ULUL AZMI Primary Author mixed material bibliography Banda Aceh Fakultas Teknik 2024

Skripsi

Aritmia merupakan perubahan detak jantung yang tidak normal disebabkan oleh detak jantung yang tidak tepat dan menyebabkan kegagalan terhadap pemompaan darah. Dengan adanya pemeriksaan Elektrokardiogram (EKG), maka berbagai jenis dari penyakit jantung dapat dideteksi melalui sinyal dari irama detak jantung manusia. Pada pengklasifikasian sinyal EKG, masalah umum yang ditemui yakni ketidakpastian hasil prediksi. Dalam hal ini, diperlukan pengembangan metode pengklasifikasian pada penderita kelainan/sakit jantung yang akurat dan efisien, untuk membantu pasien dan penyedia layanan kesehatan untuk melakukan terapi atau pengobatan yang tepat. Sejumlah penelitian melakukan pengembangan berbasis algoritma yang lebih efektif pada Machine Learning (ML), yang memungkinkan diagnosa kondisi jantung pasien secara otomatis. Pada penelitian ini, penulis menggunakan metode Continuous Wavelet Transform (CWT) sebagai ekstraksi fitur dan Long Short Term Memory (LSTM) sebagai classifier. Dataset EKG yang digunakan pada penelitian ini diambil dari MIT-BIH Arrhythmia Database. Hasil penelitian ini berhasil mengekstrak sinyal EKG menggunakan CWT. Penelitian ini juga berhasil mengklasifikasikan sinyal EKG dengan fitur ekstraksi CWT, dimana didapat nilai accuracy training sebesar 98,4% dan accuracy testing sebesar 94,42%. 0 ELECTRONIC THESES AND DISSERTATION Universitas Syiah Kuala 120175 2024-02-02 15:51:47 2024-02-02 15:55:38 machine generated