Pengolahan Sinyal ECG untuk Klasifikasi Kecemasan Seseorang

Purnama, Sevia Indah (2019) Pengolahan Sinyal ECG untuk Klasifikasi Kecemasan Seseorang. Masters thesis, Institut Teknologi Sepuluh Nopember.

[img]
Preview
Text
07111650040003-Master_Thesis.pdf

Download (9MB) | Preview

Abstract

Sebuah kecemasan berlebih dapat mengarah pada depresi. Depresi dapat mengakibatkan kelainan jantung yang disebut aritmia. Aritmia dapat diketahui dengan bantuan seorang dokter spesialis jantung dengan menggunakan pola-pola sinyal ECG seseorang. Pada tesis ini dikembangkan suatu metode untuk mengidentifikasi kecemasan seseorang berdasarkan pola sinyal ECG. Beberapa studi literatur menjelaskan bahwa setidaknya ada delapan penciri dari aritmia akibat depresi, antara lain sinyal P kurang dari 60 bpm, sinyal P lebih dari 100 bpm dan sinyal R lebih dari 100 bpm dan P-R interval lebih dari 0.20 detik. Metode klasifikasi pada penelitian ini menggunakan decision tree yaitu sebuah metode klasifikasi dengan menggunakan struktur seperti pohon flowchart untuk mengambil keputusan. Uji coba dilakukan dengan mengambil data ECG aritmia yang berada pada basis data Physionet.org (MIT-BIH Arrhythmia Database). Data yang diambil terdiri dari 66 data dari dua basis data sinyal ECG di mana terdapat 48 data ECG aritmia dan 18 data ECG normal. Pengembangan program menghasilkan beberapa algoritma untuk mengekstraksi kedelapan fitur aritmia tersebut dengan tingkat ketelitian pengenalan aritmia sebesar 95,45%. =============================================================================================== An excessive anxiety lead to depression that lead to heart abnormality called arrhythmia. Arrhythmias can be identified with the help of a cardiologist by using someone's ECG signal patterns. A method was developed to identify one's anxiety based on the ECG signal pattern. The literature studies explain that there are at least eight characteristics of arrhythmias due to depression, including P signals less than 60 bpm, P signals more than 100 bpm and R signals more than 100 bpm and P-R intervals of more than 0.20 seconds. The classification method in this study uses a decision tree which is a classifier represented by a flowchart-like tree structure. This experiment using arrhythmia ECG data located in the Physionet.org database (MIT-BIH Arrhythmia Database). The data taken consists of 66 data from two ECG signal databases where there are 48 ECG arrhythmia data and 18 normal ECG data. The accuracy level of this method is 95.45%.

Item Type: Thesis (Masters)
Additional Information: RTE 610.284 Pur p-1 2019
Uncontrolled Keywords: ecg, decision tree, kecemasan, aritmia, ekstraksi fitur, anxiety, arrhythmia, feature extraction
Subjects: T Technology > T Technology (General) > T57.5 Data Processing
T Technology > TK Electrical engineering. Electronics Nuclear engineering > TK5102.9 Signal processing.
T Technology > TK Electrical engineering. Electronics Nuclear engineering > TK7882.B56 Biometric identification
T Technology > TK Electrical engineering. Electronics Nuclear engineering > TK7882.P3 Pattern recognition systems
Divisions: Faculty of Electrical Technology > Electrical Engineering > 20101-(S2) Master Thesis
Depositing User: Sevia Indah Purnama
Date Deposited: 15 Jun 2021 04:05
Last Modified: 15 Jun 2021 04:05
URI: https://repository.its.ac.id/id/eprint/60497

Actions (login required)

View Item View Item