Klasifikasi Kondisi Detak Jantung Berdasarkan Hasil Rekam Elektrokardiografi (Ekg) Menggunakan Algoritma Support Vector Machine (Svm)

Hasanah, Uswatun (2016) Klasifikasi Kondisi Detak Jantung Berdasarkan Hasil Rekam Elektrokardiografi (Ekg) Menggunakan Algoritma Support Vector Machine (Svm). Sarjana thesis, Universitas Brawijaya.

Abstract

Perkembangan Ilmu Pengetahuan dan Teknologi (IPTEK) semakin pesat terutama dalam bidang kesehatan. Elektrokardiografi (EKG) merupakan salah satu metode untuk menentukan kondisi jantung manusia yang direpresentasikan dalam bentuk gelombang. Untuk menafsirkan bentuk gelombang tersebut memiliki detak jantung normal atau terdapat gangguan hanya dapat dilakukan oleh seorang pakar atau dokter. Penelitian ini bertujuan untuk menentukan klasifikasi dari sinyal gelombang EKG tersebut dengan menggunakan metode Support Vector Machine. Klasifikasi untuk kondisi detak jantung dengan algoritma SVM ini didukung dengan strategi strategi One Against All untuk menyelesaikan permasalahan multi class yang ada pada penelitian ini, yaitu normal, atrial fibrillation, pvc bigeminy, dan ventricular tachycardia. Data didapatkan dari MIT-BIH Arrhytmia Database dan hasil klasifikasi yang didapatkan memiliki rata-rata akurasi sebesar 81.3% menggunakan dataset dari fitur 3601 MLII dengan kernel Polynomial dan kombinasi nilai parameter λ (lamda) = 0.5, konstanta γ (gamma) = 0.01, dan ε (epsilon) = 10-10 . iterMax = 100, dan C (complexity) = 1.

English Abstract

The development of Science and Technology (Science and Technology) growing rapidly, especially in the health field. Electrocardiography (ECG) is one method for determining the condition of the human heart rate that is represented in the form of waves. To interpret the waveform has a normal heartbeat or an arrhytmia can only be done by an expert or a doctor. This study aims to determine the classification of the ECG waveform signal by using Support Vector Machine. Classifications for conditions heartbeat with SVM algorithm is supported by One Against All of strategies to solve the problems of multi-class in this study, such as normal, atrial fibrillation, pvc bigeminy, and ventricular tachycardia. Data obtained from the MIT-BIH Arrhythmias Database and the average accuracy of the classification is 81.3% by using dataset from 3601 MLII features with kernel polynomial and combined with parameter values λ (lamda) = 0.5, constant of γ (gamma) = 0.01, ε (epsilon) = 10-10, iterMax = 100, and C (complexity) = 1.

Item Type: Thesis (Sarjana)
Identification Number: SKR/FTIK/2016/563/051610846
Subjects: 000 Computer science, information and general works > 005 Computer programming, programs, data
Divisions: Fakultas Ilmu Komputer > Sistem Informasi
Depositing User: Sugiantoro
Date Deposited: 17 Nov 2016 15:53
Last Modified: 21 Oct 2021 17:55
URI: http://repository.ub.ac.id/id/eprint/147138
[thumbnail of KLASIFIKASI_KONDISI_DETAK_JANTUNG_BERDASARKAN_HASIL_REKAM_EKG_MENGGUNAKAN_ALGORITMA_SVM.pdf]
Preview
Text
KLASIFIKASI_KONDISI_DETAK_JANTUNG_BERDASARKAN_HASIL_REKAM_EKG_MENGGUNAKAN_ALGORITMA_SVM.pdf

Download (10MB) | Preview
[thumbnail of KLASIFIKASI__JOURNALKONDISI_DETAK_JANTUNG_BERDASARKAN_HASIL_REKAM_EKG_MENGGUNAKAN_ALGORITMA_SVM.pdf]
Preview
Text
KLASIFIKASI__JOURNALKONDISI_DETAK_JANTUNG_BERDASARKAN_HASIL_REKAM_EKG_MENGGUNAKAN_ALGORITMA_SVM.pdf

Download (2MB) | Preview

Actions (login required)

View Item View Item