<![CDATA[Penyakit jantung merupakan penyebab kematian tertinggi di dunia, termasuk Aritmia. Pengecekan Aritmia dilakukan menggunakan alat Elektrokardiogram (EKG), analisis dilakuk- an oleh para profesional medis. Namun, sering kali membu- tuhkan waktu subjektif dan rentan terhadap kesalahan. Peneli- tian ini mengusulkan sistem klasifikasi Aritmia menggunakan Long-Short Term Memory (LSTM) dan Variannya. Klasifikasi dilakukan terhadap delapan jenis Aritmia menggunakan data- set MIT-BIH Arrhythmia. Peneltian ini menggunakan teknik sliding window berdasarkan jumlah (PQRST) dalam setiap episode. Hasilnya digunakan sebagai masukan untuk klasifi- kasi Aritmia menggunakan arsitektur LSTM, BI-LSTM dan NLSTM dengan kombinasi optimizer (Adam, RMSprop, SGD) dan batch size (16,32, 64). Melalui penelitian ini ditemukan bahwa hasil klasifikasi Aritmia dengan kombinasi arsitektur LSTM dengan ukuran window 10 kompleks PQRST, optimizer RMSprop dan batch size 32 memberikan performa terbaik dibandingkan kombinasi lainnya. Hasil yang diperoleh adalah akurasi accuracy 96.51%, precision 96.77%, recall 96.51% dan F1-score 96.56%. Kata kunci: Aritmia, BILSTM, LSTSM, NLSTM, Klasifikasi, Ritme jantung, RNN, Sinyal ECG.]]>
Copyrights © 2025
