Klasifikasi Arritmia pada Sinyal EKG menggunakan Deep Neural Network

Penulis

  • Bayu Wijaya Putra Fakultas Ilmu Komputer, Universitas Sriwijaya
  • Rahmat Fadli Isnanto Fakultas Ilmu Komputer, Universitas Sriwijaya
  • Purwita Sari Fakultas Ilmu Komputer, Universitas Sriwijaya
  • Ariansyah Saputra Jurusan Teknik Komputer, Politeknik Negeri Sriwijaya
  • M. Rudi Sanjaya Fakultas Ilmu Komputer, Universitas Sriwijaya
  • A. Noviar Satria Mukti Fakultas Ilmu Komputer, Universitas Sriwijaya

Kata Kunci:

EKG, Arritmia, Klasifikasi, Deep Neural Network

Abstrak

Abstrak Penelitian yang dikembangkan saat ini memfokuskan klasifikasi sinyal Electrokardiogram (EKG) pada gangguan arritmia detak jantung. Monitoring ini bertujuan agar dapat menjadi penanganan dini terhadap berbagai jenis gangguan arritmia. Klasifikasi yang diajukan dapat mengklasifikasi 9 jenis gangguan arritmia dengan menggunakan metode Deep Neural Network (DNN). Teknik preprosessing data pada sinyal EKG sebelum proses klasifikasi, yaitu segmentasi, normalisasi menggunakan normalize bound, dan fitur extraction dengan menggunakan autoencoder. Hasil menunjukkan bahwa metode yang digunakan mendapatkan nilai akurasi yang sangat baik sebesar 99.62% dan sensitivity about 97.18%. Kata kunci—EKG, Arritmia, Klasifikasi, Deep Neural Network  Abstract The research developed today focuses the classification of Electrocardiogram (ECG) signals on heart rate arritmia disorders. This monitoring aims to be an early treatment of various types of arritmia disorders. Using the Deep Neural Network (DNN) process, the proposed classification will identify 9 kinds of arrhythmia disorders. Preprocessing of the ECG signal data technique before the classification process, namely segmentation, normalization using bound normalization, and autoencoder extraction function. Results showed that the system used gained an outstanding 99.62 percent precision value and about 97.18 percent sensitivity. Kata kunci—ECG, Arrhytmia, Classifikation, Deep Neural Network

Unduhan

Data unduhan belum tersedia.

Biografi Penulis

Bayu Wijaya Putra, Fakultas Ilmu Komputer, Universitas Sriwijaya

akultas Ilmu Komputer

Rahmat Fadli Isnanto, Fakultas Ilmu Komputer, Universitas Sriwijaya

Fakultas Ilmu Komputer,

Purwita Sari, Fakultas Ilmu Komputer, Universitas Sriwijaya

Fakultas Ilmu Komputer

Ariansyah Saputra, Jurusan Teknik Komputer, Politeknik Negeri Sriwijaya

Jurusan Teknik Komputer

M. Rudi Sanjaya, Fakultas Ilmu Komputer, Universitas Sriwijaya

Fakultas Ilmu Komputer

A. Noviar Satria Mukti, Fakultas Ilmu Komputer, Universitas Sriwijaya

Fakultas Ilmu Komputer

##submission.downloads##

Diterbitkan

2021-04-14

Cara Mengutip

Putra, B. W., Isnanto, R. F., Sari, P., Saputra, A., Sanjaya, M. R., & Mukti, A. N. S. (2021). Klasifikasi Arritmia pada Sinyal EKG menggunakan Deep Neural Network. JUPITER (Jurnal Penelitian Ilmu Dan Teknologi Komputer), 13(1), 29–38. Diambil dari https://jurnal.polsri.ac.id/index.php/jupiter/article/view/3245