Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal INFORMASI (Jurnal Informatika dan Sistem Informasi)
Niendy Alexandra Yosephine
Universitas Kristen Maranatha
Computer Science & IT

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
Penggunaan Artificial Neural Network pada Sinyal Elektrokardiogram untuk Mendeteksi Penyakit Jantung Aritmia Supraventrikular Niendy Alexandra Yosephine; Ratnadewi
INFORMASI (Jurnal Informatika dan Sistem Informasi) Vol 13 No 1 (2021): INFORMASI (Jurnal Informatika dan Sistem Informasi)
Publisher : LPPM STMIK Indonesia Mandiri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37424/informasi.v13i1.69

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 elektrokardiogram (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 supraventrikular dan jantung normal karena kelebihannya dalam mengklasifikasi suatu data dengan tepat, proses yang singkat dan pengelolaan mandiri. 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%.
Co-Authors Ratnadewi .