ABSTRAKSI: Jantung adalah rongga berotot yang memompa darah lewat pembuluh darah oleh kontraksi berirama yang berulang. Dari aktifitas listrik otot jantung, dihasilkan suatu sinyal yang dinamakan elektrokardiogram. Elektrokardiogram (EKG) adalah gambaran sinyal hasil dari aktifitas impuls elektrik (kelistrikan) otot jantung selama periode waktu tertentu, yang direkam atau diinterpretasikan oleh perangkat atau alat bernama elektrokardiograf yang terhubung ke tubuh dengan prosedur non-invansif. Rekaman EKG digunakan oleh para dokter ahli untuk menentukan kondisi jantung seorang pasien.
Pada tugas akhir ini menggunakan metode EMD (Empirical Mode Decomposition) dengan WFS (Wrapper Feature Selection). Konsep dasar dari EMD adalah untuk mengidentifikasi skala waktu yang tepat yang dapat menunjukkan karakteristik fisik sinyal dan kemudian mengubah sinyal ke mode intrinsik dengan fungsi, yaitu Intrinsic Mode Function (IMF). Setelah itu dilakukan seleksi fitur menggunakan Wrapper Feature Selection (WFS). Wrapper adalah salah satu tipe seleksi fitur yang bertujuan untuk mendapatkan classifier pola yang mengevaluasi subset fitur dengan akurasi prediktif dengan menggunakan statistical resampling atau cross-validation. Untuk klasifikasi menggunakan K-Nearest Neighbor, suatu metode klasifikasi terhadap objek / data baru berdasarkan jarak data baru tersebut ke beberapa data / tetangga (neighbour) terdekat.
Hasil akhir dari tugas akhir ini didapatkan nilai akurasi dari sistem yang dirancang dengan metode Wrapper Feature Selection dan K-Nearest Neighbor untuk melakukan klasifikasi tipe kondisi jantung seperti Normal Sinus Rhythm, Congestif Heart Failure dan Atrial Fibrillation melalui sinyal elektrokardiogram dengan mengunakan Feature Selection mencapai 84%. Sedangkan apabila tidak menggunakan Wrapper Feature Selection tetapi hanya menggunakan K-Nearest Neighbor, nilai akurasi terbaik hanya mencapai 70%.
Kata Kunci : Kelainan Jantung, Elektrokardiogram, Empirical Mode Decomposition, Wrapper Feature Selection, K-Nearest NeighborABSTRACT: Heart is a muscle of cavity that pumps blood through blood vessels with repeated rhythmic contractions. Electrocardiogram (ECG) is an overview signal of the results of an electrical impulse activity (electrical) of heart muscle during a certain time period, which is recorded or interpreted by an electrocardiograph that connected to the body with a non-invasive procedure. ECG used by medical personnel to determine a patient's cardiac condition.
In this final project using EMD (Empirical Mode Decomposition) and WFS (Wrapper Feature Selection). The basic concept of the EMD is to identify the appropriate time scale to demonstrate the physical characteristics of the signal and then converts the signal into Intrinsic Mode Functions (IMF). Calculation process by reducing the number of signals analyzed by mean of the number of signals, and do repeatedly to obtain a stable signal conditions. For the feature selection using the Wrapper Feature Selection (WFS). wrapper is a type of feature selection that aims to get a pattern classifier with feature subset evaluate the predictive accuracy by using a statistical resampling or cross-validation. For classification using the K-Nearest Neighbor, a method using supervised algorithms wherein one of the methods of classification of objects / new data based on the distance of the new data to some nearby data / neighbour.
The result of this final project is an accuracy of the system designed by the method of Wrapper Feature Selection and K-Nearest Neighbor to classify types of heart conditions such as Normal Sinus Rhythm, congestive Heart Failure and Atrial Fibrillation through electrocardiogram reaches 84%. Whereas when not using Wrapper Feature Selection but only use K-Nearest Neighbor, the best accuracy just 70%.
Keyword: Heart Disease, Electrocardiogram, Empirical Mode Decomposition, Wrapper Feature Selection, K-Nearest Neighbor