KLASIFIKASI PENYAKIT JANTUNG BERDASARKAN NILAI AMPLITUDO ECG SIGNAL MENGGUNAKAN METODE DEEP LEARNING - Dalam bentuk buku karya ilmiah
KARSTEN ERRANDO WINOTO
Informasi Umum
Kode
25.04.5717
Klasifikasi
000 - General Works
Jenis
Karya Ilmiah - Skripsi (S1) - Reference
Subjek
Deep Learning
Dilihat
81 kali
Informasi Lainnya
Abstraksi
Penelitian ini membahas penerapan empat arsitektur Deep Learning, yaitu CNN, LSTM, RNN, dan GRU untuk klasifikasi sinyal <em>electrocardiogram</em> (ECG) dalam mendeteksi jenis aritmia jantung. Dataset yang digunakan adalah <em>MIT-BIH Arrhythmia</em> dengan lima kelas: <em>Normal, Atrial Premature, Premature Ventricular Contraction, Fusion of Ventricular and Normal, serta Fusion of Paced and Normal</em>. Setiap model diuji dalam hal akurasi, <em>precision, recall</em>, dan <em>F1-Score</em>. Hasil pengujian menunjukkan bahwa model CNN memberikan performa terbaik dengan akurasi sebesar 0.98, <em>precision</em> 0.92, <em>recall</em> 0.90, dan <em>F1-Score</em> 0.91. GRU juga menunjukkan performa yang sangat baik dengan akurasi 0.98 dan <em>F1-Score</em> 0.90. Model LSTM menunjukkan hasil cukup baik namun masih lemah dalam mengklasifikasi kelas tertentu, sedangkan RNN memiliki performa terendah. Hasil ini menunjukkan bahwa CNN dan GRU merupakan model yang paling efektif dan konsisten untuk klasifikasi sinyal ECG pada deteksi aritmia jantung.<br />
- CAK3JAB3 - Pembelajaran Mesin
Koleksi & Sirkulasi
Tersedia 1 dari total 1 Koleksi
Anda harus log in untuk mengakses flippingbook
Pengarang
| Nama | KARSTEN ERRANDO WINOTO |
| Jenis | Perorangan |
| Penyunting | Nicolaus Euclides Wahyu Nugroho, Andi Prademon Yunus |
| Penerjemah |
Penerbit
| Nama | Universitas Telkom, S1 Teknik Informatika - Kampus Purwokerto |
| Kota | Purwokerto |
| Tahun | 2025 |
Sirkulasi
| Harga sewa | IDR 0,00 |
| Denda harian | IDR 0,00 |
| Jenis | Non-Sirkulasi |
