View/Open

Author
RAHMAN, OKA FADILA

Date Published
12 Feb 2025

Advisor
Rudi Uswarman, S.T., M. Eng., Ph.D.,
Harry Yuliansyah, S.T., M.Eng.,

Subject
Teknik Elektro

Publisher

Aritmia merupakan salah satu gangguan irama jantung yang dapat menyebabkan komplikasi serius jika tidak terdeteksi dan ditangani secara dini. Diagnosis aritmia secara manual membutuhkan keahlian khusus dari tenaga medis dan dapat menjadi proses yang memakan waktu. Oleh karena itu, pengembangan sistem klasifikasi aritmia berbasis sinyal elektrokardiogram (EKG) menggunakan teknologi kecerdasan buatan menjadi solusi yang menjanjikan dalam meningkatkan efisiensi dan akurasi diagnosis. Penelitian ini mengembangkan sistem klasifikasi aritmia dengan memanfaatkan arsitektur Convolutional Neural Network (CNN) untuk mengklasifikasikan lima jenis irama jantung, yaitu irama Normal, Left Bundle Branch Block (LBBB), Right Bundle Branch Block (RBBB), Atrial Premature Contraction (APC), dan Premature Ventricular Contraction (PVC). Data sinyal EKG yang digunakan bersumber dari MIT-BIH Arrhythmia Database, yang kemudian diproses menjadi dua jenis representasi visual citra plot sinyal EKG dan citra spektrogram berbasis transformasi waktu-frekuensi. Kedua jenis citra ini digunakan sebagai masukan ke dalam model CNN untuk pelatihan dan pengujian. Sistem klasifikasi ini menunjukkan potensi besar untuk digunakan sebagai alat bantu diagnosis aritmia secara otomatis dan real time, baik di fasilitas layanan kesehatan maupun dalam perangkat monitoring kesehatan pribadi. Sistem ini diharapkan dapat menjadi langkah awal menuju integrasi teknologi pembelajaran mesin dalam dunia medis, khususnya dalam pemantauan dan deteksi dini gangguan irama jantung.

URI
https://repo.itera.ac.id/depan/submission/SB2601190060

Keyword
EKG Aritmia Sinyal EKG Klasifikasi Aritmia CNN