(0721) 8030188    [email protected]   

All of ITERA Repository
Titles

Implementasi Support Vector Machine (SVM) untuk Klasifikasi Tingkat Gangguan Kecemasan Berdasarkan Suara Detak Jantung


Perubahan fisiologis akibat kecemasan dapat memengaruhi aktivitas jantung sehingga sinyal phonocardiogram (PCG) berpotensi digunakan untuk klasifikasi tingkat kecemasan. Penelitian ini mengimplementasikan Support Vector Machine (SVM) menggunakan 13 nilai rata-rata Mel-Frequency Cepstral Coefficients (MFCC) dari 100 rekaman PCG milik 20 responden berlabel Hamilton Anxiety Rating Scale (HARS) pada empat kelas. Evaluasi lima-fold group-stratified berbasis ID responden menggunakan StandardScaler dan SVM kernel RBF menghasilkan accuracy 48,00 persen dan macro F1-score 0,4938. Hasil menunjukkan generalisasi antarresponden masih terbatas, terutama pada kelas Berat dan Sangat Berat. Dengan demikian, hipotesis memperoleh dukungan empiris terbatas karena pola MFCC dapat dipelajari, tetapi pemisahan empat kelas pada responden baru belum konsisten. Model merupakan proof-of-concept dan belum ditujukan sebagai alat diagnosis klinis.

URI
https://repo.itera.ac.id/depan/submission/SB2609020050

Keyword
kecemasan MFCC PCG SVM Suara Jantung