Penyakit jantung merupakan salah satu penyakit paling mematikan di dunia. Salah satu dari penyakit jantung tersebut adalah aritmia. Aritmia merupakan penyakit jantung yang mengakibatkan abnormalnya ritme detak jantung. Terkadang aritmia tidak menunjukkan gejala, sehingga tidak jarang pasien aritmia terlambat mendapatkan intervensi. Untuk mendapatkan diagnosis aritmia, perlu dilakukan pemeriksaan Electocardiogram (ECG) yang kemudian dianalisis oleh dokter secara manual.
Pada penelitian ini diajukan sistem klasifikasi aritmia pada sinyal ECG dengan menggunakan Convolutional Neural Network (CNN) 1-Dimensi. Penggunaan deep learning (DL) dalam melakukan klasifikasi pada sinyal berbentuk 1D dilakukan agar tenaga kesehatan dapat membuat keputusan dalam intervensi penanganan aritmia secara cepat dan tepat.
Pada penelitian ini dilakukan penelitian terhadap arsitektur CNN 1D apa yang paling sesuai dalam melakukan klasifikasi sinyal ECG. Dataset yang digunakan pada penelitian ini bersumber dari MIT-BIH Arrhythmia Database. Dilakukan percobaan klasifikasi pada model CNN 1D sederhana, ResNet18 1D, VGG16 1D modifikasi, dan MobileNetV2 1D. Input dari masing-masing model berupa window sinyal ECG dengan ukuran 3 ECG waveform, 5 ECG waveform, dan 10 ECG waveform. Hasil dari klasifikasi tersebut kemudian dibandingkan evaluasi performanya untuk menentukan model arsitektur apa yang paling sesuai.
Hasil dari penelitian menunjukkan bahwa model ResNet18 1D dengan input window berukuran 10 ECG waveform mendaparkan performa terbaik. Model mendapatkan akurasi sebesar 0,996, presisi sebesar 0,996, recall sebesar 0,996, specificity sebesar 0,999, dan F1 Score sebesar 0,996. Penelitian ini menunjukkan kemampuan model deep learning dalam melakukan klasifikasi pada sinyal biomedis 1D seperti sinyal ECG.
Kata Kunci: Aritmia, ritme jantung, sinyal ECG, CNN 1D, deep learning, klasifikasi.