PENDETEKSI KELAINAN JANTUNG ABNORMAL DENGAN KLASIFIKASI SUARA JANTUNG BERDASARKAN PENGUKURAN HEART RATE VARIABILITY

REZA NUR AFDILLA

Informasi Umum

Kode

21.04.4777

Klasifikasi

621.31 - Electrical Engineering

Jenis

Karya Ilmiah - Skripsi (S1) - Reference

Subjek

Electric Engineering

Dilihat

328 kali

Informasi Lainnya

Abstraksi

Penyakit jantung merupakan salah satu penyakit kardiovaskular yang menjadi penyebab kematian nomor satu di dunia. Penyakit jantung dapat terjadi sedini mungkin dari kecil. Namun panyakit jantung juga banyak terjadi pada kepada orang tua yang mengalaminya. Salah satu penyebab terkena penyakit jantung yaitu gaya hidup dan makanan yang tidak sehat sehingga menjadi pemicu munculnya penyakit jantung tersebut. Maka dalam Tugas Akhir ini akan dirancang sebuah sistem yang dapat mendeteksi kelainan jantung berdasarkan suara jantung menggunakan stetoskop elektronik atau disebut juga Phonocardiograph (PCG) menggunakan metode Heart Rate Variability (HRV) dan menggunakan Support Vector Machine (SVM) sebagai klasifikasi jenis ciri penyakit jantung terutama aritmia. Fungsi pada Stetoskop Elektronik sebagaimana halnya sama seperti stetoskop pada umumnya, tetapi pada alat tersebut dapat merekam, dan memutar kembali suara jantung pasien dan dapat diolah leibih lanjut dengan pengolahan sinyal. Metode HRV digunakan untuk mendapatkan ciri yang dapat menentukan batas-batas parameter. Dan SVM digunakan untuk metode yang dapat mengklasifikasikan berdasarkan batas-batas ciri parameter sehingga dapat mengetahui klasifikasi jenis penyakit suara jantung tersebut. Pada simulasi ini akan ditampilkan dengan aplikasi perangkat lunak yaitu Matlab. Hasil dari Tugas Akhir ini adalah sebuah simulasi yang dapat mendeteksi dan mengklasifikasikan jenis penyakit jantung dengan cara mengumpulkan dataset suara jantung. Pada pengujian suara jantung normal dan aritmia dengan metode HRV dan algortima SVM mampu menghitung nilai akurasi. Parameter yang digunakan pada HRV yaitu SDNN, RMSDD, NN50, dan pNN50. Dari Pengujian yang dilakukan didapatkan akurasi yang tertinggi pada SVM adalah 76% dengan kernel Polinomial.