View/Open

Author
Jidan, Fikri

Advisor
Sabhan, Kanata
Pratondo, Busono

Koleksi
Teknik Elektro

Publisher

Kemajuan teknologi pada era sekarang ini mendorong pengembangan sistem kecerdasan buatan yang ditujukan dalam mendeteksi kondisi penyakit ataupun abnormalitas aktivitas jantung pasien berdasarkan pola grafik elektrokardiogram pasien. Sistem kecerdasan buatan yang ada pada sistem ini dibuat dengan menggunakan pendekatan metode Machine Learning dan juga Deep Learning seperti lapisan jaringan konvolusi atau CNN (Convolutional Neural Network) dalam menganalisa dan mengklasifikasi gambar spektrogram dari hasil pre-processing sinyal elektrokardiogram dengan mengubah domain sinyal dari domain waktu ke domain frekuensi menggunakan metode STFT (Short Time Fourier Transform). Hasil pengujian dengan metode yang digunakan menunjukan hasil yang sangat memuaskan, dimana dengan menggunakan 990 sampel dataset berisi sampel sinyal elektrokardiogram pasien dengan 3 sebaran kelas yaitu normal, abnormal, dan AF (Atrial Fibrillation) dan siklus training model sebanyak 100 siklus atau epoch, didapatkan hasil akurasi, spesifisitas, dan sensitivitas mendekati sempurna yaitu 99% - 100%. Meskipun hasil yang didapat sudah sangat bagus, dari output model yang dirancang ini perlu adanya pengujian lebih lanjut terutama dalam membandingkan hasil pembacaan dengan arahan dokter spesialis jantung. Secara keseluruhan, hasil yang didapatkan ini menunjukkan potensi yang sangat besar dalam pengembangan implementasi teknologi kecerdasan buatan dalam sistem kesehatan khususnya kesehatan jantung di masa mendatang.

URI
https://repo.itera.ac.id/depan/submission/SB2401100042

Keyword
electrocardiograph electrocardiogram jantung kecerdasan buatan