Teknologi biometrik pada saat ini telah banyak digunakan sebagai identifikasi
dan otentikasi sebuah aplikasi. Contohnya adalah sebuah smartphone yang
didalamnya terdapat aplikasi yang berisikan data penting, maka sebuah aplikasi
tersebut membutuhkan keamanan tingkat tinggi yang dimana hanya pengguna atau
yang bersangkutan saja yang bisa membuka aplikasi tersebut. Baru-baru ini
diciptakan sebuah teknologi biometrik berbasis sinyal EKG yang sedang
dikembangkan. Sinyal EKG ini berupa bentuk detak jantung pada manusia yang
akan dirancang menjadi ide baru untuk teknologi biometrik.
Pada tugas akhir ini, dibuat sebuah sistem yang mampu mengidentifikasi
identitas seseorang melalui sinyal elektrokardiogram dengan menggunakan metode
klasifikasi One Dimensional Convolutional Neural Network (1D – CNN) dengan
fungsi aktivasi ReLU dan Softmax. Data diproses melalui tiga skenario. Dataset
yang digunakan diperoleh dari www.physionet.org, dataset ini berisikan 48 kelas
yang mempunyai karakteristik detak jantung yang berbeda-beda. Jumlah total data
masukannya sebanyak 8.597 yang terdiri dari 6.017 data latih (75%) dan 2.580 data
uji (25%).
Pengujian pada parameter jumlah hidden layer, penggunaan optimizer, dan
nilai learning rate sangat berpengaruh terhadap performansi sistem yang
dihasilkan. Perfomansi sistem yang dihasilkan berupa akurasi, precision, recall, flscore, dan loss. Dimana pada penelitian ini mendapatkan hasil terbaiknya pada
penggunaan 5 hidden layer, adam optimizer dan nilai learning rate 0,001
didapatkan hasil perfomansi sistem akurasi, precision, recall, fl-score, dan loss
berturut-turut yaitu 94,07%, 94%, 94%, 93%, 0,1876.