Perbandingan Metode SVM, FUZZY-KNN, Dan BDT-SVM Untuk Klasifikasi Detak Jantung Hasil Elektrokardiografi
| Main Authors: | Hasanah, Uswatun, Mayangsari, Lintang Resita, Pratama, Andhica, Cholissodin, Imam |
|---|---|
| Format: | Article info application/pdf Journal |
| Bahasa: | eng |
| Terbitan: |
Fakultas Ilmu Komputer, Universitas Brawijaya
, 2016
|
| Online Access: |
http://jtiik.ub.ac.id/index.php/jtiik/article/view/196 http://jtiik.ub.ac.id/index.php/jtiik/article/view/196/pdf |
Daftar Isi:
- AbstrakPerkembangan Ilmu Pengetahuan dan Teknologi (IPTEK) semakin pesat terutama dalam bidang kesehatan. Elektrokardiografi (EKG) merupakan salah satu metode untuk menentukan kondisi jantung manusia yang direpresentasikan dalam bentuk gelombang. Jantung merupakan organ vital manusia dan merupakan pertahanan hidup terakhir manusia selain otak. Di Indonesia berdasarkan data dari Kementrian RI tahun 2013, kematian akibat penyakit jantung ini diperkirakan sebesar 0.5% atau 883.447 orang dan berdasarkan gejala sebanyak 1.5% atau sekitar 2.650.340 orang. Kelas dari klasifikasi ini terdiri dari normal dan aritmia. Dimana aritmia terdiri dari atrial fibrillation, PVC bigeminy, dan ventricular tachycardia. Data didapatkan dari MIT-BIH Arrhytmia Database. Penelitian ini bertujuan untuk menentukan klasifikasi dari sinyal gelombang EKG tersebut dengan membandingkan metode Support Vector Machine dengan strategi One Against All, Fuzzy K-Nearest Neighbor, dan menggunakan metode Binary Decision Tree - Support Vector Machine. Hasil klasifikasi yang didapatkan dengan metode SVM memiliki rata-rata akurasi sebesar 81.30% menggunakan dataset dari fitur 3601 MLII dengan kernel Polynomial, metode Fuzzy-KNN 81.25% menggunakan jarak Manhattan, dan BDT-SVM sebesar 70.00% menggunakan kernel Polynomial dengan menggunakan data sebesar 140 dataset.Kata Kunci: Support Vector Machine, Binary Decision Tree, Fuzzy-KNN, Detak Jantung, ElektrokardiografiAbstractThe development of Science and Technology growing rapidly, especially in the health field. Electrocardiography (ECG) is one method for determining the condition of the human heart rate that is represented in the form of waves. The human heart is a vital organ and is the last surviving human defense other than the brain. In Indonesia based on data from the Ministry of Indonesia in 2013 , the death from heart disease is estimated about 0.5% or 883.447 people and is based on the symptoms as much as 1.5%, or about 2.65034 million people. Class of this study such as normal and arrhythmias. Arrhythmias consists of atrial fibrillation, PVC bigeminy, and ventricular tachycardia. Data collected from the MIT-BIH Arrhythmias Database. This study aims to determine the classification of the ECG waveform signal by comparing SVM algorithm is supported by One Against All of the strategies, Fuzzy K-Nearest Neighbor, and Binary Decision Tree - Support Vector Machine. The average results of classification using SVM have an accuracy of 81.30% by using a dataset from 3601 MLII features with the polynomial kernel, 81.25% with Fuzzy-KNN by Manhattan Distance, and 70.00% with BDT-SVM using polynomial kernel using data of 140 datasets.Keywords: Support Vector Machine, Binary Decision Tree, Fuzzy-KNN, Heart Rate, Electrocardiography