Article Per Year (5 Year)
p-Index From 2021 - 2026
2.966
P-Index
This Author published in this journals
All Journal Jurnal Teknologi Informasi dan Ilmu Komputer Journal of Information Technology and Computer Science Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Jurnal Pengabdian Masyarakat Teknologi Informasi dan Informatika
Eko Sakti Pramukantoro, Eko Sakti
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Education Electrical & Electronics Engineering Engineering

Published : 31 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 31 Documents
Search

 1   2   3   4 
Studi Klasifikasi Aritmia Menggunakan Model GRU berbasis Continual Normalization pada Dataset Chapman-Shaoxing Zumaro, Athiya Jannati; Pramukantoro, Eko Sakti; Adinugroho, Sigit
Jurnal Pengembangan Teknologi dan Ilmu Komputer Vol 10 No 5 (2026): Mei 2026
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Penyakit kardiovaskular, khususnya aritmia, merupakan salah satu penyebab kematian tertinggi secara global. Deteksi aritmia otomatis berbasis sinyal elektrokardiogram (EKG) menjadi solusi penting untuk mengatasi keterbatasan interpretasi manual yang rentan terhadap kesalahan manusia. Namun, model deep learning konvensional menghadapi tantangan pelatihan ketika dihadapkan pada sinyal EKG berskala besar yang bersifat non-stasioner dan bervariasi antar pasien. Penelitian ini mengusulkan model Gated Recurrent Unit berbasis Continual Normalization (GRU-CN) untuk klasifikasi empat superclass aritmia: Atrial Fibrillation (AFIB), General Supraventricular Tachycardia (GSVT), Sinus Bradycardia (SB), dan Sinus Rhythm (SR) pada dataset Chapman-Shaoxing yang terdiri dari 45.108 rekaman. Model dikembangkan melalui pendekatan two-stage learning: tahap pertama berupa unsupervised pretraining menggunakan GRU Autoencoder untuk mempelajari representasi laten sinyal EKG, dilanjutkan dengan classifier secara supervised. Continual Normalization diterapkan dengan menggabungkan Batch Normalization dan Group Normalization secara berurutan untuk menstabilkan distribusi selama pelatihan. Hasil evaluasi menunjukkan bahwa GRU-CN mencapai test accuracy sebesar 92,57%, macro F1-score sebesar 0,9181, dan AUC Macro sebesar 99,00%, mengungguli model GRU Baseline (36,58%), GRU-BN (89,60%), dan GRU-GN (88,54%). Kontribusi pretraining autoencoder memberikan peningkatan akurasi sebesar 2,15% dibandingkan model tanpa pretraining. Penelitian ini menunjukkan bahwa integrasi Continual Normalization dan strategi two-stage learning efektif dalam meningkatkan stabilitas dan akurasi klasifikasi aritmia pada data EKG berskala besar.
Co-Authors Abdurrachman Bachtiar, Fitra Achmad Arwan Achmad Basuki Agi Putra Kharisma, Agi Putra Aji, Ahmad Lutfi Bayu Alamsyah, Muhammad Alfaiz Khalifah Alvaro, Archangela Muhammad Amron , Kasyful Ar - Raffly, Muhammad Rifqi Arini, Sukma Atarian, Tiara Calista Kusumawardani Azzahra, Daniswari Yurin Bakhtiar, Fariz Andri Bayu Priyambadha Dany Primanita Kartikasari Dewa, Deny Hari Prasetya Djajalaksana, Susanthy Fadilah Mi'roj, Muhammad Kabisat, Aldiansyah Satrio Kamila, Putri Annisa Kasyful Amron Kurnianingtyas, Diva M. Ali Fauzi Mahendra Data Mahfudzi, Nabillah Azzam Luthfi Narendra, Daffa Putra Nugraha, Yudhana Eka Purwidyantoro, Adhiyaksa Ramadhana Rafi Faisal, Muhammad Raihan Ghafar, Muhammad Rizky, Audhinata Bebytama Rudianto, Amadeo Muhammad Augie Setiyono, Bagus Aji Pamungkas shihab, luqman Sigit Adinugroho Trisnawan, Primantara Hari Utaminingrum, Fitri Viera Wardhani Wahyu Tejakusuma, Wahyu Wicaksono, Bagoes Sandy Widhi Yahya Zen, Ahmad Foresta Azhar Zumaro, Athiya Jannati