KLASIFIKASI ARITMIA DENGAN HEART RATE VARIABILITY ANALISIS MENGGUNAKAN METODE BACKPROPAGATION

  • Wayan Rimba Bazudewa STMIK Primakara
  • I Putu Satwika STMIK Primakara
  • I Gede Putu Krisna Juliharta STMIK Primakara

Abstract

Aritmia merupakan gangguan irama jantung yang disebabkan oleh perubahan electrical pada jantung. Salah satu metode yang dapat digunakan untuk memonitoring jantung untuk menditeksi aritmia adalah Heart Rate Variability (HRV) analisis. Dalam penelitian ini penulis menggunakan metode Heart Rate Variability (HRV) sebagai fitur ekstraksi  yang akan diolah mengunakan  metode backpropagation. Pengolahan tersebut bertujuan   untuk mengklasifikasian data aritmia  dan normal sinus rhythm menjadi dua yaitu termasuk aritmia atau tidak aritmia. Data aritmia dan normal sinus rhythm di dapatkan dari website MIT-BIH database. Hasil dari penelitian ini dapat disimpulakan bahwa klasifikiasi aritmia dapat dilakukan  menggunakan backpropagation dengan mengikuti proses secara berurutan mulai dari mengambil data elektrokardiogram (EKG) dan dilanjutkan dengan proses baseline wonder removal, R-peak ditection, R-R interval, Heart Rate Variability (HRV), training data, testing data, dan perhitungan hasil klasifikasi. Hasil ujicoba menunjukan bawah  metode Backpropagation  dapat di terapkan dalam melakukan klasifikasi aritmia. Jumlah hidden layer yang baik yaitu  maksimal berjumlah 3 hidden layer dan masing-masing  hidden layer  memilik 3  neuron dengan akurasi dari 1 hidden layer sampai 3 hidden layer adalah 97.77%.

References

[1] National Health Fundation of Australia, “Heart arrhythmias,” pp. 2–7, 2016.
[2] “aritmia-penyakit-serius-yang-dokter-spesialisnya-hanya-26-orang.” [Online]. Available: https://sains.kompas.com/read/2018/01/25/080500223/aritmia-penyakit-serius-yang-dokter-spesialisnya-hanya-26-orang.
[3] T. L. Hartono, F. D. Setiaji, I. Setyawan, P. Studi, T. Elektro, and F. Teknik, “Alat bantu analisis,” Techné J. Ilm. Elektrotek., vol. 12 No. 2 O, pp. 141–158, 2013.
[4] M. Dahria, “Pengantar Kecerdasan Buatan ( Artificial Intelligence),” Pengantar Kecerdasan Buatan, vol. 5, no. 2, pp. 1–5, 2008.
[5] D. Rahayu, R. C. Wihandika, and R. S. Perdana, “Implementasi Metode Backpropagation Untuk Klasifikasi Kenaikan Harga Minyak Kelapa Sawit,” vol. 2, no. 4, pp. 1547–1552, 2018.
[6] I. M. D. U. Putra, G. K. Gandhiadi, and L. P. I. Harini, “Implementasi Backpropagation Neural Network,” vol. 5, no. November, pp. 126–132, 2016.
[7] R. S. Mane, A. N. Cheeran, and V. D. Awandekar, “Cardiac Arrhythmia Detection By ECG Feature Extraction,” vol. 3, no. 2, pp. 327–332, 2013.
[8] V. S. Thorat and V. V. T. , Dr. Suresh D. Shirbahadurkar, “Classification of cardiac arrhythmia with respect to ECG and HRV signal by genetic programming,” Can. J. Artif. Intell. Mach. Learn. Pattern Recognit., vol. 3, no. 1, pp. 1–8, 2012.
[9] F. Jovic, “Classification of cardiac arrhythmias based on alphabet entropy of heart rate variability time series,” 2017.
[10] A.Sivanantham and S. S. Devi, “Cardiac Arrhythmia Detection using Linear and Non ­ linear Features ofHRV Signal,” no. 978, pp. 795–799, 2014.
[11] B. Mohammadzadeh-asl and S. K. Setarehdan, “Neural network based arrhythmia classification using heart rate variability signal NEURAL NETWORK BASED ARRHYTHMIA CLASSIFICATION USING HEART RATE VARIABILITY SIGNAL,” no. October 2014, 2006.
[12] Hospital Authority, “Aritmia,” pp. 1–4, 2018.
[13] D. Guspriyadi and S. W. Caecilia, “ANALISIS TINGKAT STRES DAN TINGKAT KELELAHAN MASINIS BERDASARKAN HEART RATE VARIABILITY *,” vol. 02, no. 02, pp. 57–67, 2014.
[14] J. Bullinaria, “Improving Generalization, Introduction to Neural Networks, Lecture 10,” Univ. Birmingham, pp. 1–12, 2004.
[15] “MIT-BIH Arrhythmia Database.” [Online]. Available: https://www.physionet.org/physiobank/database/mitdb/.
[16] Fadli, S., & Imtihan, K. (2019). PENERAPAN MULTI-OBJECTIVE OPTIMIZATION ON THE BASIS OF RATIO ANALYSIS (MOORA) METHOD DALAM MENGEVALUASI KINERJA GURU HONORER. Jurnal Informatika dan Rekayasa Elektronik, 2(2), 10-19.
[17] Imtihan, K., & Fahmi, H. (2020). ANALISIS DAN PERANCANGAN SISTEM INFORMASI DAERAH RAWAN KECELAKAAN DENGAN MENGGUNAKAN GEOGRAPHIC INFORMATION SYSTEMS (GIS). Jurnal Manajemen Informatika dan Sistem Informasi, 3(1), 16-23.
[18] Tantoni, A., Zaen, M. T. A., & Imtihan, K. (2019). ANALISIS KEBUTUHAN KECEPATAN BANDWIDTH GAME ONLINE (Free fire, Mobile Legends, Pubg mobile). Jurnal Informatika dan Rekayasa Elektronik, 2(2), 81-90.
[19] L. Mutawalli, M. T. A. Zaen, and W. Bagye, “Klasifikasi Teks Sosial Media Twitter Menggunakan Support Vector Machine (Studi Kasus Penusukan Wiranto),” JIRE (Jurnal Inform. dan Rekayasa Elektron., vol. 2, no. 2, pp. 43–51, 2019.
Published
2020-08-19
How to Cite
BAZUDEWA, Wayan Rimba; SATWIKA, I Putu; JULIHARTA, I Gede Putu Krisna. KLASIFIKASI ARITMIA DENGAN HEART RATE VARIABILITY ANALISIS MENGGUNAKAN METODE BACKPROPAGATION. Jurnal Informatika dan Rekayasa Elektronik, [S.l.], v. 3, n. 1, p. 1-10, aug. 2020. ISSN 2620-6900. Available at: <http://e-journal.stmiklombok.ac.id/index.php/jire/article/view/163>. Date accessed: 25 sep. 2020. doi: https://doi.org/10.36595/jire.v3i1.163.