Implementasi Deteksi Penyakit Jantung Aritmia Supraventrikular Menggunakan Artificial Neural Network (Ann) Berdasarkan Pengolahan Sinyal Elektrokardiogram (Ekg)

Yosephine, Niendy Alexandra (1622048) (2020) Implementasi Deteksi Penyakit Jantung Aritmia Supraventrikular Menggunakan Artificial Neural Network (Ann) Berdasarkan Pengolahan Sinyal Elektrokardiogram (Ekg). Undergraduate thesis, Universitas Kristen Maranatha.

	Text 1622048_Abstract_TOC.pdf - Accepted Version Download (191Kb)
	Text 1622048_Appendices.pdf - Accepted Version Restricted to Registered users only Download (164Kb)
	Text 1622048_Chapter1.pdf - Accepted Version Download (54Kb)
	Text 1622048_Chapter2.pdf - Accepted Version Restricted to Registered users only Download (753Kb)
	Text 1622048_Chapter3.pdf - Accepted Version Restricted to Registered users only Download (178Kb)
	Text 1622048_Chapter4.pdf - Accepted Version Restricted to Registered users only Download (1435Kb)
	Text 1622048_Conclusion.pdf - Accepted Version Download (41Kb)
	Text 1622048_Cover.pdf - Accepted Version Download (221Kb)
	Text 1622048_References.pdf - Published Version Download (103Kb)

Abstract

Aritmia supraventrikular adalah salah satu jenis gangguan irama jantung yang bersumber dari nodus AV atau impuls listrik di atrium, dengan keadaan jantung yang berdetak lebih cepat dari normal. Aritmia supraventrikular masih dapat diobati dengan obat tertentu sehingga akan sangat membantu penderita bila penyakit tersebut terdeteksi lebih awal. Pemrosesan sinyal EKG terhadap penyakit aritmia supraventrikular perlu dilakukan untuk mendeteksi lebih awal adanya permasalahan pada jantung khususnya penyakit aritmia supraventrikular. Artificial Neural Network (ANN) digunakan untuk mendeteksi penyakit jantung aritmia supraventricular dan jantung normal karena kelebihannya dalam mengklasifikasi suatu data dengan tepat, proses yang singkat dan selforganizing. Hasil akhir dalam penelitian ini didapatkan nilai tertinggi dalam keberhasilan mengklasifikasi berasal dari struktur algoritma Multi-Layer Perceptron. Nilai akurasi hasil pengujian tertinggi berasal dari metode pelatihan menggunakan Resilient Backpropagation yaitu sebesar 87,5%. Nilai specificity hasil pengujian tertinggi berasal dari metode pelatihan menggunakan Levenberg Marquard sebesar 83,3%. Nilai sensitivity hasil pengujian tertinggi berasal dari metode pelatihan menggunakan Resilient Backpropagation yaitu sebesar 100%.

Item Type:	Thesis (Undergraduate)
Uncontrolled Keywords:	Aritmia Supraventrikular, Artificial Neural Network (ANN), EKG, ANN Training, ANN Struktur, Akurasi.
Subjects:	T Technology > TK Electrical engineering. Electronics Nuclear engineering
Divisions:	Faculty of Engineering > 22 Electrical Engineering Department
Depositing User:	Perpustakaan Maranatha
Date Deposited:	15 Feb 2022 04:21
Last Modified:	15 Feb 2022 04:21
URI:	http://repository.maranatha.edu/id/eprint/29887

Actions (login required)

View Item