Article Per Year (5 Year)
p-Index From 2021 - 2026
0
P-Index
This Author published in this journals
All Journal Jurnal Simetris
Rofii, Mohammad
Universitas Muria Kudus
Computer Science & IT

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

Found 1 Documents
Search

 1 
IDENTIFIKASI FIBRILASI ATRIUM PADA ISYARAT ELEKTROKARDIOGRAM (EKG) MENGGUNAKAN SUPPORT VECTOR MACHINE (SVM) Rofii, Mohammad
Simetris: Jurnal Teknik Mesin, Elektro dan Ilmu Komputer Vol 9, No 1 (2018): JURNAL SIMETRIS VOLUME 9 NO 1 TAHUN 2018
Publisher : Universitas Muria Kudus

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (367.405 KB) | DOI: 10.24176/simet.v9i1.2080

Abstract

Jantung merupakan salah satu organ penting yang terdapat pada tubuh manusia. Fungsi vital yang diperankan oleh organ jantung berpengaruh besar terhadap kondisi seseorang yang dapat dilihat dari isyarat fisiologi yang dihasilkan oleh aktivitas kelistrikan jantung yang dapat diukur dan direkam berupa electrocardiogram (EKG). Tujuan dari penelitian ini adalah untuk mengidentifikasi kelainan jantung atau aritmia berupa atrial fibrillation (AF) pada isyarat EKG. Data penelitian yang digunakan berasal dari Rumah Sakit  Umum Daerah Tugurejo Semarang yang  terdiri dari data  pasien dengan kasus  atrial fibrillation (AF) dan data ECG normal atau normal sinus rhythm (NSR). Data yang diambil dalam bentuk data cetak, selanjutnya di lakukan scanning   untuk mendapatkan data citra digital agar dapat diproses dengan komputer. Pada penelitian ini terdapat beberapa tahapan, diantaranya adalah pra-pengolahan, ekstraksi ciri, dan klasifikasi. Proses ekstraksi ciri berdasarkan ciri statistik (mean, standard deviation, kurtosis, variance, skewness) isyarat periodogram dari EKG, selanjutnya diklasifikasi menggunakan algoritma Support Vector Machine (SVM) dan Naive bayes Classifier (NBC) sebagai algoritma pembanding. Hasil yang didapatkan pada penelitian ini, SVM memiliki kinerja yang lebih baik dengan nilai akurasi sebesar sebesar 84,0%, sensitivitas 80,5%, dan spesifisitas 92,8%.
Co-Authors