Article Per Year (5 Year)
p-Index From 2021 - 2026
0.659
P-Index
This Author published in this journals
All Journal eProceedings of Engineering Telkatika: Jurnal Telekomunikasi Elektro Komputasi & Informatika Jurnal Teknokes
Waluyo Purboyo, Tito
Unknown Affiliation
Biochemistry, Genetics & Molecular Biology Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering Engineering Environmental Science Industrial & Manufacturing Engineering

Published : 3 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search

 1 
Sistem Pendeteksi Penyakit Kehamilan Menggunakan Metode Naive Bayes Irvan Wilian Handi, I Made; Latuconsina, Roswan; Waluyo Purboyo, Tito
eProceedings of Engineering Vol. 10 No. 5 (2023): Oktober 2023
Publisher : eProceedings of Engineering

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

Abstract

Abstrak— Berdasarkan data SDKI (Survey Demografi dan Kesehatan Indonesia) pada tahun 2008, angka kematian ibu (AKI) meningkat yang awalnya 228 per-1000 kelahiran hidup di tahun 2007 menjadi 359 per-1000 di tahun 2013. Kemudian meningkat lagi menjadi 305 per 1000 kelahiran hidup pada tahun 2015. Data dari SDKI (Survey Demografi dan Kesehatan Indonesia) pada tahun 2017, pendidikan ibu mempengaruhi kematian masa kanak-kanak. Untuk menunjang mengatasi permasalahan kematian ibu hamil, diterapkan juga Sistem Informasi Geografis Ibu Hamil untuk memantau persebaran ibu hamil. Sistem Informasi Geografis merupakan sistem yang dapat memvisualisasikan data dan menganalisis temuan dengan menggunakan media peta yaitu peta digital. Salah satu cara untuk mengatasi kematian ibu hamil adalah dengan membuat sebuah sistem informasi geografis untuk memetakan letak geografis ibu hamil ditunjang dengan sistem untuk mendeteksi penyakit ibu hamil. Sistem untuk mendeteksi penyakit ibu hamil digunakan untuk ibu hamil berkonsultasi dengan sistem yang sudah ditanamkan kedalam sistem. Metode yang diterapkan adalah Metode naive bayes yang merupakan metode yang sederhana dan mudah digunakan. Hasil akhir yang didapatkan pada penelitian ini adalah berupa diagnosa penyakit ibu hamil dengan tingkat akurasi 87,5% didapatkan dengan membandingkan hasil sistem dengan hasil diagnosa pakar dan sistem memberikan informasi terkait persebaran ibu hamil.Kata Kunci: Sistem Informasi Geografis, Sistem Pendeteksi, Metode Naive
ANALISIS ATTRACTORS NON-LINIER PADA SINYAL HEART RATE VARIABILITY (HRV) UNTUK DETEKSI AWAL PENYAKIT JANTUNG KORONER maudy, maudy apriana; Waluyo Purboyo, Tito; Naufal, Dziban
Telkatika: Jurnal Telekomunikasi Elektro Komputasi & Informatika Vol. 4 No. 2 (2025): Juni 2025
Publisher : Perpustakaan Universitas Telkom

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

Abstract

Penyakit jantung koroner (Coronary Artery Disease/CAD) merupakan salah satu penyebab kematian tertinggi di dunia yang seringkali terdeteksi pada tahap lanjut. Oleh karena itu, diperlukan metode deteksi dini yang cepat, non-invasif, dan efisien. Salah satu pendekatan yang potensial adalah pemanfaatan sinyal Heart Rate Variability (HRV). Namun, metode analisis HRV konvensional berbasis pendekatan linier sering kali tidak mampu menangkap dinamika kompleks jantung yang bersifat non-linier. Penelitian ini mengusulkan pendekatan berbasis rekonstruksi ruang fase untuk mengungkap pola dinamis non-linier dari parameter HRV, yaitu SDRR (Standar Deviation of RR intervals) dan RMSSD (Root Mean Square of Successive Differences), pada dua lead sinyal elektrokardiogram (EKG) (Lead II dan V1). Gambar hasil Phase Space Reconstruction (PSR) dianalisis secara morfologis melalui uji Kolmogorov–Smirnov dua sampel, serta diklasifikasikan menggunakan dua arsitektur dari Convolutional Neural Network (CNN), yakni VGG-16 dan LeNet. Hasil penelitian menunjukkan bahwa model CNN berbasis VGG-16 mampu mencapai akurasi yang tinggi dalam membedakan pola PSR antara pasien CAD dan individu normal. Pengujian Kolmogorov-Smirnov juga mendukung perbedaan signifikan distribusi ukuran geometris attractors antara kelas CAD dan normal. Kata kunci: Coronary Artery Disease, Heart Rate Variability, LeNet, Phase Space Reconstruction, VGG-16
Comparative Analysis of Hybrid Wavelet Transformation and Filter Bank for  Efficient Arrhythmia Detection in ECG Signals Nurul Maulida, Amalia; Humairani, Annisa; Waluyo Purboyo, Tito; Naufal, Dziban
Jurnal Teknokes Vol. 19 No. 1 (2026): March
Publisher : Jurusan Teknik Elektromedik, Politeknik Kesehatan Kemenkes Surabaya, Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35882/jteknokes.v19i1.154

Abstract

Cardiovascular disease (CVD) is still the leading cause of death worldwide, and arrhythmia is one of its most serious forms because it can trigger sudden cardiac arrest. Given the life-threatening nature of arrhythmias, reliable automated methods for arrhythmia detection are increasingly important in both clinical and remote monitoring settings. While the electrocardiogram (ECG) is the standard tool for arrhythmia detection, its accuracy is often reduced by noise and waveform distortion, which may lead to misclassification. To address this challenge, this study proposes an arrhythmia classification framework that integrates wavelet-based feature extraction with filter bank enhancement. ECG signals from the MIT-BIH Arrhythmia Database were preprocessed and segmented from two leads (MLII and V1), followed by wavelet decomposition using Daubechies (db6), Symlet (sym7), and Biorthogonal (bior4.4) families. Three complementary feature enhancement schemes, Discrete Cosine Transform (DCT), Complex Discrete Wavelet Transform (CDWT), and Orthogonal filter bank, were applied prior to classification with Support Vector Machine (SVM) and Random Forest (RF). The experimental results further highlight that the selection of wavelet, filter bank, and classifier combinations significantly influences arrhythmia detection performance. In particular, the pairing of the bior4.4 wavelet with the orthogonal filter bank and RF classifier achieved the highest accuracy of 94.76%, outperforming other setups, including CDWT-based schemes. This outcome suggests that the linear phase property of bior4.4 yields a more stable feature representation that aligns well with the ensemble mechanism of RF. These insights reinforce the importance of considering both the mathematical properties of wavelets and classifier design when developing ECG-based diagnostic systems. Future work will extend this approach to deep learning models and larger datasets to strengthen its clinical applicability.
Co-Authors HUMAIRANI, ANNISA Irvan Wilian Handi, I Made maudy, maudy apriana Naufal, Dziban Nurul Maulida, Amalia Roswan Latuconsina