<![CDATA[Penelitian ini melakukan ekstraksi ciri terhadap data EKG multivariate time series. Ekstraksi ciri merupakan langkah awal untuk melakukan klasifikasi data EKG. Tujuan dilakukan ekstraksi ciri untuk mengambil ciri-ciri yang terdapat pada objek di dalam EKG tersebut. Permasalahan utama dari penelitian ini adalah bagaimana menggunakan metode statistik yaitu, mean, covariance, dan kurtosis untuk ekstraksi ciri data EKG dari dataset multivariate time series sehingga nilai yang diperoleh bisa mewakali informasi time series. Tahapan berikutnya adalah tahapan klasifikasi yang menggunakan Support Vector Machine (SVM) yang dapat menghasilkan akurasi yang baik. Metode penelitian ini menggunakan metode SVM dimana metode ini menggunakan kernel polynomial untuk mengkalsifikasikan data EKG yang telah diekstraksi ciri. Penelitian ini juga membandingkan penggunaan kernel SVM lainnya seperti RBF dan linear. Hasil dari data latih menunjukkan bahwa klasifikasi data EKG muitvariate time series menggunakan Support Vector Machine (SVM) memberikan hasil akurasi 81,25% dengan kernel polynomial, penggunaan kernel RBF menghasilkan akurasi 95%, dan kernel linear menghasilkan 86.25%. Data uji mendapatkan akurasi 55%. Kata kunci: Ekstraksi ciri, klasifikasi data EKG multivariate time series, metode statistik, SVM]]>
Copyrights © 2017
