Muhammad Raja Al Sahhaf Primary Author mixed material bibliography Banda Aceh Fakultas Teknik Elektro dan Komputer 2025

Skripsi

Aritmia adalah gangguan irama jantung yang menyebabkan detak jantung terlalu cepat, lambat, atau tidak teratur, berpotensi menimbulkan komplikasi serius seperti serangan jantung dan kematian mendadak. Diagnosis aritmia penting namun sering memerlukan interpretasi EKG oleh ahli medis. Dalam beberapa tahun terakhir, penggunaan metode komputasi untuk klasifikasi aritmia telah menarik perhatian sebagai pendekatan yang potensial untuk meningkatkan kecepatan dan akurasi diagnosis. Membandingkan kinerja Random Forest, Support Vector Machine, dan Adaboost dalam klasifikasi aritmia sebagai ekstraksi fitur dari sinyal EKG. Mengembangkan model klasifikasi aritmia dengan Random Forest, Support Vector Machine, dan Adaboost berdasarkan fitur yang diekstraksi melalui DWT, serta membandingkan kinerja model berdasarkan akurasi. Penelitian menggunakan dataset sinyal EKG dari MIT-BIH Arrhythmia Database. Proses meliputi pengumpulan dan preprocessing data, ekstraksi fitur menggunakan DWT, pengembangan model klasifikasi, dan evaluasi kinerja menggunakan akurasi. Model Random Forest menunjukkan akurasi tertinggi sebesar 97.5%, diikuti oleh Support Vector Machine dengan 97.2% dan AdaBoost dengan 90.2%. Hal ini menunjukkan keunggulan Random Forest dalam menangani data aritmia dan menghasilkan prediksi yang lebih akurat. Oleh karena itu, model Random Forest dipilih sebagai model terbaik untuk klasifikasi aritmia dalam penelitian ini. Kata Kunci: Aritmia, Discrete Wavelet Transform, MIT-BIH Arrhythmia Database, Random Forest, Support Vector Machine, Adaboost 0 ELECTRONIC THESES AND DISSERTATION Universitas Syiah Kuala 146381 2025-01-10 09:31:12 2025-01-10 09:34:18 machine generated