Pradanggapasti, Firdaus Nanda (2020) Klasifikasi Aritmia Pada Sinyal ECG Berbasis Deep Learning. Other thesis, Institut Teknologi Sepuluh Nopember.
Preview |
Text
07211640000015-Undergraduate_Thesis.pdf Download (4MB) | Preview |
Abstract
Penyakit jantung merupakan penyebab utama kematian di dunia. Untuk mengetahui penyakit jantung sejak dini, dapat dideteksi dengan memeriksa ada tidaknya 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). Saat ini, 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 Convolutional Neural Network, digunakan untuk mengklasifikasikan 5 jenis aritmia pada
sinyal ECG. Akurasi tertinggi yang dihasilkan pada tugas akhir ini sebesar 98.6%.
=========================================================
Heart disease is the leading cause of death in the world. To find out heart disease early, it can be detected by examining the presence or absence of arrhythmias. Arrhythmia is an abnormal heart beat rhythm, can beat too fast, too slow, or beat with irregular patterns, so that the arrhythmia has many types. To diagnose arrhythmias, one method that can be used is by analyzing ECG (Electrocardiogram) signals. Currently, doctors and medical personnel analyze ECG signals 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 method of Deep Learning, namely Convolutional Neural Network, is used to classify 5 types of arrhythmias on ECG signals. The highest accuracy produced in this final project is 98.6%.
| Item Type: | Thesis (Other) |
|---|---|
| Uncontrolled Keywords: | Aritmia, Deep Learning, ECG, Pengolahan Sinyal |
| Subjects: | Q Science > QA Mathematics > QA76.87 Neural networks (Computer Science) |
| Divisions: | Faculty of Electrical Technology > Computer Engineering > 90243-(S1) Undergraduate Thesis |
| Depositing User: | Firdaus Nanda Pradanggapasti |
| Date Deposited: | 26 Aug 2020 03:50 |
| Last Modified: | 23 Nov 2023 01:21 |
| URI: | http://repository.its.ac.id/id/eprint/79926 |
Actions (login required)
 |
View Item |