Premature Ventricular Constraction (PVC) salah satu jenis aritmia ringan
yang dipicu oleh ketidakteraturan ritme listrik jantung yang menyebabkan kontraksi
ventrikel yang tidak normal. Dalam banyak kasus PVC dapat berubah
menjadi aritmia lain yang lebih berbahaya. Beberapa tahun terakhir ini telah
banyak diajukan metode untuk mendeteksi terjadinya PVC. Pada umumnya
metode deteksi ini menganalisis sinyal EKG (Elektrokardiogram) dari pasien.
Ada 3 tahapan dalam mendeteksi PVC,yaitu preprocessing, ekstraksi ciri dan
klasifikasi sinyal EKG. Pada tahap klasifikasi, nilai akurasi yang diperoleh dari
keseluruhan proses deteksi menjadi acuan parameter keberhasilan sistem. Oleh
karena itu pemilihan algoritma klasifikasi yang tepat menjadi sangat penting.
Dari sekian banyak literatur yang mengusulkan metode deteksi PVC, Banyak
diantaranya melakukan klasifikasi sinyal EKG menggunakan metode klasifikasi
binary. Penggunaan algoritma klasifikasi KNN dengan metode euclidean
distance sudah banyak dilakukan, maka dari itu diperlukan penerapan metode
pengukuran jarak lain yang mampu meningkatkan nilai akurasi deteksi.
Dilain pihak untuk mempercepat proses monitoring PVC diperlukan pemilihan
metode feature reduction yang mampu melakukan monitoring secara tepat
dan tepat. Untuk mengatasi permasalahan diatas, tugas akhir ini mengusulkan
pengembangan algoritma klasifikasi yang mendukung peningkatan akurasi
deteksi PVC, melakukan metode klasifikasi secara multi-class. Metode yang
digunakan dalam penelitian tugas akhir ini adalah 1. Studi literatur tentang
deteksi PVC 2. Studi Algoritma Klasifikasi 3. Pengembangan algoritma klasifikasi
4. Studi metode pengukuran jarak 5. Pengujian performansi dan analisis.
Hasil pengujian performansi menunjukan bahwa algoritma klasifikasi yang diusulkan
mencapai nilai F-Score dengan nilai 98,96% untuk metode pengukuran
jarak Cosine distance,serta Nilai k terbaik adalah 1 untuk PCA.
Kata Kunci: PVC, Algoritma Klaisifikasi, Arrythmia, metode pengukuran
jarak, ECGSignal.