KLASIFIKASI 15 KELAS PENYAKIT ARITMIA MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK 1-DIMENSI

PREDYANSYAH, ALDI and Nurmaini, Siti (2021) KLASIFIKASI 15 KELAS PENYAKIT ARITMIA MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK 1-DIMENSI. Undergraduate thesis, Sriwijaya University.

	Text RAMA_56201_09011181722020.pdf - Accepted Version Restricted to Repository staff only Available under License Creative Commons Public Domain Dedication. Download (17MB) | Request a copy
	Text RAMA_56201_09011181722020_TURNITIN.pdf - Accepted Version Restricted to Repository staff only Available under License Creative Commons Public Domain Dedication. Download (5MB) | Request a copy
Preview	Text RAMA_56201_09011181722020_ 0002085908_01_front_ref.pdf - Accepted Version Available under License Creative Commons Public Domain Dedication. Download (13MB) | Preview
	Text RAMA_56201_09011181722020_ 0002085908_02.pdf - Accepted Version Restricted to Repository staff only Available under License Creative Commons Public Domain Dedication. Download (315kB) | Request a copy
	Text RAMA_56201_09011181722020_ 0002085908_03.pdf - Accepted Version Restricted to Repository staff only Available under License Creative Commons Public Domain Dedication. Download (671kB) | Request a copy
	Text RAMA_56201_09011181722020_ 0002085908_04.pdf - Accepted Version Restricted to Repository staff only Available under License Creative Commons Public Domain Dedication. Download (1MB) | Request a copy
	Text RAMA_56201_09011181722020_ 0002085908_05.pdf - Accepted Version Restricted to Repository staff only Available under License Creative Commons Public Domain Dedication. Download (29kB) | Request a copy
	Text RAMA_56201_09011181722020_ 0002085908_06_ref.pdf - Bibliography Restricted to Repository staff only Available under License Creative Commons Public Domain Dedication. Download (99kB) | Request a copy
	Text RAMA_56201_09011181722020_ 0002085908_07_lamp.pdf - Accepted Version Restricted to Repository staff only Available under License Creative Commons Public Domain Dedication. Download (1MB) | Request a copy

Abstract

Elektrokardiogram (EKG) telah menjadi metode yang paling utama dalam mempelajari dan melakukan diagnosa terhadap berbagai jenis penyakit jantung, karena merupakan tindakan non-invasif dan berguna dalam memberikan informasi terkait kesehatan jantung dan patologi. EKG dapat merekam sinyal dan mengumpulkan banyak informasi sehingga akan sangat memakan waktu yang lama jika tenaga kesehatan melakukan proses klasifikasi secara manual. Untuk mengatasi masalah tersebut diusulkan salah satu metode yang sudah banyak digunakan yaitu metode Deep Learning. Pada penelitian ini Transformasi Diskrit Wavelet akan digunakan sebagai fitur ekstraksi untuk mempelajari serta mengurangi dimensi fitur dan Convolutional Neural Network 1-Dimensi sebagai klasifier beat EKG. Hasil fitur ekstraksi akan diklasifikasikan terhadap 15 kelas beat EKG dengan dilakukan percobaan sebanyak 8 model untuk mendapatkan model terbaik yang mana akan diuji kembali pada dataset lain. dari 8 model percobaan, didapat model terbaik yakni model 8 pada data fold-6 yang memberikan hasil akurasi, sensitivitas, spesifisitas, presisi dan F1-Score masing-masing 99,88%, 96,98%, 99,90%, 92,24%, 94,39%.

Item Type:	Thesis (Undergraduate)
Uncontrolled Keywords:	Elektrokardiogram, Aritmia, Klasifikasi, Transformasi Diskrit Wavelet, Convolutional Neural Network
Subjects:	Q Science > Q Science (General) > Q334-342 Computer science. Artificial intelligence. Algorithms. Robotics. Automation.
Divisions:	09-Faculty of Computer Science > 56201-Computer Systems (S1)
Depositing User:	Aldi Predyansyah
Date Deposited:	04 Aug 2021 07:29
Last Modified:	04 Aug 2021 07:29
URI:	http://repository.unsri.ac.id/id/eprint/51569

Actions (login required)

View Item