ABSTRAKSI: Penyakit jantung koroner adalah penyakit jantung yang paling mematikan sehingga perlu dilakukan diagnosa secara dini terhadap penyakit ini untuk keberhasilan pengobatan. Salah satu cara diagnosa awal penyakit jantung koroner yang dilakukan oleh dokter ahli jantung adalah melalui rekaman Elektrokardiografi (EKG). Deteksi penyakit jantung koroner dapat diotomatisasikan dengan membuat suatu perangkat lunak pengenalan pola EKG. Untuk kebutuhan ini diperlukan akurasi yang cukup tinggi sehingga mendapatkan hasil diagnosa awal yang tepat. Penelitian untuk mendeteksi penyakit jantung koroner dengan mengenali pola EKG telah dilakukan sebelumnya menggunakan Jaringan syaraf tiruan Propagasi balik dan persamaan fasa tetapi tidak memperoleh hasil yang memuaskan.
Dalam tugas akhir ini akan dilakukan perbandingan performansi antara klasifikasi menggunakan Jaringan Syaraf Tiruan Propagasi Balik dan Jaringan Syaraf Tiruan Adaptive Resonance Theory (ART) dengan data citra EKG yang lebih tersebar untuk tiap pola EKG jantung koroner untuk memperbaiki keakuratannya.
Dari hasil pengujian diperoleh metode klasifikasi yang lebih baik dalam hal akurasi yaitu JST Propagasi Balik (Resilient Propagation) dengan tingkat akurasi pengenalan pola EKG terhadap citra EKG ukuran 164 x 380 adalah 100% untuk citra latih dan 61.84% untuk citra uji sedangkan tingkat akurasi pengenalan pola EKG terhadap citra EKG ukuran 164 x 124 adalah 100% untuk citra latih dan 84.21% untuk citra uji. Metode JST ART 1 memiliki kelebihan dalam hal performansi kecepatan pelatihan.Kata Kunci : Elektrokardiografi (EKG), Jaringan Syaraf Tiruan, Propagasi Balik, RPROP, Adaptive Resonance Theory (ART) 1, Penyakit Jantung KoronerABSTRACT: Coronary heart disease is the most deadly heart disease, so for that reason it’s needed early diagnosis of this disease for medication efficacy. The one way of early diagnosis of Coronary Heart Disease done by a cardiologist is through the record of electrocardiography (ECG). Coronary heart disease detection can be automated by creating an ECG pattern recognition software. This requirement needed a quite high accuracy to obtain accurate diagnose result. Research for coronary heart disease detection with ECG pattern recognition have been done previously used artificial neural network of Backpropagation and equation of fasa but the result was not satisfying.
In this final project, the comparison for classification between Backpropagation and Adaptive Resonance Theory (ART) will be done with spreader data image of ECG for each ECG coronary heart to improve accuracy.
The result show that Backpropagation Method (Resilient Propagation) give a better performance in accuracy. The accuracy of ECG pattern recognition for image with 164 x 380 pixel reach 100% for training data set and 61.84% for classification. The accuracy of ECG pattern recognition for image with 164 x 124 pixel reach 100% for training data set and 84.21% for classification . ART 1 method have an advantage in performance of fast training.Keyword: Electrocardiography (ECG), Artificial Neural Network, Backpropagation, RPROP, Adaptive Resonance Theory (ART) 1, Coronary Heart Disease