Article Per Year (5 Year)
p-Index From 2020 - 2025
0.408
P-Index
This Author published in this journals
All Journal Jurnal Sistem Komputer dan Informatika (JSON)
Ebert, Steven
Unknown Affiliation
Computer Science & IT Control & Systems Engineering

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
Deteksi Kelainan Jantung Berdasarkan Sinyal EKG Menggunakan Deep Neural Network Robert, Michael; yennimar, Yennimar; wyjaya, Andy; Ebert, Steven; Ali Ramadhan, Mhd
Jurnal Sistem Komputer dan Informatika (JSON) Vol 6, No 4 (2025): Juni 2025
Publisher : Universitas Budi Darma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30865/json.v6i4.8662

Abstract

Penyakit jantung merupakan salah satu penyebab utama kematian di dunia, termasuk di Indonesia. Deteksi dini kelainan jantung melalui sinyal elektrokardiogram (EKG) sangat penting, namun interpretasi manual oleh tenaga medis sering kali memerlukan keahlian khusus dan rentan terhadap kesalahan. Penelitian ini bertujuan untuk mengembangkan sistem deteksi otomatis kelainan jantung menggunakan metode Deep Neural Network (DNN) berdasarkan sinyal EKG. Dataset yang digunakan berasal dari PTB Diagnostic ECG Database (PTBDB) yang diperoleh dari Kaggle, dengan dua kategori data: normal dan abnormal. Data diproses melalui tahap balancing, normalisasi, dan pembagian menjadi data latih dan uji. Model DNN dilatih menggunakan data terstruktur berdurasi pendek dengan 187 fitur, dan dievaluasi menggunakan metrik akurasi, precision, recall, f1-score, ROC, serta Precision-Recall Curve. Hasil pelatihan menunjukkan bahwa model mampu mencapai akurasi validasi sebesar 95% dan nilai AUC sebesar 0,98, yang mengindikasikan kemampuan klasifikasi yang sangat baik. Dengan performa tersebut, model ini memiliki potensi besar untuk diterapkan dalam sistem pendukung diagnosis medis secara real-time, terutama untuk membantu deteksi dini gangguan jantung secara efisien dan akurat
Deteksi Kelainan Jantung Berdasarkan Sinyal EKG Menggunakan Deep Neural Network Robert, Michael; yennimar, Yennimar; wyjaya, Andy; Ebert, Steven; Ali Ramadhan, Mhd
Jurnal Sistem Komputer dan Informatika (JSON) Vol. 6 No. 4 (2025): Juni 2025
Publisher : Universitas Budi Darma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30865/json.v6i4.8662

Abstract

Penyakit jantung merupakan salah satu penyebab utama kematian di dunia, termasuk di Indonesia. Deteksi dini kelainan jantung melalui sinyal elektrokardiogram (EKG) sangat penting, namun interpretasi manual oleh tenaga medis sering kali memerlukan keahlian khusus dan rentan terhadap kesalahan. Penelitian ini bertujuan untuk mengembangkan sistem deteksi otomatis kelainan jantung menggunakan metode Deep Neural Network (DNN) berdasarkan sinyal EKG. Dataset yang digunakan berasal dari PTB Diagnostic ECG Database (PTBDB) yang diperoleh dari Kaggle, dengan dua kategori data: normal dan abnormal. Data diproses melalui tahap balancing, normalisasi, dan pembagian menjadi data latih dan uji. Model DNN dilatih menggunakan data terstruktur berdurasi pendek dengan 187 fitur, dan dievaluasi menggunakan metrik akurasi, precision, recall, f1-score, ROC, serta Precision-Recall Curve. Hasil pelatihan menunjukkan bahwa model mampu mencapai akurasi validasi sebesar 95% dan nilai AUC sebesar 0,98, yang mengindikasikan kemampuan klasifikasi yang sangat baik. Dengan performa tersebut, model ini memiliki potensi besar untuk diterapkan dalam sistem pendukung diagnosis medis secara real-time, terutama untuk membantu deteksi dini gangguan jantung secara efisien dan akurat
Co-Authors Ali Ramadhan, Mhd Robert, Michael wyjaya, Andy Yennimar, Yennimar