KLASIFISIKASI SINYAL SUARA DETAK JANTUNG PADA STETOSKOP DIGITAL BERBASIS ARDUINO NANO MENGGUNAKAN METODE K-NEAREST NEIGHBORS
Peningkatan kebutuhan diagnostik medis mendorong berbagai pengembangan perangkat alat medis, salah satunya adalah stetoskop digital. Penelitian ini bertujuan untuk mengklasifikasikan sinyal suara detak jantung yang direkam menggunakan stetoskop digital dan mengkategorikannya berdasarkan fitur yang diekstraksi pada google colab lalu diteruskan ke model K-Nearest Neighbors (KNN). Dengan pemrosesan sinyal digital, suara detak jantung dapat diolah untuk mendapatkan informasi mengenai kondisi kesehatan jantung. Tahap awal penelitian melibatkan pengumpulan data suara detak jantung dari website kaggle yang direkam kembali menggunakan stetoskop digital berbasis arduino nano yang selanjutnya dijadikan sebagai data latih KNN. Sinyal yang diperoleh kemudian diproses melalui serangkaian tahapan, seperti penggunaan filter, normalisasi, dan ekstraksi fitur. Hasil ekstraksi fitur yang digunakan Zero Crossing Rate (ZCR), energi, dan frekuensi dominan. Data latih KNN diuji menggunakan metode cross validation untuk mencari nilai k terbaik yang digunakan. Berdasarkan hasil uji diperoleh k=3 sebagai nilai k terbaik jika dibandingkan dengan nilai k lainnya. Selanjutnya, pengambilan data uji subjek digunakan untuk menghitung akurasi dari KNN. Berdasarkan perhitungan confusion matrix diperoleh akurasi 90%, recall 94%, precision 91%, specifity 81,2%, dan F1-Score 92% yang membuktikan bahwa model KNN yang digunakan sudah cukup optimal dalam membedakan detak jantung normal dan tidak normal.
URI
https://repo.itera.ac.id/depan/submission/SB2509020017
Keyword
Detak Jantung Klasifikasi