi menggunakan algoritma Pan and Tompskins lalu dari hasil deteksi data ECG di ekstrak menjadi dataset QRS dan nonQRS yang ditandai dengan kelas 1 dan kelas 0. Dataset ini kemudian diolah dengan metode Deep Learning menggunakan algoritma Convolutional Neural Network. Hasilnya, dengan 2410 dataset dengan komposisi 50% QRS dan 50% non QRS serta membagi data training sebanyak 70% dan data test sebanyak 30%, hasil akurasi yang diperoleh mencapai 99.58%. Kata kunci : Sinyal ECG, QRS Kompleks algoritma Pan and Tomskins, Convolutional Neural Network Abstract QRS complexes are a common form of normal ECG signals and are associated with ventricular deplaration. Complex QRS can detect abnormalities of frequency, regularity, place of origin or electrical impulse conditions in the heart. However, the current complex QRS detection is still performed manually by doctors. In this Final Project, the dataset used is taken from Fantasia MIT Arrythmia Database. R peaks is detected using the Pan and Tompskins algorithm and then the extracted results into QRS and nonQRS datasets characterized by classes 1 and 0. This dataset is processed by Deep Learning method using the Convolutional Neural Network. The result, with 2410 datasets with 50% QRS and 50% non QRS composition and 70% training data sharing and 30% test data, 99.58% accuracy. Keywords : ECG Signal, QRS Complex, Pan and Tomskins Algorithm, Convolutional Neural Network.