Cahya, Reiza Adi (2017) Klasifikasi Aritmia Dari Hasil Elektrokardiogram Menggunakan Support Vector Machine Dengan Seleksi Fitur Menggunakan Algoritma Genetika. Sarjana thesis, Universitas Brawijaya.
Abstract
Elektrokardiogram (EKG), atau rekam jantung, dapat digunakan untuk mengenali kelainan detak jantung atau aritmia. Bantuan komputer dengan teknik machine learning tertentu dapat digunakan untuk mengenali aritmia secara otomatis. Tetapi data numerik yang belum diproses dari EKG mempunyai jumlah fitur yang banyak, yang dapat mengurangi kualitas pengenalan otomatis. Algoritma genetika (genetic algorithm, GA) dapat digunakan untuk menyeleksi fitur sehingga didapat data dengan jumlah fitur yang lebih rendah. GA akan membuat data set dengan fitur yang sudah diseleksi, dan data set tersebut digunakan untuk melatih support vector machine (SVM) untuk mengklasifikasikan aritmia. Untuk pelatihan dan pengujian, digunakan data EKG dari database aritmia Massachusetts Institute of Technology–Beth Israel Hospital (MIT-BIH). Masing-masing data merupakan rekam jantung selama 6 detik dan diklasifikasikan ke dalam detak jantung normal dan 3 jenis aritmia. Hasil yang didapat dari penelitian menunjukkan bahwa GA-SVM mempunyai akurasi rata-rata sebesar 82.5% menggunakan 120 data latih dan 20 data uji, dibanding dengan SVM tanpa GA yang hanya mendapat rata-rata akurasi sebesar 47%. GA-SVM juga dapat menurunkan jumlah fitur, dari 2160 jumlah fitur awal menjadi rata-rata 406 fitur.
English Abstract
Electrocardiogram (ECG) can be used to recognize abnormal heart beats or arrhythmia. Automatic arrhythmia recognition can be achieved through the use of machine learning techniques. However, ECG generates raw numerical data with large number of features that can reduce the quality of automatic recognition. Genetic algorithm (GA) can be utilized to perform a feature selection, reducing the number of features. Data with reduced features then will be used to train a support vector machine (SVM) classifier. ECG data from the Massachusetts Institute of Technology–Beth Israel Hospital (MIT-BIH) arrhythmia database is used as training and testing data. Each data is a six-second ECG recording, and is classified into normal heartbeat and 3 different kinds of arrhythmia. Result shows that GA-SVM yielded average accuracy of 82.5% with 120 training data and 20 test data, compared to regular SVM that yielded average accuracy of 47%. GA-SVM also reduced the amount of feature from 2160 original features to an average of 406 reduced features.
Item Type: | Thesis (Sarjana) |
---|---|
Identification Number: | SKR/FTIK/2017/476/051707798 |
Uncontrolled Keywords: | Aritmia, Elektrokardiogram, Support Vector Machine, Algoritma Genetika, Seleksi Fitur |
Subjects: | 000 Computer science, information and general works > 006 Special computer methods > 006.3 Artificial intelligence > 006.31 Machine learning |
Divisions: | Fakultas Ilmu Komputer > Teknik Informatika |
Depositing User: | Yusuf Dwi N. |
Date Deposited: | 30 Aug 2017 08:53 |
Last Modified: | 09 Oct 2020 16:13 |
URI: | http://repository.ub.ac.id/id/eprint/1937 |
Preview |
Text
Reiza Adi Cahya.pdf Download (7MB) | Preview |
Actions (login required)
View Item |