Bilal, Muhammad (2021) Muhammad Bilal, Implementasi Sistem Pendeteksi Fibrilasi Atrium Berdasarkan Interval dan Gradien QRS Menggunakan Metode Jaringan Saraf Tiruan, Rizal Maulana, S.T., M.T., M.Sc. dan Eko Setiawan, S.T., M.T., Ph.D. Sarjana thesis, Universitas Brawijaya.
Abstract
Penyakit jantung merupakan salah satu jenis penyakit kardiovaskular yang dapat menyebabkan kematian. Penyakit jantung yang paling umum terjadi adalah penyakit jantung koroner, aritmia, gagal jantung, katup jantung dan otot jantung. Sebanyak 87% penderita penyakit jantung koroner mengalami kematian mendadak akibat aritmia. Gejala umum dari penderita aritmia adalah jantung yang berdebar dengan tidak normal. Di sisi lain dari 41% pasien yang mengeluh berbedar ternyata menderita aritmia. Aritmia sendiri dapat dibedakan menjadi beberapa jenis, yaitu PAC, PVC, Takikardia Supraventrikular, Takikardia Ventrikel, Fibrilasi Atrium, Ventrikel Fibrilasi dan Bradiaritmia. Fibrilasi Atrium sendiri merupakan kerusakan irama jantung dimana sinyal listrik pada atrium tidak sesuai dengan ventrikel dalam melakukan kontraksi. Fibrilasi Atrium dapat menjadi pemicu komplikasi dengan penyakit lain, seperti kardiomiopati, hipertiroid, strok, palpitasi dan gagal jantung. Untuk mencegah hal tersebut, maka dilakukan penelitian untuk mendeteksi Fibrilasi Atrium sedini mungkin. Penelitian tersebut dilakukan dengan membuat sistem yang dibangun dari Arduino Uno sebagai pemroses mikrokontroller, sensor AD8232 sebagai perekam sinyal EKG dan LCD sebagai layar yang menampilkan informasi hasil diagnosis kondisi “Normal” atau “Fibrilasi Atrium”. Selain itu sistem yang dibangun menggunakan fitur mean interval QRS, median interval QRS, mean gradient QRS dan median gradient QRS untuk melakukan klasifikasi terhadap kondisi tersebut dengan menggunakan metode klasifikasi Jaringan Saraf Tiruan. Sebanyak 40 data latih akan digunakan pada fase pelatihan metode Jaringan Saraf Tiruan untuk menghasilkan bobot dan bias tetap. Selanjutnya dilakukan pengujian untuk menguji model yang dihasilkan dari fase pelatihan. Di sisi lain pengujian BPM dilakukan untuk menguji kehandalan sensor dalam mengakuisisi sinyal EKG. Dari 10 kali pengujian BPM yang dilakukan diperoleh hasil berupa akurasi sebesar 94,55%. Kemudian dari 20 data yang diujikan pada model Jaringan Saraf Tiruan diperoleh hasil berupa akurasi sebesar 90% dengan waktu komputasi selama 32,09 ms.
English Abstract
Heart disease is a type of cardiovascular disease that can cause death. The most common heart diseases are coronary heart disease, arrhythmias, heart failure, heart valves and heart muscle. 87% of people with coronary heart disease experience sudden death due to arrhythmias. The common symptom of arrhythmia sufferers is abnormal palpitations. On the other hand, 41% of patients who complained of palpitations suffered from arrhythmias. Arrhythmias can be divided into several types, including PAC, PVC, Supraventricular Tachycardia, Ventricular Tachycardia, Atrial Fibrillation, Ventricular Fibrillation and Bradyarrhythmias. Atrial fibrillation is a breakdown of the heart rhythm where the electrical signal in the atria does not match the ventricles to contract. Atrial fibrillation can lead to complications with other diseases, such as cardiomyopathy, hyperthyroidism, stroke and heart failure. To prevent this, a study was conducted to detect atrial fibrillation as early as possible. The research was carried out by making a system built from Arduino Uno as a microcontroller processor, AD8232 sensor as an ECG signal recorder and the LCD as a screen that displays information on the diagnosis of “Normal” or “Atrial Fibrillation” conditions. In addition, the system built uses the mean QRS interval, QRS median interval, mean QRS gradient and median QRS gradient to classify these conditions using the Artificial Neural Network classification method. A total of 40 training data will be used in the training phase of the Neural Network method to produce fixed weights and bias. Furthermore, testing is carried out to test the resulting model from the training phase. Then the BPM test is carried out to test the reliability of the sensor in acquiring the ECG signal. BPM testing was carried out 10 times with an accuracy rate of 94,55%. Furthermore, 20 data were tested on the Artificial Neural Network model with an accuracy rate of 90% with a computation time of 32,09 ms.
Item Type: | Thesis (Sarjana) |
---|---|
Identification Number: | 0521150111 |
Uncontrolled Keywords: | Fibrilasi Atrium, Interval QRS, Gradien QRS, Jaringan Saraf Tiruan. Atrial Fibrillation, QRS Interval, QRS Gradient, Artificial Neural Network. |
Subjects: | 000 Computer science, information and general works > 004 Computer science |
Divisions: | Fakultas Ilmu Komputer > Teknik Informatika |
Depositing User: | Budi Wahyono Wahyono |
Date Deposited: | 04 Nov 2021 03:30 |
Last Modified: | 22 Feb 2022 08:23 |
URI: | http://repository.ub.ac.id/id/eprint/186462 |
![]() |
Text (DALAM MASA EMBARGO)
Muhammad Bilal.pdf Restricted to Registered users only until 31 December 2023. Download (4MB) |
Actions (login required)
![]() |
View Item |