Aji, Mpu Hambyah Syah Bagaskara (2021) Deteksi R Peak Dan Klasifikasi Aritmia Menggunakan Hybrid QVAT Dan CNN Berbasis Single Board Computer. Other thesis, Institut Teknologi Sepuluh Nopember.
Preview |
Text
07211740000010-Undergraduate_Thesis.pdf Download (27MB) | Preview |
Abstract
Aritmia adalah suatu gejala dari gangguan irama jantung yang bisa mengindikasikan pada penyakit kardiovaskular yang menjadi penye-bab utama kematian di dunia. Untuk mendiagnosis aritmia, salah satu cara yang dapat digunakan adalah dengan menganalisis sinyal ECG (Electrocardiogram). Paramedis masih menggunakan cara ma-nual untuk menganalisis sinyal ECG. Pada tugas akhir ini akan dikembangkan alat untuk mengklasi kasikan jenis aritmia berbasis single board computer. Penggunaan single board computer dalam memproses klasi kasi aritmia menggunakan metode deep learning yaitu secara portable. Metode QVAT digunakan untuk segmentasi kompleks QRS pada sinyal ECG. Hasil segmentasi berupa r peak yang dijadikan titik anotasi pada tahap preprocessing agar dapat digunakan sebagai input tahap klasi kasi jenis aritmia mengguna-kan metode CNN (Convolutional Neural Network). Hasil dari tugas akhir ini adalah berupa model weight yang dapat mengklasi kasikan jenis aritmia dengan akurasi 99.55% yang dapat diimplementasik-an dengan baik menggunakan alat berbasis single board computer sehingga dapat membantu paramedis untuk mendiagnosis penya-kit jantung sedini mungkin pada pasien agar dapat menekan angka kematian akibat penyakit jantung
==================================================================================================
Arrhythmia is a symptom of a heart rhythm disorder that can in-dicate cardiovascular disease which is the leading cause of death in the world. To diagnose arrhythmia, one way that can be used is to analyze the ECG (Electrocardiogram) signal. Paramedic still use manual methods to analyze ECG signals. In this nal project, a tool is developed to classify the types of arrhythmias using single board computer based with deep learning method. The QVAT method is used to segment the QRS complex on the ECG signal. The r peak from the segmentation results will be used as an annotation at the preprocessing step so that it can be used as input for the classi ca-tion step of arrhythmia types using the CNN (Convolutional Neural Network) method. The expected result is a weight model that can classify the type of arrhythmia with 99.55% accuracy so that it can be implemented properly using single board computer based so that it can help paramedics to diagnose heart disease as early as possible in patients in order to reduce the number death from the disease.
| Item Type: | Thesis (Other) |
|---|---|
| Uncontrolled Keywords: | Arrhythmia, Aritmia, Electrocardiogram, Elektrokardiogram, Deep Learning, Single Board Computer |
| Subjects: | Q Science > Q Science (General) > Q325.5 Machine learning. Support vector machines. R Medicine > R Medicine (General) > R858 Deep Learning |
| Divisions: | Faculty of Intelligent Electrical and Informatics Technology (ELECTICS) > Computer Engineering > 90243-(S1) Undergraduate Thesis |
| Depositing User: | Mpu Hambyah Syah Bagaskara Aji |
| Date Deposited: | 31 Aug 2021 05:20 |
| Last Modified: | 17 Jan 2024 01:22 |
| URI: | http://repository.its.ac.id/id/eprint/91184 |
Actions (login required)
 |
View Item |