Search for collections on Universitas YARSI Repository

Analisis Performa Algoritma Klasifikasi Support Vector Machine pada Sinyal Phonocardiogram serta Tinjauannya Menurut Agama Islam

Sarah, Siti (2019) Analisis Performa Algoritma Klasifikasi Support Vector Machine pada Sinyal Phonocardiogram serta Tinjauannya Menurut Agama Islam. Diploma thesis, Universitas YARSI.

Full text not available from this repository.

Abstract

Penyakit jantung merupakan dampak dari penyumbatan pembuluh darah yang disebabkan ketidakseimbangan suplai dan kebutuhan darah, katup jantung yang bermasalah hingga gangguan sejak lahir. Salah satu gejala jantung tidak berfungsi dengan baik adalah irama detak jantung yang tidak normal sehingga dibutuhkan prediksi untuk diagnosis penyakit jantung. Salah satu metode yang diusulkan untuk prediksi penyakit jantung yaitu Sinyal Phonocardiogram (PCG). Sinyal PCG merupakan representasi grafis rekaman suara jantung. Sinyal PCG sangat efektif karena dapat memberikan informasi dalam bentuk visual. Prediksi penyakit jantung dengan sinyal PCG dilakukan dengan klasifikasi untuk menginterpretasi tindakan yang harus dilakukan untuk pasien penyakit jantung. Namun, dalam klasifikasi sinyal PCG, ekstraksi fitur dan segmentasi menjadi masalah utama dalam memperbaiki kualitas fitur sinyal PCG. Maka dari itu, penelitian ini mengusulkan metode ekstraksi fitur Mel Frequency Cepstral Coefficient (MFCC) untuk memperbaiki kualitas fitur dan Support Vector Machine (SVM) untuk klasifikasi. Eksperimen yang akan dilakukan dalam penelitian ini adalah menerapkan kernel Gaussian, Polynomial, Linear, Radial Basis Function (RBF) untuk meningkatkan nilai dalam parameter evaluasi. Dataset yang digunakan adalah PASCAL Classifying Heart Sound Challenge. Kemudian, hasil dari klasifikasi dalam penelitian ini akan dibandingkan dengan penelitian-penelitian yang dilakukan sebelumnya. Menurut sudut pandang Agama Islam, penelitian ini dapat dilakukan karena memberikan dampak dan manfaat yang baik, serta dapat menunaikan hakikat manusia untuk tolong menolong.

Item Type: Thesis (Diploma)
Subjects: L Education > L Education (General)
Divisions: Faculty of Engineering, Science and Mathematics > School of Chemistry
Depositing User: Unnamed user with email admin@yarsi.ac.id
Date Deposited: 09 Feb 2021 02:27
Last Modified: 09 Feb 2021 02:27
URI: http://digilib.yarsi.ac.id/id/eprint/4845

Actions (login required)

View Item View Item