Record Details

Implementasi Sistem Pendeteksi Premature Ventricular Contraction (PVC) Aritmia menggunakan Metode SVM

Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer

View Archive Info
 
 
Field Value
 
ISSN 2548-964X
 
Authentication Code dc
 
Title Statement Implementasi Sistem Pendeteksi Premature Ventricular Contraction (PVC) Aritmia menggunakan Metode SVM
 
Added Entry - Uncontrolled Name Pratama, Ahmad Rizqi
Maulana, Rizal
Syauqy, Dahnial
Fakultas Ilmu Komputer, Universitas Brawijaya
Fakultas Ilmu Komputer, Universitas Brawijaya
Fakultas Ilmu Komputer, Universitas Brawijaya
 
Summary, etc. Premature Ventricular Contraction (PVC) Aritmia merupakan gangguan pada kondisi jantung yang berdetak secara tidak beraturan. Kondisi PVC menyebabkan detak jantung menjadi terlalu cepat atau menjadi terlalu lambat dari semestinya. PVC Aritmia muncul pada bagian bawah jantung atau biasa disebut Ventrikal (Bilik) jantung. Penderita PVC Aritmia memiliki resiko mengalami gagal jantung, jantung coroner, dan penyakit jantung lainnnya apabila kondisi PVC Aritmia terjadi secara terus menerus. Saat ini, Kondisi PVC Aritmia hanya dapat dideteksi di Rumah sakit dengan biaya yang cukup mahal. Oleh karena itu, penelitian dalam mendeteksi PVC Aritmia dibutuhkan agar mengatasi permasalahan biaya yang dibutuhkan. Terdapat beberapa parameter yang dapat digunakan dalam mendeteksi PVC Aritmia, dalam penelitian ini Interval QRS, Interval QT, dan ST segment dipilih sebagai parameternya. Parameter tersebut berada pada setiap siklus sinyal EKG yang akan dibaca menggunakan sensor AD8232. Pembacaan sinyal EKG membutuhkan 3 buah elektroda yang ditemmpelkan pada bagian tubuh pengguna. Penempatan elektroda tersebut berada pada bagian dada dengan memasangkan 2 elektroda dan pada bagian perut dengan memasangkan 1 buah elektroda. Sinyal EKG yang didapatkan oleh sensor AD8232 kemudian akan diolah pada Arduino Uno untuk mengurangi noise yang didapat dan diklasifikasikan oleh metode Support Vector Machine (SVM). Penggunaan data latih sebanyak 46 data jantung dengan 23 jenis data PVC dan 23 jenis data normal akan ditanamkan pada metode SVM. pengujian klasifikasi SVM delakukan dengan 20 data jantung. Hasil pengujian klasifikasi berupa kelas “Normal” atau “PVC”. Setiap 3 hasil klasifikasi SVM akan digunakan dalam menentukan jenis kondisi jantung. Jenis kondisi jantung tersebut antara lain “Normal”, “Bigeminy”, dan “Trigeminy” yang nantinya akan diperlihatkan pada LCD sehingga pengguna mengetahui kondisi jantungnya. Dalam pengujian tingkat akurasi SVM didapatkan nilai sebesar 85% dengan 1,79 detik waktu rata-rata training dan 2,49 detik waktu rata-rata testing.
 
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/8541
 
Data Source Entry Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer; Vol 5 No 2 (2021): Februari 2021
 
Language Note ind
 
Terms Governing Use and Reproduction Note Hak Cipta (c) 2021 Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer
 


www.freevisitorcounters.com