Ardhiansyah, Reza Septian (2022) DIAGNOSA KELAINAN RITME JANTUNG DENGAN ARTIFICIAL INTELLIGENCE. Diploma thesis, Universitas YARSI.
|
Text
1. Cover.pdf Download (18kB) | Preview |
|
|
Text
2. LEMBAR PENGESAHAN.pdf Download (148kB) | Preview |
|
|
Text
3. LEMBAR PERNYATAAN ORISINALITAS.pdf Download (189kB) | Preview |
|
|
Text
4. ABSTRAK.pdf Download (7kB) | Preview |
|
|
Text
5. BAB I.pdf Download (136kB) | Preview |
|
|
Text
6. DAFTAR PUSTAKA.pdf Download (120kB) | Preview |
|
Text
7. BAB II.pdf Restricted to Registered users only Download (35kB) |
||
Text
8. BAB III.pdf Restricted to Registered users only Download (637kB) |
||
Text
9. BAB IV.pdf Restricted to Registered users only Download (384kB) |
||
Text
10. BAB V.pdf Restricted to Registered users only Download (237kB) |
||
Text
11. BAB VI.pdf Restricted to Registered users only Download (7kB) |
Abstract
Jantung merupakan salah satu organ vital yang ada pada tubuh manusia. Fungsi utama dari jantung adalah memompa darah ke seluruh bagian tubuh dengan melibatkan pembuluh darah sebagai salurannya. Banyak sekali jenis gangguan yang bisa terjadi pada jantung manusia, salah satunya adalah Aritmia. Menurut WHO penyakit jantung berada pada posisi satu sebagai penyebab kematian. Pada tahun 2005, sekitar 17,5 juta atau setara dengan dengan 30% kematian diseluruh dunia disebabkan oleh penyakit jantung. Aritmia merupakan penyakit yang mengganggu irama jantung. Penyakit ini menyebabkan detak jantung pengidapnya terasa tidak teratur yang bisa lebih cepat atau lebih lambat. Dengan tingginya angka kematian dari penyakit aritmia, dibutuhkan sebuah metode yang bisa memprediksi jenis kelainan jantung dari tiap pasein berdasrkan hasil dari elektrokardiogram. Dataset yang digunakan berjumlah 6880 pasien yang didapat dari salah satu data yang digunakan pada The PhysioNet/Computing in Cardiology Challenge 2020 yaitu China 12-Lead ECG Challenge Database. Tiap data diambil sekitar 6 sampai 60 detik menggunakan frekuensi 500hz.Metode yang diajukan adalah Artificial Neural Network (ANN), Long short-term memory (LSTM), Inception dan Convolutional neural network (CNN). Dalam melakukan penelitian, penulis membagi data menjadi 2 bagian. 80% data digunakan untuk training, sedangkan sisanya digunakan untuk testing. Dari keempat model yang telah diujicobakan, model Inception mendapat hasil tertinggi dengan akurasi 86.8% dengan menggunakan enam kelas sebaran dan 90.7% dengan menggunakan empat kelas sebaran.
Item Type: | Thesis (Diploma) |
---|---|
Additional Information: | S-818-FTI |
Uncontrolled Keywords: | Aritmia, Elektrokardiogram, Deep Learning, Convolutional Neural Network. |
Subjects: | Q Science > QA Mathematics > QA75 Electronic computers. Computer science Q Science > QA Mathematics > QA76 Computer software R Medicine > R Medicine (General) R Medicine > RC Internal medicine T Technology > T Technology (General) |
Depositing User: | Reza Ardhiansyah |
Date Deposited: | 07 Dec 2023 03:38 |
Last Modified: | 07 Dec 2023 03:38 |
URI: | http://digilib.yarsi.ac.id/id/eprint/11175 |
Actions (login required)
View Item |