Perancangan Artificial Neural Network pada sinyal Elektrokardiogram untuk mendeteksi Penyakit Jantung Infark Miokardial
Article Sidebar
Main Article Content
Abstract
Infark Miokardial merupakan salah satu gangguan
pada jantung dimana berhentinya darah yang mengalir ke
jantung karena tidak menerima cukup oksigen. Pada umumnya
hal itu terjadi karena salah satu pembuluh arteri yang bertugas
untuk mengalirkan darah ke jantung mengalami penyumbatan
dikarenakan peningkatan lemak yang tidak stabil, sel darah
putih ataupun kolestrol yang tinggi. Infark Miokardial dapat
ditangani lebih cepat bagi penderita yang sudah terdeteksi dari
awal. Artificial Neural Network digunakan untuk mendeteksi
penyakit jantung dengan menggunakan pemrosesan sinyal
Elektrokardiogram. Pemrosesan sinyal Elektrokardiogram
terhadap penyakit Infark Miokardial untuk mendeteksi lwabih
awal. Artificial Neural Network dapat mengklasifikasikan
penyakit jantung Infark Miokardial dan jantung normal karena
memiliki kelebihan mengklasifikasikan suatu data dengan proses
yang singkat, tepat dan pengelolaan mandiri. Penelitian ini
dihasilkan dari klasifikasi yang berasal dari algoritma Multi-
Layer Perceptron (MLP). Hasil dari penelitian ini menghasilkan
nilai akurasi tertinggi bernilai 83.3%. Hasil tertinggi nilai
Sensitivity adalah 83.3%. Serta hasil tertinggi dari nilai specifity
adalah 83.3%
Article Details
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.
References
Y. Suryana and R. Aziz, “Sistem Pemonitor Detak
Jantung Portable Menggunakan Tiga Sensor Elektroda,” J. Al-
AZHAR Indones. SERI SAINS DAN Teknol., vol. 4, no. 1, p.
, 2018, doi: 10.36722/sst.v4i1.240.
P. Kemenkes, “Situasi Kesehatan Jantung ; Mari
Menuju Masa Muda Sehat, Hari Tua Nikmat Tanpa PTM
dengan Perilaku Cerdik,” Pus. Data dan Inf., p. 8, 2014.
M. A. Bianto, K. Kusrini, and S. Sudarmawan,
“Perancangan Sistem Klasifikasi Penyakit Jantung
Mengunakan Naïve Bayes,” Creat. Inf. Technol. J., vol. 6, no.
, p. 75, 2020, doi: 10.24076/citec.2019v6i1.231.
G. Pangestu, “DETEKSI KELAINAN PADA
JANTUNG MENGGUNAKAN CITRA EKG (
ELEKTROKARDIOGRAM ) DENGAN MENGGUNAKAN
METODE LVQ ( LEARNING VECTOR QUANTIZATION )
SKRIPSI Oleh :,” 2016.
F. Lutfi and A. Arifin, “Klasifikasi Sinyal
Elektrokardiografi Menggunakan Wavelet Transform dan
Neural Network,” 13th Semin. Intell. Technol. Its Appl., vol.
, no. June, pp. 136–140, 2012.
J. Informatika and S. Informasi, “INFORMASI
(Jurnal Informatika dan Sistem Informasi) Volume 13 No.1 /
Mei / 2021,” Inf. (Jurnal Inform. dan Sist. Informasi), vol. 13,
no. 1, pp. 61–79, 2021.
N. Flores, R. L. Avitia, M. A. Reyna, and C. García,
“Readily available ECG databases,” J. Electrocardiol., vol.
, no. 6, pp. 1095–1097, 2018, doi:
1016/j.jelectrocard.2018.09.012.