Sistem Pendeteksi Atrial Fibrilasi Berdasarkan Fitur Mean, Median, Standar Deviasi, Min, Dan Maks Interval RR Menggunakan Metode K-NN, Rizal Maulana, S.T., M.T., M.Sc. dan Eko Setiawan, S.T., M.T. Ph.D.

Firdhausyah, Hani (2021) Sistem Pendeteksi Atrial Fibrilasi Berdasarkan Fitur Mean, Median, Standar Deviasi, Min, Dan Maks Interval RR Menggunakan Metode K-NN, Rizal Maulana, S.T., M.T., M.Sc. dan Eko Setiawan, S.T., M.T. Ph.D. Sarjana thesis, Universitas Brawijaya.

Abstract

Di Indonesia, 91% kematian mendadak dari dikarenakan oleh Aritmia. Jenis Aritmia yang paling sering terjadi adalah jenis Atrial Fibrilasi. Atrial Fibrilasi merupakan kondisi tidak beraturannya denyut jantung karena kelainan aktivitas listrik jantung akibatnya darah terkumpul di atrium dan tidak benar-benar dipompa ke ventrikel mengakibatkan gangguan fungsi katup jantung atau gagal jantung. Sedangkan pada saat ini pemeriksaan penyakit Atrial Fibrilasi bisa dilakukan dirumah sakit dengan biaya cukup mahal. Maka dari itu dibutuhkan penelitian jenis Atrial Fibrilasi yang tidak melukai tubuh dan agar dapat pendeteksian secara dini. Pada penelitian ini digunakan sistem yang terdiri atas beberapa komponen yaitu Arduino Nano sebagai board mikrokontroler, sensor AD8232 sebagai penghasil sinyal ECG dari elektroda yang terpasang dan LCD untuk menampilkan hasil output berupa ‘’Normal” atau “Atrial Fibrilasi”. Sistem ini mengunakan fitur Mean, Median, Standar Deviasi, Min dan Maks dari 8 Interval RR yang selanjutnya diklasifikasikan menggunakan K-Nearest Neighbor karena metode ini tidak membutuhkan waktu untuk proses training. Pengujian sensor dilakukan sebanyak 20 kali untuk menghitung nilai BPM dan didapatkan tingkat akurasi sensor yaitu sebesar 96,83%. Pada pengujian sistem dalam melakukan klasifikasi, digunakan 40 data latih. Pengujian tersebut dilakukan sebanyak 20 kali sehingga dihasilkan tingkat akurasi untuk nilai k = 3, 5, 7 secara berturut-turut yaitu 95%, 90%, 85% dengan rata-rata waktu komputasi sebesar 16,44 ms.

English Abstract

In Indonesia, 91% of sudden deaths are due to Arrhythmias. The most common type of Arrhythmia is the Atrial Fibrillation. Atrial fibrillation is a condition of irregular heart rate due to abnormal electrical activity of the heart as a result of which blood collects in the atria and is not actually pumped to the ventricles resulting in malfunctioning of the heart valves or heart failure. Meanwhile, at this time, the examination of Atrial Fibrillation can be done in a hospital at a cost that is quite expensive. Therefore, it is necessary to research the type of Atrial Fibrillation that does not injure the body and so that it can be detected early. In this study, a system consisting of several components is used, namely Arduino Nano as a microcontroller board, AD8232 sensor as an ECG signal generator from the installed electrodes and an LCD to display the output in the form of "Normal" or "Atrial Fibrillation". This system uses the Mean, Median, Standard Deviation, Min and Max features of 8 RR Intervals which are further classified using K-Nearest Neighbor because this method does not require time for the training process. Sensor testing was carried out 20 times to calculate the BPM value and the sensor's accuracy rate was 96.83%. In testing the classification system, 40 training data were used. The test was carried out 20 times so that the resulting level of accuracy for the value of k = 3, 5, 7, respectively, namely 95%, 90%, 85% with an average computation time of 16.44 ms.

Item Type:	Thesis (Sarjana)
Identification Number:	0521150091
Uncontrolled Keywords:	Atrial Fibrilasi, ECG, Interval RR, K-Nearest Neighbor
Subjects:	000 Computer science, information and general works > 004 Computer science
Divisions:	Fakultas Ilmu Komputer > Teknik Informatika
Depositing User:	Budi Wahyono Wahyono
Date Deposited:	03 Nov 2021 07:01
Last Modified:	01 Mar 2022 01:53
URI:	http://repository.ub.ac.id/id/eprint/186413

Text (DALAM MASA EMBARGO) Hani Firdhausyah.pdf Restricted to Registered users only until 31 December 2023. Download (4MB)

Actions (login required)

View Item