Klasifikasi Aritmia Dari Hasil Elektrokardiogram Menggunakan Support Vector Machine Dengan Seleksi Fitur Menggunakan Algoritma Genetika
| Main Author: | Cahya, Reiza Adi |
|---|---|
| Format: | Thesis NonPeerReviewed Book |
| Bahasa: | eng |
| Terbitan: |
, 2017
|
| Subjects: | |
| Online Access: |
http://repository.ub.ac.id/1937/1/Reiza%20Adi%C2%A0Cahya.pdf http://repository.ub.ac.id/1937/ |
Daftar Isi:
- Elektrokardiogram (EKG), atau rekam jantung, dapat digunakan untuk mengenali kelainan detak jantung atau aritmia. Bantuan komputer dengan teknik machine learning tertentu dapat digunakan untuk mengenali aritmia secara otomatis. Tetapi data numerik yang belum diproses dari EKG mempunyai jumlah fitur yang banyak, yang dapat mengurangi kualitas pengenalan otomatis. Algoritma genetika (genetic algorithm, GA) dapat digunakan untuk menyeleksi fitur sehingga didapat data dengan jumlah fitur yang lebih rendah. GA akan membuat data set dengan fitur yang sudah diseleksi, dan data set tersebut digunakan untuk melatih support vector machine (SVM) untuk mengklasifikasikan aritmia. Untuk pelatihan dan pengujian, digunakan data EKG dari database aritmia Massachusetts Institute of Technology–Beth Israel Hospital (MIT-BIH). Masing-masing data merupakan rekam jantung selama 6 detik dan diklasifikasikan ke dalam detak jantung normal dan 3 jenis aritmia. Hasil yang didapat dari penelitian menunjukkan bahwa GA-SVM mempunyai akurasi rata-rata sebesar 82.5% menggunakan 120 data latih dan 20 data uji, dibanding dengan SVM tanpa GA yang hanya mendapat rata-rata akurasi sebesar 47%. GA-SVM juga dapat menurunkan jumlah fitur, dari 2160 jumlah fitur awal menjadi rata-rata 406 fitur.