Studi Analisis Ekstraksi Fitur pada Multi-Channel Sinyal EKG menggunakan Ensemble Artificial Intelligence

SELLA TRESNASARI

Informasi Umum

Kode

21.04.760

Klasifikasi

610.28 - Biomedical Engineering

Jenis

Karya Ilmiah - Skripsi (S1) - Reference

Subjek

Biomedical Engineering

Informasi Lainnya

Abstraksi

Jantung merupakan salah satu organ penting manusia yang berfungsi memompa darah ke seluruh tubuh. Jantung menghasilkan serangkaian detak jantung elektromagnetik setiap waktu yang bervariasi. Elektrokardiogram (EKG) adalah grafik yang dibuat oleh sebuah elektrokardiograf, yang merekam aktivitas kelistrikan jantung dalam waktu tertentu. Atrial Fibrillation (AF) merupakat aritmia yang dapat disebabkan oleh kondisi lain seperti tiroid (kelenjar gondok) yang terlalu aktif atau penggunaan alkohol yang berlebihan. Dalam penelitian Tugas Akhir ini dilakukan proses ekstraksi fitur dengan menggunakan Discrete Wavelet Transform (DWT) dan mencari algoritma terbaik untuk Ekstraksi Fitur dengan fungsi basis wavelet yang berbeda-beda seperti Wavelet Haar (db1), Daubechies, dan Symlet yang digunakan untuk menghitung koefisien DWT. Hasil dari perhitungan koefisien basis wavelet dijadikan sebagai masukan pada metode Ensemble K-Nearest Neighbor (KNN) pada tahap klasifikasi. Hasil pengujian yang telah dilakukan menyatakan bawa algoritma terbaik deteksi ekstraksi fitur yaitu Daubechies ordo 6 level 5 yang menghasilkan performasi terbaik dengan nilai akurasi, sensitivitas, dan spesifitas yaitu 95%, 96%, dan spesifitas 100%. Hasil dari pengimplementasian metode Wavelet Daubechies membuktikan bahwa metode ini dapat menjadi metode terbaik pada ekstraksi fitur. Kata Kunci: jantung, EKG, Atrial Fibrillation, Wavelet, KNN