Record Details

Implementasi Sistem Pendeteksi Atrial Fibrillation Berbasis Arduino Uno 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 Atrial Fibrillation Berbasis Arduino Uno Menggunakan Metode Support Vector Machine
 
Added Entry - Uncontrolled Name Sofiana, Renita Leluxy
Maulana, Rizal
Utaminingrum, Fitri
Fakultas Ilmu Komputer, Universitas Brawijaya
Fakultas Ilmu Komputer, Universitas Brawijaya
Fakultas Ilmu Komputer, Universitas Brawijaya
 
Summary, etc. Banyak kasus penyakit jantung koroner yang menyebabkan kematian mendadak karena pasien mempunyai riwayat aritmia. Selain itu ada 1 dari 6 pasien stroke juga disebakan karena aritmia. Menurut kasus yang sering terjadi pada rumah sakit, aritmia Atrial Fibrillation menjadi salah satu faktor penyebab stroke karena pasien yang mengidap aritmia Atrial Fibrillation memiliki resiko stroke lima kali lebih besar karena dapat menyebabkan penyumbatan pada pembuluh darah. Pencegahan untuk penyakit ini dapat dipenuhi dengan cara melakukan pemeriksaan secara dini agar dapat ditangani lebih cepat. Saat ini pemeriksaan penyakit aritmia Atrial Fibrillation hanya dapat dilakukan di rumah sakit. Biaya yang dikenakan cukup mahal dan pemeriksaan tersebut belum dapat dilakukan secara mandiri. Penelitian ini menggunakan sensor AD8232 digunakan untuk menghasilkan sinyal ECG, Arduino Uno digunakan sebagai pemroses data, dan LCD untuk menampilkan hasil pemeriksaan berupa diagnosis “Normal” atau “Atrial Fibrillation”. Sistem melakukan klasifikasi menggunakan metode Support Vector Machine berdasarkan fitur hasil ekstrasi yaitu berupa Denyut Jantung (BPM), serta mean dan median dari interval RR. Diawali dengan training data sebanyak 24 data untuk menghasilkan hyperplane. Selanjutnya dilakukan testing data untuk mengklasifikasikan. Hasil yang diperoleh dari pengujian akurasi BPM sebanyak 12 kali pengujian diperoleh hasil sebesar 95,42%. Dari pengujian klasifikasi Support Vector Machine dengan menggunakan 12 data uji didapatkan hasil akurasi sebesar 83,33% dengan waktu training selama 219,30 ms dan waktu testing 0,09 ms.
 
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/8405
 
Data Source Entry Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer; Vol 5 No 1 (2021): Januari 2021
 
Language Note ind
 
Terms Governing Use and Reproduction Note Hak Cipta (c) 2021 Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer
 


www.freevisitorcounters.com