Vira Miftahul Jannah Primary Author mixed material bibliography Banda Aceh Fakultas Teknik Elektro 2025

Skripsi

Elektrokardiogram (EKG) adalah salah satu metode yang paling penting dalam diagnosis penyakit jantung, termasuk deteksi aritmia, yang bertujuan untuk mengembangkan metode otomatis dalam mendiagnosis aritmia, kondisi di mana denyut jantung tidak teratur. Aritmia dapat menyebabkan gejala seperti palpitasi, sesak nafas, dan kelelahan, serta peningkatan risiko stroke dan serangan jantung. Penelitian ini menggunakan metode Wavelet Scattering Transform (WST) dan BiLSTM (Bidirectional Long-Term-Short Memory) untuk menganalisis sinyal EKG. Proses ekstraksi fitur dilakukan menggunakan WST untuk mendapatkan representasi invariant dari translasi lokal yang kemudian diubah menjadi citra dalam bentuk spektrogram. Sinyal EKG kemudian diklasifikasikan ke dalam tiga kelas, yaitu Normal, Supraventrikel Takikardia (SVTA), dan Ventrikel Fibrilasi (VF), menggunakan Bi-LSTM. Hasil evaluasi model menunjukkan bahwa model yang diusulkan berhasil mencapai akurasi pelatihan sebesar 94,66% dan akurasi validasi sebesar 98,39%. Selain itu, untuk kelas Normal, model memiliki precision sebesar 94%, recall sebesar 86%, dan F1-score sebesar 90%. Untuk kelas SVTA, precision, recall, dan F1-score masing-masing mencapai 99%, 100%, dan 99%. Sementara itu, untuk kelas VF, precision sebesar 88%, recall sebesar 95%, dan F1- score sebesar 91%. Hasil ini menunjukkan efektivitas metode yang diusulkan dalam menganalisis sinyal EKG, yang diharapkan dapat berkontribusi pada pengembangan metode diagnosis aritmia yang lebih akurat. Kata Kunci: Elektrokardiogram (EKG), Aritmia, Wavelet Scattering Transform (WST), Bidirectional Long Short-Term Memory (Bi-LSTM) 0 ELECTRONIC THESES AND DISSERTATION Universitas Syiah Kuala 146529 2025-01-10 16:00:09 2025-01-10 16:04:56 machine generated