Record Details

Implementasi Sistem Pendeteksi Sleep Apnea Berdasarkan Interval QRS Dan Durasi Gelombang P Menggunakan Metode Support Vector Machine

Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer

View Archive Info
 
 
Field Value
 
ISSN 2548-964X
 
Authentication Code dc
 
Title Statement Implementasi Sistem Pendeteksi Sleep Apnea Berdasarkan Interval QRS Dan Durasi Gelombang P Menggunakan Metode Support Vector Machine
 
Added Entry - Uncontrolled Name Bachtiar, Muhammad Jibriel
Maulana, Rizal
Syauqy, Dahnial
Fakultas Ilmu Komputer, Universitas Brawijaya
Fakultas Ilmu Komputer, Universitas Brawijaya
Fakultas Ilmu Komputer, Universitas Brawijaya
 
Summary, etc. Pemompaan darah ke seluruh tubuh dilakukan oleh organ yang paling penting di tubuh yaitu jantung. Karena jantung merupakan organ yang paling penting, maka resiko terjadinya gangguan juga semakin tinggi salah satu gangguan tersebut adalah Sleep Apnea. Penyakit Sleep Apnea merupakan suatu gangguan pernapasan yang membuat napas menjadi berhenti sesaat selama beberapa kali pada saat tidur. Pendeteksian Sleep Apnea dapat dilakukan dengan berbagai cara, salah satunya yaitu dengan alat yang bernama Electrocardiogram (ECG). Cara kerja alat tersebut yaitu dengan merekam sinyal yang dikeluarkan oleh jantung pada saat berdetak. Saat ini untuk mendeteksi penyakit Sleep Apnea dibutuhkan biaya yang lumayan besar dan hanya bisa dilakukan di Rumah Sakit. Karena alasan tersebut, maka dibuatlah penelitian pendeteksian Sleep Apnea yang memungkinkan pengguna tidak perlu mengeluarkan biaya mahal serta dapat dilakukan dimana saja. Fitur untuk pendeteksian Sleep Apnea pada penelitian ini menggunakan nilai dari Interval QRS dan Durasi P sinyal ECG yang dihasilkan. Dengan sensor AD8232 dan penempelan 3 buah elektroda dimana 2 buah ditempelkan pada bagian dada dan 1 buah elektroda pada bagian perut sinyal ECG akan terdeteksi. Pengolahan dan klasifikasi sinyal dilakukan ketika data sinyal didapatkan dari sensor dengan menggunakan klasifikasi Support Vector Machine (SVM) pada mikrokontroler Arduino Uno. Sebanyak 48 data latih dan 24 data uji yang digunakan untuk penentuan dan pengujian akurasi dari SVM. 20 data normal dan 28 data Sleep Apnea digunakan sebagai data latih dan 10 data normal serta 14 data Sleep Apnea digunakan sebagai data uji. Kelas “Normal” atau kelas “Sleep Apnea” didapatkan dan ditampilkan ketika hasil klasifikasian SVM sudah ditetapkan. Sebesar 83,3% akurasi didapatkan akurasi dari uji coba klasifikasi SVM yang memiliki waktu komputasi training rata-rata sebesar 9,78 detik dan komputasi testing rata-rata sebesar 0,7 detik.
 
Publication, Distribution, Etc. Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya
 
Electronic Location and Access application/pdf
http://j-ptiik.ub.ac.id/index.php/j-ptiik/article/view/9107
 
Data Source Entry Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer; Vol 5 No 6 (2021): Juni 2021
 
Language Note ind
 
Terms Governing Use and Reproduction Note Hak Cipta (c) 2021 Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer
 


www.freevisitorcounters.com