Hanif Husni, Almuhaimin (2025) Implementasi deep learning (covolutional neural network) pada alat monitoring EKG 6-lead untuk mendeteksi atrial fibrilasi. Skripsi thesis, Politeknik Kesehatan Kemenkes Surabaya.
![[thumbnail of 1. Cover.pdf]](http://repo.poltekkes-surabaya.ac.id/style/images/fileicons/text.png) |
Text
1. Cover.pdf Download (946kB) |
|
Text
2. Halaman Persetujuan Pembimbing.pdf Restricted to Repository staff only Download (3MB) |
|
Text
3. Halaman Pengesahan Penguji.pdf Restricted to Repository staff only Download (532kB) |
|
Text
4. Surat Pernyataan Orisinilitas.pdf Restricted to Repository staff only Download (2MB) |
|
Text
5. Abstrak.pdf Download (227kB) |
|
Text
6. Kata Pengantar.pdf Restricted to Repository staff only Download (124kB) |
|
Text
7. Daftar Isi.pdf Download (212kB) |
|
Text
8. Daftar Tabel.pdf Download (105kB) |
|
Text
9. Daftar Gambar.pdf Download (115kB) |
|
Text
10. Daftar Singkatan dan Simbol.pdf Download (120kB) |
|
Text
11. Daftar Lampiran.pdf Download (98kB) |
|
Text
12. Bab 1.pdf Restricted to Repository staff only Download (209kB) |
|
Text
13. Bab 2.pdf Restricted to Repository staff only Download (522kB) |
|
Text
14. Bab 3.pdf Restricted to Repository staff only Download (760kB) |
|
Text
15. Bab 4.pdf Restricted to Repository staff only Download (1MB) |
|
Text
16. Bab 5.pdf Restricted to Repository staff only Download (497kB) |
|
Text
17. Bab 6.pdf Restricted to Repository staff only Download (168kB) |
|
Text
18. Daftar Pustaka.pdf Download (167kB) |
|
Text
19. Lampiran.pdf Restricted to Repository staff only Download (1MB) |
|
Text
20. Artikel.pdf Restricted to Repository staff only Download (844kB) |
Abstract
Deteksi dini gangguan irama jantung, seperti Atrial Fibrilasi (AF), merupakan tantangan utama dalam diagnosis klinis. Metode konvensional sering kali memerlukan peralatan yang kompleks dan mahal, serta kurang efektif dalam pemantauan jangka panjang.Penelitian ini bertujuan untuk mengembangkan sistem deteksi otomatis menggunakan modul EKG ADS1293 dan Convolutional Neural Network (CNN). Sistem dirancang untuk memproses sinyal jantung dari phantom dan manusia secara real-time, dengan fokus pada pengenalan pola untuk klasifikasi AF dan detak jantung normal. Data EKG diambil menggunakan modul ADS1293 yang terhubung dengan Arduino Nano, menghasilkan enam lead sinyal yang direkam dalam format mentah. Sinyal-sinyal ini dikonversi menjadi gambar digital dengan resolusi 25x25 piksel untuk representasi visual yang lebih mudah diproses oleh CNN. Model CNN dilatih menggunakan dataset yang terdiri dari gambar-gambar ini, dengan menggunakan augmentasi data untuk meningkatkan keakuratan dan generalisasi model. Dataset terdiri dari 3330 gambar yang terbagi antara AF, VT, dan normal yang Sebagian besar Data EKG diperoleh dari Psyonet MIT-BIH Atrial Fibrillation Database (AFDB). Model CNN diimplementasikan dengan arsitektur yang terdiri dari dua lapis Conv2D, MaxPooling2D, lalu dilanjutkan dengan lapis Flatten dan Dense untuk klasifikasi tiga kelas. Evaluasi model dilakukan dengan validasi silang dan pengujian pada dataset yang belum pernah dilihat sebelumnya untuk mengukur akurasi, presisi, dan recall. Hasil pengujian menunjukkan bahwa sistem mencapai tingkat akurasi 90% untuk deteksi AF dan 80% untuk detak jantung normal. Kesalahan deteksi terjadi pada 7 dari 50 percobaan pada data manusia, dimana faktor seperti kemiripan pola piksel dan gangguan konversi data menjadi gambar menjadi tantangan utama. Sistem yang dikembangkan menunjukkan potensi dalam pemantauan jantung secara waktu nyata dengan tingkat akurasi yang baik, meskipun masih memerlukan peningkatan untuk aplikasi klinis yang lebih luas. Kontribusi penelitian ini adalah pengembangan solusi inovatif untuk deteksi dini gangguan jantung menggunakan AI, yang berpotensi meningkatkan diagnosis dan layanan kesehatan jantung di masa depan.
| Item Type: | Thesis (Skripsi) |
|---|---|
| Contributors: | Contribution Contributor NIDN/NIDK UNSPECIFIED I Dewa Gede Hari, Wisana nidn4002047501 UNSPECIFIED Priyambada Cahya, Nugraha nidn4019076703 |
| Additional Information: | 11SKR20250012 |
| Uncontrolled Keywords: | Electrocardiography ; Atrial Fibrillation ; Convolutional Neural Networks |
| Subjects: | R Medicine > Medical Electronics > Biomedical Engineering |
| Divisions: | Poltekkes Kemenkes Surabaya > Jurusan Teknologi Elektromedik > Program Studi Sarjana Terapan Teknologi Rekayasa Elektro-medis |
| Depositing User: | Nanik Indra Putri Sari |
| Date Deposited: | 28 Jul 2025 07:30 |
| Last Modified: | 28 Jul 2025 07:30 |
| URI: | http://repo.poltekkes-surabaya.ac.id/id/eprint/10549 |
Actions (login required)
 |
View Item |