Aritmia atau gangguan irama jantung merupakan suatu kelainan yang terjadi saat
impuls listrik di jantung tidak bekerja dengan baik. Saat terjadinya aritmia detak
pada jantung tidak normal, tidak beraturan bisa cepat maupun lambat. Aritmia
terbagi menjadi takiaritmia, bradiaritmia, fibrilasi atrium dan fibrilasi ventrikel.
Komplikasi dari aritmia ini dapat menyebabkan stroke, gagal jantung dan kematian
mendadak. Pemeriksaan yang dilakukan untuk mendeteksi aritmia adalah
elektrokardiogram atau EKG. Pada pemeriksaan EKG akan didapatkan sinyal yang
akan digunakan untuk mendeteksi terjadinya aritmia atau gangguan irama jantung.
Tugas akhir ini dilaksanakan untuk mendeteksi aritmia atau gangguan irama
jantung menurut sinyal elektrokardiogram dengan menggunakan interpolasi linier.
Interpolasi linier adalah bentuk paling sederhana dari interpolasi yaitu dengan
menghubungkan dua buah titik data garis data dengan garis lurus. Klasifikasi yang
digunakan ialah Recurrent Neural Network (RNN) yaitu suatu klasifikasi yang
proses pemanggilannya dilakukan berulang-ulang. Penelitian yang telah
dilaksanakan ini menggunakan dataset yang didapat dari DataHub.io dengan total
data 452 dengan data yang berbentuk data tabular dan terbagi atas dua kelas yaitu
data normal dan data aritmia. Pada proses uji coba yang dilaksanakan, data terbagi
menjadi 80% data train dan 20% data uji. Algoritma yang digunakan pada
penelitian ini adalah Recurrent Neural Network (RNN)-Long Short Term Memory
(LSTM).
Pada penelitian ini dilakukan skenario pengujian untuk mencari hyperparameter
terbaik. Pada penggunaan dataset sebelum interpolasi, hasil hyperparameter
terbaiknya adalah epoch 100, learning rate 0,0001, batch size 32 dan optimizer
Adam. Akurasi yang didapat ketika menggunakan hyperparameter terbaik ini
mendapatkan akurasi sebesar 0,8148 validasi akurasi sebesar 0,7857 dengan nilai
validasi loss sebesar 0,5294. Kemudian setelah menggunakan dataset sesudah
interpolasi, nilai hyperparameter terbaik yang didapatkan adalah epoch 100,
learning rate 0,001, batch size 128 dan optimizer Adam. Akurasi yang didapat
ketika menggunakan hyperparameter terbaik ini adalah sebesar 0,8864 dan validasi
akurasi 0,7692 dengan validasi loss sebesar 0,6149.
5
Kata Kunci : Aritmia, Elektrokardiogram, Interpolasi Linier, Recurrent Neural
Network (RNN)-Long Short Term Memory (LSTM)