KLASIFIKASI POLA SINYAL ELEKTRIK JANTUNG PADA ELEKTROKARDIOGRAF (EKG) MENGGUNAKAN JARINGAN SARAF TIRUAN BERBASIS METODE BACKPROPAGATION

• Main Author: Doni Nurdiansyah, - (Author)
• Format: Book
• Published: 2008-08-22.
• Subjects: Thesis; NonPeerReviewed
• Online Access: Link Metadata
• Notes: http://repository.upi.edu/98665/2/s_fis_045910_table_of_content.pdf; http://repository.upi.edu/98665/1/s_fis_045910_chapter1.pdf; http://repository.upi.edu/98665/5/s_fis_045910_chapter2.pdf; http://repository.upi.edu/98665/3/s_fis_045910_chapter3.pdf; http://repository.upi.edu/98665/4/s_fis_045910_chapter4.pdf; http://repository.upi.edu/98665/2/s_fis_045910_chapter5.pdf
• Keywords: L Education (General); QC Physics

Elektrokardiograf (EKG) merupakan sebuah instrumen medis yang digunakan sebagai alat untuk memperoleh informasi seputar kerja jantung manusia melalui prinsip kelistrikan pada jantung. Alat ini sering digunakan sebagai pendeteksi gangguan jantung. Mekanisme sederhana dari alat ini adalah mengukur potensial listrik sebagai fungsi waktu yang dihasilkan oleh jantung. Dari mekanisme ini akan dihasilkan pola sinyal elektrik pada EKG yang terdiri dari gelombang P,Q,R,S dan T. Pola-pola gelombang tersebut kemudian akan dikenali dan diklasifikasikan oleh komputer dengan menerapkan salah satu metode kecerdasan buatan (artificial intelligence), yaitu Jaringan Saraf Tiruan (JST) berbasis metode pembelajaran backpropagation. Penelitian akan diawali oleh pra poses raw data sinyal elektrik jantung pada EKG, pendesainan jaringan, pemilihan arsitektur dan inisialisasi jaringan, serta tahap yang lebih penting adalah pelatihan dan pengujian jaringan. Dari penelitian ini diperoleh hasil bahwa JST sangat baik dalam melakukan klasifikasi pola terhadap sinyal elektrik jantung pada EKG. Hal ini dapat diperihatkan dari persentase tingkat akurasi yang mencapai 99.999895 % pada pengujian arsitektur JST_1, 99.999853 % pada pengujian arsitektur JST_2 dan 99.999755 % untuk arsitektur JST_3. Sedangkan untuk tingkat akurasi pada data yang telah dilatih diperoleh persentase sebesar 100 % untuk semua arsitektur jaringan, sedangkan data baru diperoleh hasil sebesar 98.04 % dengan jumlah data pelatihan 30 %, 98.81 % dengan jumlah data pelatihan 50 % dan 99.16% dengan jumlah data pelatihan 70 %.