KLASIFIKASI IRAMA JANTUNG NORMAL DAN ABNORMAL PADA CITRA SINYAL EKG MENGGUNAKAN METODE CNN DI RUMAH SAKIT UMUM DAERAH DOK II JAYAPURA

CICILYA, OKTAVIANI THANE (2024) KLASIFIKASI IRAMA JANTUNG NORMAL DAN ABNORMAL PADA CITRA SINYAL EKG MENGGUNAKAN METODE CNN DI RUMAH SAKIT UMUM DAERAH DOK II JAYAPURA. Undergraduate Thesis thesis, Institut Teknologi Telkom Purwokerto.

	Text SKRIPSI_CICIL_halaman cover.pdf Download (16kB)
	Text SKRIPSI_CICIL_Abstrak (Inggris).pdf Download (88kB)
	Text SKRIPSI_CICIL_Abstrak (Indonesia).pdf Download (90kB)
	Text SKRIPSI_CICIL_bab 1.pdf Download (184kB)
	Text SKRIPSI_CICIL_bab 2.pdf Download (532kB)
	Text SKRIPSI_CICIL_bab 3.pdf Download (328kB)
	Text SKRIPSI_CICIL_bab 4.pdf Restricted to Registered users only Download (752kB)
	Text SKRIPSI_CICIL_bab 5.pdf Download (90kB)
	Text SKRIPSI_CICIL_daftar pustaka.pdf Download (243kB)
	Text SKRIPSI_CICIL_lampiran full smpe coding.pdf Restricted to Registered users only Download (612kB)

Abstract

Aritmia jantung merupakan perubahan pola yang cepat dari detak jantung normal dan mengacu pada masalah frekuensi, regulasi dan masalah asal atau situasi rangsangan listrik. Pada keadaan normal jantung berdetak 60-100bpm, jika detakan jantung diatas 100 bpm maka dikategorikan takikardia sebaliknya saat jantung berdetak kurang dari 60bpm maka dikategorikan bradikardia. Elektrokardiogram (EKG) adalah alat diagnostik utama yang digunakan untuk memantau dan mendiagnosis kondisi jantung. Namun, analisis manual sinyal EKG memerlukan keahlian khusus dan tidak dapat dibaca oleh semua orang bahkan masih banyak petugas kesehatan yang tidak dapat membacanya sehingga sangat rentan terhadap kesalahan pembacaan. Penelitian ini bertujuan untuk mengembangkan model Convolutional Neural Network (CNN) yang dapat mengklasifikasikan kondisi irama jantung normal dan abnormal berdasarkan citra sinyal EKG, dengan tujuan meningkatkan akurasi dan efisiensi diagnosis dibandingkan metode manual. Dataset sinyal EKG multi-lead dikumpulkan dari ruang jantung terpadu RSUD Dok II Jayapura, mencakup individu dengan kondisi irama jantung normal dan abnormal. Data awal dengan format .pdf diubah kedalam format .jpg lalu di pisah perdirektori. Model CNN yang dirancang terdiri dari beberapa lapisan konvolusi, pooling, dan fully connected untuk mengekstrak fitur dan melakukan klasifikasi. Model CNN menunjukkan kinerja yang baik dalam klasifikasi irama jantung normal dan abnormal, namun setelah dibandingkan dengan 3 kali percobaan dengan tambahan Mobilenetv2 dan vgg, dengan akurasi terbaik didapatkan dari metode vgg dengan akurasi mencapai 87.4%. Hasil ini menunjukkan model CNN dapat mengklasifikasi irama jantung normal dan abnormal, namun masih menunjukkan beberapa indikasi overfitting. Hasil ini bisa dijadikan referensi untuk penelitian selanjutnya bahwa karena penggunaan dataset yang terbatas dapat menurunkan akurasi model. Kata Kunci: Aritmia, Convolutional Neural Network (CNN), Mobilenetv2 , Sinyal EKG, VGG.

Actions (login required)

View Item