Klasifikasi penyakit jantung menggunakan metode support vector machine berdasarkan perbandingan algoritma pembacaan waktu dengan tekstur sinyal sebagai metode ekstraksi sinyal EKG

This item is published by Universitas Islam Negeri Sunan Ampel Surabaya

Trianifa, Nisa (2019) Klasifikasi penyakit jantung menggunakan metode support vector machine berdasarkan perbandingan algoritma pembacaan waktu dengan tekstur sinyal sebagai metode ekstraksi sinyal EKG. Undergraduate thesis, UIN Sunan Ampel Surabaya.

Text
Nisa Trianifa_H02216011.pdf
Download (12MB)

Abstract

Penyakit jantung merupakan salah satu faktor utama yang mengakibatkan kematian. Langkah awal dalam mengatasi penyakit jantung adalah memeriksa jantung. Akan tetapi, hasil pemeriksaan tidak dapat memberikan informasi tentang penyakit jantung. Oleh karena itu, pada penelitian ini dilakukan pemrosesan sinyal digital dalam menganalisis pola sinyal hasil rekaman jantung. Tujuannya agar dapat mengklasifikasikan pasien Myocardical Infraction dan normal melalui dua tahapan yaitu perbandinga dua metode algoritma pembacaan waktu dan tekstur sinyal sebagai metode ekstraksi sinyal EKG, dan klasifikasi dengan metode SVM. Ekstraksi sinyal EKG dengan tekstur sinyal menggunakan transformasi wavelet dengan tiga parameter hasil ekstraksi menunjukkan bahwa tekstur sinyal lebih baik dari algoritma pembacaan waktu dalam mengekstraksi sinyal EKG serta hasil SVM terbaik dengan fungsi kernel RBF. Hasil akurasi dari data uji sebesar 95%, sensitivitas sebesar 100%, spesifitas sebesar 91,67%, dan presisi sebesar 100%.