Desain Sistem Klasifikasi Kelainan Jantung menggunakan Learning Vector Quantization

Endah Purwanti, Franky Chandra Satria Arisgraha, Pujiyanto Pujiyanto, Muhammad Arief Bustomi

Abstract


Electrocardiograph (ECG atau EKG) merupakan alat diagnosis yang mengukur dan merekam aktifitas listrik jantung. Analisis sinyal EKG sering digunakan untuk mendiagnosis beberapa jenis kelainan jantung. Pada penelitian ini, kami merancang sistem jaringan syaraf tiruan untuk klasifikasi citra elektrikardiogram. Metode pemrosesan citra digunakan untuk ekstraksi fitur citra EKG dan proses klasifikasi menggunakan learning vector quantization. Beberapa data elektrokardiogram digunakan sebagai data pelatihan dan pengujian jaringan klasifikasi. Tiga jenis kelainan jantung dapat dideteksi oleh sistem. Hasil simulasi menunjukkan bahwa akurasi algoritma klasifikasi adalah sebesar 89% yang terdiri dari 9 normal, 4 bradikardi, 8 takikardi dan 7 aritmia.

Keywords


electrocardiogram; Learning Vector Quantization (LVQ); image processing

Full Text:

PDF

References


S. Pratanu, Buku Ajar Ilmu Penyakit Dalam (FK UI. Jilid 1 edisi ke-3.(halaman 88-934), Jakarta, 1999).

K. Dubowik, Automated Arrhythmia Analysis - An Expert System for an Intensive Care Unit (New Jersey: Prentice-Hall, 1999).

L. Schamroth, An Introduction to electrocardiography (Blackwell Scientific Publication, Oxford, 1990).

E.J. Berbari, Principle of Electrocardiography: The Biomedical Engineering Handbook (CRC Press LCC, 2000).

G.Q. Gao, Computerized Detection and Classification of Five Cardiac Condition (Auckland university of technology, New Zealand, 2003).

Jondri dan A. Rizal, Deteksi Otomatis Kelainan Jantung Menggunakan Hidden Markov Model (HMM) (Institut Teknologi Telkom, Bandung, 2010).

Endarko, dkk., Aplikasi Pengolahan Citra Elektrokardiograf dan Jaringan Saraf Tiruan untuk Identifikasi Penyakit Jantung Koroner, Jurnal Fisika dan Aplikasinya, 2(2), 0602011-0602018 (2006).

D. Putra, Sistem Biometrika: Konsep Dasar Teknik Analisis Citra (Penerbit Andi, Jogjakarta, 2008).

Nurdin dan D. Triwulandari, Konsep Pengolahan Citra Digital dan Ekstrasi fitur (Graha Ilmu, Jogjakarta, 2010).

W.K. Pratt, Digital Image Processing (John Wiley and Sons, Hoboken, New Jersey, 2007).

G. Dhaneswara, S. Moertini, Veronica, Jaringan saraf tiruan propagasi balik Untuk Klasifikasi Data, Jurnal Integral, 9(3), November (2004).

S. Kusumadewi, Membangun Jaringan Syaraf Tiruan Menggunakan Matlab dan Excellink (Graha Ilmu, edisi 1. Jogjakarta, 2004).

R.M. Subekti, dkk., Karakteristik Jaringan Syaraf Tiruan untuk Analisis Aktivasi Neutron (Pusat Pengembangan Teknologi Reaktor Riset (P2TRR), BATAN, Serpong, Tangerang, 2005).




DOI: http://dx.doi.org/10.12962%2Fj24604682.v9i2.841

Refbacks

  • There are currently no refbacks.


SURGAWIN

JUTAWANBET

WDMAHJONG

TOGELON

situs terbaik dan terpercaya

batmantoto

Situs toto

wak89

Batmantoto

slot

Slot Gacor Terbaru

ayu89

slot

<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

slot gampang menang

laetoto

slot

toko123

loket88

slot terpercaya

Kampung Laut

komikcast

Komik Bahasa Indonesia

jepang88

situs togel

jepang 88

emon77

toto

delapantoto

slot online

TOTOPECAH

slot gacor hari ini

ANGKABET

ANGKABET

ANGKABET

ANGKABET

ANGKABET

ANGKABET

HOKI88

ajaib888

cemara77

nego77

navi88

mega88

Slot888

loket88

situs

nabung77

laetoto

omtogel login

slot gacor gampang menang

teslatoto

slot gacor hari ini

monperatoto

slot gampang menang

slot gacor hari ini

slot gacor

slot gacor terbaru gampang menang

mpo99

loket88

nabung77