Klasifikasi Penyakit Aritmia Melalui Sinyal Elektrokardiogram (ekg) Menggunakan Metode Local Features Dan Support Vector Machine

Gilang Titah Ramadhani (Telkom university)
Adiwijaya Adiwijaya (Telkom university)
Dody Qori Utama (Telkom university)

eProceedings of Engineering
Vol 5, No 1 (2018): April 2018

Jantung merupakan organ terpenting dalam tubuh manusia dan selalu dituntut dalam keadaan baik, tidak dapat dipungkiri bahwa seseorang memiliki kemungkinan menderita penyakit jantung aritmia. EKG merupakan salah satu cara untuk mendeteksi penyakit jantung. Dengan menggunakan metode Local Features yang merupakan metode ekstraksi ciri dengan menghitung jumlah detak jantung sehingga dapat membantu dalam proses klasifikasi yang dilakukan oleh Support Vector Machine (SVM). Dalam fitur pengklasifikasian yang dilakukan oleh SVM, mendapatkan hasil akurasi dari dua dataset yang digunakan. Untuk data EKG normal akurasi terbesar bernilai 67% yang dihasilkan dari SVM kernel linear dan RBF, untuk data EKG aritmia akurasi terbesar bernilai 83% yang dihasilkan oleh kernel linear dan 16% menggunakan kernel RBF. Perbedaan kernel mempengaruhi akurasi pada setiap data bergantung kepada karakteristik setiap data EKG yang digunakan.