Electronic Theses and Dissertation

Elektrodiagram (EKG) adalah salah satu metode terpenting dalam proses diagnosis penyakit jantung dengan memvisualisasikan hubungan voltase dan waktu pada aktivitas listrik jantung. Penyakit kardiovaskular atau jantung dapat diklasifikasikan menjadi beberapa jenis, salah satunya adalah aritmia. Aritmia adalah kondisi jantung yang mengalami perubahan irama detak jantung yang berdetak terlalu cepat atau bahkan terlalu lambat dalam kondisi istirahat. Detak jantung yang terlalu cepat dalam kondisi istirahat disebut dengan takikardia, sedangkan detak jantung yang terlalu lambat dalam kondisi istirahat disebut dengan brakikardia. Penelitian ini menggunakan data yang diambil dari MIT-BIH Arrhythmia Database, kemudian menerapkan metode Discrete Wavelet Transform (DWT) sebagai ekstraksi fitur. Data tersebut diubah menjadi gambar spektogram yang digunakan sebagai dataset untuk klasifikasi menggunakan Xceptition. Penelitian ini juga membandingkan beberapa parameter seperti epoch dan learning rate sebagai pembanding performa terbaik. Performa yang dihasilkan dari penelitian ini, akurasi tertinggi didapatkan pada epoch 100 dengan learning rate 0,0001 yaitu sebesar 99,79%. Presisi tertinggi diperoleh pada epoch 50 dengan learning rate 0,001 dan 0,0001 yaitu sebesar 100%. Sensitivitas tertinggi pada epoch 100 dengan learning rate 0,0001 yaitu sebesar 99,70%. F1-score tertinggi pada epoch 100 dengan learning rate 0,0001 yaitu sebesar 99,70%. Dari hasil performa yang didapatkan, Xception memiliki performa yang sangat baik dalam klasifikasi citra EKG.

Electrodiagram (ECG) is one of the most important methods in the process of diagnosing heart disease by visualizing the voltage and time relationship of the heart's electrical activity. Cardiovascular or heart disease can be classified into several types, one of which is arrhythmia. Arrhythmia is a heart condition that experiences changes in the rhythm of the heartbeat that beats too fast or even too slow under resting conditions. A heartbeat that is too fast under resting conditions is called tachycardia, while a heartbeat that is too slow under resting conditions is called brachycardia. This study uses data taken from the MIT-BIH Arrhythmia Database, then applies the Discrete Wavelet Transform (DWT) method as feature extraction. The data was converted into spectrogram images which were used as datasets for classification using Xceptition. This research also compares several parameters such as epoch and learning rate as the best performance comparison. The performance generated from this research, the highest accuracy is obtained at epoch 100 with a learning rate of 0.0001 which is 99.79%. The highest precision is obtained at epoch 50 with a learning rate of 0.001 and 0.0001, which is 100%. The highest sensitivity is at epoch 100 with a learning rate of 0.0001, which is 99.70%. The highest F1-score at epoch 100 with a learning rate of 0.0001 is 99.70%. From the performance results obtained, Xception has a very good performance in ECG image classification.