Informasi Umum

Kode

24.04.1216

Klasifikasi

005.1 - software engineering

Jenis

Karya Ilmiah - Skripsi (S1) - Reference

Subjek

Iot

Dilihat

63 kali

Informasi Lainnya

Abstraksi

<p>Penelitian ini berfokus pada deteksi infark miokard (Myocardial Infar-<br /> ction) menggunakan metode hybrid deep learning pada sinyal phonocardio-<br /> gram (PCG). Kami mengusulkan model hybrid yang menggabungkan Convo-<br /> lutional Neural Network (CNN) dengan Long Short-Term Memory (LSTM),<br /> Bidirectional LSTM (BiLSTM), dan Gated Recurrent Unit (GRU). Kinerja<br /> algoritma-algoritma ini dibandingkan untuk menentukan yang paling efektif<br /> dalam deteksi infark miokard (Myocardial Infarction). Ekstraksi fitur meli-<br /> batkan enam metode yaitu wavelet, MFCC, ZCR, Spectral Cotrast, Shannon<br /> Entropy, dan RMS, menghasilkan 46 fitur untuk analisis.<br /> Analisis menunjukkan bahwa model CNN-LSTM, CNN-BiLSTM, dan CNN-<br /> GRU non-tuning menunjukkan model yang kurang robust karena inkonsistensi<br /> dalam dataset pelatihan dan validasi. Namun, versi tuning dari model-model<br /> tersebut menunjukkan peningkatan signifikan. CNN-LSTM yang di tuning<br /> mencapai akurasi 92.86%, presisi 94.38%, dan skor F1 93.33%. Tuning CNN-<br /> BiLSTM menghasilkan akurasi yang serupa tetapi presisi dan skor F1 sedikit<br /> lebih rendah. Secara mencolok, model Tuning CNN-GRU mengungguli yang<br /> lain, mencapai akurasi tertinggi 94.05%, presisi 92.47%, dan skor F1 94.51%,<br /> menunjukkan konsistensi yang kuat antara dataset pelatihan dan validasi. Stu-<br /> di ini menekankan pentingnya penyetelan dalam meningkatkan kinerja dan<br /> keandalan model hybrid deep learning dalam deteksi penyakit kardiovaskular.</p>

  • CSH4373 - INTERNET OF THINGS

Koleksi & Sirkulasi

Tersedia 1 dari total 1 Koleksi

Anda harus log in untuk mengakses flippingbook

Pengarang

Nama MOHAMMAD AXEL ARIAPASKHA
Jenis Perorangan
Penyunting Satria Mandala
Penerjemah

Penerbit

Nama Universitas Telkom, S1 Informatika
Kota Bandung
Tahun 2024

Sirkulasi

Harga sewa IDR 0,00
Denda harian IDR 0,00
Jenis Non-Sirkulasi