Klasifikasi Aritmia Menggunakan Deep Learning 1D Cnn Pada Sinyal Ecg 12 Lead

Triwibowo, Bayu Aditya (2022) Klasifikasi Aritmia Menggunakan Deep Learning 1D Cnn Pada Sinyal Ecg 12 Lead. Other thesis, Institut Teknologi Sepuluh Nopember.

Text 07211840000008-Undergraduate_Thesis.pdf Restricted to Repository staff only Download (5MB) | Request a copy

Abstract

Penyakit jantung merupakan penyebab kematian tertinggi di dunia. Penyakit jantung dapat dideteksi sejak dini dengan memeriksa pola irama detak jantung. Dari pola tersebut dapat terlihat kelainan irama atau bisa disebut aritmia. Aritmia merupakan suatu kelainan irama detak jantung, bisa berdetak terlalu cepat, terlalu lambat, ataupun berdetak dengan pola yang tidak beraturan, sehingga aritmia memiliki banyak jenisnya. Untuk mendiagnosis aritmia, salah satu metode yang dapat digunakan adalah dengan cara menganalisis sinyal ECG (Electrokardiogram). Sinyal ECG memiliki komplek QRS yang dapat dijadikan acuan tentang jenis-jenis aritmia. Saat ini, masih banyak dokter maupun tenaga medis menganalisis sinyal ECG dengan cara manual. Dengan berkembangnya teknologi pada zaman ini, terdapat teknologi yang bernama deep learning. Deep learning merupakan suatu perkembangan dari machine learning. Pada tugas akhir ini, salah satu metode dari deep learning, yaitu 1D Convolutional Neural Network, akan digunakan untuk mengklasifikasikan aritmia pada sinyal ECG 12 lead. Pendeteksian akan dilakukan pada 12 lead yang ada pada elektrokardiogram ditambah dengan gabungan dari semua lead, sehingga akan ada 13 model machine learning sebagai base pendeteksian aritmia. Semua model memiliki arsitektur yang sama dan proses preprocessing yang sama. Diharapkan hasil penelitian ini dapat membantu tenaga kesehatan serta masyarakat dalam megurangi resiko penyakit jantung.
==============================================================================================================================
Heart disease is the leading cause of death in the world. Heart disease can be detected early by examining the rhythmic pattern of the heartbeat. From pattern This abnormality of rhythm can be seen or it can be called an arrhythmia. Arrhythmia is a a heart rhythm disorder, it can beat too fast, too slow, or beats in an irregular pattern, so arrhythmias have many types. To diagnose arrhythmias, one method that can be used is by analyze the ECG signal (Electrocardiogram). The ECG signal has a QRS complex that can be used as a reference for the types of arrhythmias. Currently, there are still many doctors and medical personnel analyze the ECG signal manually. With the development of technology in this era, there is a technology called Deep Learning. Deep Learning is a development of Machine Learning. In this final project, one of the method from Deep Learning, namely 1D Convolutional Neural Network, which can be used to classify arrhythmias in 12 Lead ECG signals. Detection will carried out on the 12 Leads on the electrocardiogram plus a combination of of all leads, so there will be 13 machine learning models as detection base arrhythmia. All models have the same architecture and the same preprocessing process. It is hoped that the results of this study can help health workers and the community in reducing the risk of heart disease.

Item Type:	Thesis (Other)
Additional Information:	RSKom 006.312 Tri k-1 2022
Uncontrolled Keywords:	Arrhythmias, Electrocardiogram, Deep Learning. Aritmia, Electrocardiogram, Deep Learning.
Subjects:	Q Science > QA Mathematics > QA75 Electronic computers. Computer science. EDP
Divisions:	Faculty of Intelligent Electrical and Informatics Technology (ELECTICS) > Computer Engineering > 90243-(S1) Undergraduate Thesis
Depositing User:	Mr. Marsudiyana -
Date Deposited:	15 Jun 2026 07:27
Last Modified:	15 Jun 2026 07:27
URI:	http://repository.its.ac.id/id/eprint/133817

Actions (login required)

View Item