Deteksi Aritmia pada Elektrokardiogram dengan Metode Jaringan Syaraf Tiruan Kelas Jamak menggunakan Fitur Interval RR, Lebar QRS, dan Gradien Gelombang R

Mar’atus Solikhah; Nuryani Nuryani; Darmanto Darmanto

doi:10.12962/j24604682.v11i1.784

Deteksi Aritmia pada Elektrokardiogram dengan Metode Jaringan Syaraf Tiruan Kelas Jamak menggunakan Fitur Interval RR, Lebar QRS, dan Gradien Gelombang R

Mar’atus Solikhah, Nuryani Nuryani, Darmanto Darmanto

Abstract

Penelitian untuk deteksi aritmia pada elektrokardiogram dengan metode Jaringan Syaraf Tiruan (JST) Multilayer Perceptron-Backpropagation (MLP-BP) kelas jamak menggunakan fitur interval RR, interval QRS, serta gradien gelombang R telah berhasil dilaksanakan. Tipe aritmia yang dideteksi dalam penelitian adalah Premature Ventricular Contraction (PVC), Premature Atrial Contraction (PAC), dan Left Bundle Branch Block (LBBB). Pada penelitian ini dilakukan variasi jumlah fitur sebagai masukan JST, yaitu tiga macam fitur dan dua macam fitur. Hasil penelitian terbaik ditunjukkan pada variasi tiga macam fitur (interval RR, interval QRS, gradien gelombang R ) dengan kinerja berupa sensitivitas, spesifisitas, serta akurasi cukup baik yaitu 94,63%, 93,94%, serta 94,49%.

Keywords

Arrythmia; artificial neural network; electrocardiogram (ECG)

Full Text:

PDF

References

WHO, The top 10 causes of death, http://www.who.int (2013),

akses: 24 Maret 2014.

WHO, Projection of death rates: WORLD By cause,

http://apps.who.int (2013), akses: 24 Maret 2014 .

Z. Abidin, Faktor Risiko Penyakit Jantung Koroner pada Pasien

Rawat Inap Di Cardiovascular Care Unit (Cvcu) Cardiac Centre

Rsup Dr. Wahidin Sudirohusodo Makassar periode Januari-Juli

, Disertasi, Fakultas Kedokteran Universitas Hasanuddin,

D.D. Patil, et al., International Journal of Computer Science Issues (IJCSI), 9(1), 408-413 (2012).

H. Milhorn, Electrocardiography for The Family Physician: The

Essentials (Brown Walker Press, Florida, 2005).

M.S. Thaler, The Only EKG Book You’ll Ever Need Fifth Edition

(Lippincott Williams & Wilkins, 2007).

Julian, R. Asti, N. Suciati, D. Herumurti, Klasifikasi Aritmia

EKG Menggunangan Jaringan Saraf Tiruan dengan Fungsi Aktivasi

Adaptif, Skripsi, Teknik Informatika, FTIF-ITS, Surabaya

A.M. Vanage, R.H. Khade, and D.B. Shinde, International Journal of Computational Engineering & Manegement (IJCEM),

(4), 75-79 (2012).

M. Fauziyah, T. Sriwidodo, Litasari, Pengembangan Jaringan

Syaraf Tiruan Backpropagation untuk Klasifikasi Isyarat EKG,

Prosiding SENTIA 2009, Maret 12-13, Politeknik Negeri

Malang, 2009.

R.S. Mane, et al., International Journal of Engineering Research and Applications (IJERA), 3(2), 327-332 (2013).

E. Purwanti, Franky Chandra A. S., Pujianto, M.A. Bustomi,

Jurnal Fisika Dan Aplikasinya, 9(2), 57-62 (2013).

V. Ilankumaran, S. ThamaraiSelvi, International Journal of

Computer Applications, 20(1), 11-18 (2011).

S.M. Jadhav, S.L. Nalbalwar, A.A. Gathol, International Journal of Computer Applications, 44(15), 8-13 (2012).

A. Iswanto, Perancangan Sistem Pendeteksi Aritmia Menggunakan Neural Network, Tugas Akhir, Jurusan Elektro, FTI-ITS, Surabaya, 2010.

DOI: http://dx.doi.org/10.12962%2Fj24604682.v11i1.784

Refbacks

There are currently no refbacks.

<div style="display: none;"><p><a href="https://comictoon.net/">Komik Bahasa Indonesia</a></p></div><div style="display: none;"><p><a href="https://comictoon.net/">Komik Bahasa Indonesia</a></p></div>situs loket88