Muhammad Zulfakhri Nugraha, Batubara (2025) Implementasi deep learning (covolutional neural network) pada alat monitoring EKG 6-Lead untuk mendeteksi ventrikuler tachycardia. 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 (1MB) |
|
Text
2. Halaman Persetujuan Pembimbing.pdf Restricted to Repository staff only Download (299kB) |
|
Text
3. Halaman Pengesahaan Penguji.pdf Restricted to Repository staff only Download (207kB) |
|
Text
4. Surat Pernyataan Orisinalitas.pdf Restricted to Repository staff only Download (308kB) |
|
Text
5. Abstrak.pdf Download (208kB) |
|
Text
6. Kata Pengantar.pdf Restricted to Repository staff only Download (166kB) |
|
Text
7. Daftar Isi.pdf Download (255kB) |
|
Text
8. Daftar Tabel.pdf Download (113kB) |
|
Text
9. Daftar Gambar.pdf Download (182kB) |
|
Text
10. Daftar Singkatan dan Simbol.pdf Download (142kB) |
|
Text
11. Daftar Lampiran.pdf Download (99kB) |
|
Text
12. Bab 1.pdf Restricted to Repository staff only Download (254kB) |
|
Text
13. Bab 2.pdf Restricted to Repository staff only Download (484kB) |
|
Text
14. Bab 3.pdf Restricted to Repository staff only Download (845kB) |
|
Text
15. Bab 4.pdf Restricted to Repository staff only Download (1MB) |
|
Text
16. Bab 5.pdf Restricted to Repository staff only Download (592kB) |
|
Text
17. Bab 6.pdf Restricted to Repository staff only Download (163kB) |
|
Text
18. Daftar Pustaka.pdf Download (214kB) |
|
Text
19. Lampiran.pdf Restricted to Repository staff only Download (1MB) |
|
Text
20. Artikel.pdf Restricted to Repository staff only Download (532kB) |
Abstract
Pendeteksian kelainan jantung secara dini sangat penting untuk mencegah keterlambatan dalam penanganan medis yang dapat berakibat fatal. Salah satu kelainan irama jantung yang berisiko tinggi adalah Ventricular Tachycardia, yang dapat menyebabkan gagal jantung hingga kematian mendadak. Penelitian ini bertujuan untuk membangun sistem deteksi otomatis kelainan jantung berbasis sinyal elektrokardiogram, khususnya untuk mendeteksi Ventricular Tachycardia. Sistem ini dikembangkan menggunakan modul elektrokardiogram (ADS1293), mikrokontroler (Arduino Nano), serta metode Deep learning (Convolutional Neural Network), dengan hasil yang ditampilkan pada komputer. Convolutional Neural Network digunakan untuk mengubah sinyal elektrokardiogram menjadi citra dan mengenali pola karakteristik dari masing-masing sinyal. Data yang digunakan dalam penelitian ini berasal dari dua sumber utama, yaitu dataset untuk sinyal Ventricular Tachycardia, dan sinyal normal diambil dari database PhysioNet berdasarkan referensi Goldberger et al. (2000). Dataset ini merupakan bagian dari sumber daya penelitian terbuka yang menyediakan sinyal fisiologis kompleks dan banyak digunakan dalam penelitian klinis dan akademik. Berdasarkan confusion matrix, model Convolutional Neural Network mampu mendeteksi sinyal Ventricular Tachycardia dengan akurasi 96,92% dan sinyal normal dengan akurasi 97,78%. Kesalahan klasifikasi yang terjadi didominasi oleh sinyal normal yang terbaca sebagai Ventricular Tachycardia. Evaluasi modul dilakukan menggunakan data sinyal elektrokardiogram dari phantom dan tubuh manusia. Pengujian pada sinyal normal dari phantom menghasilkan akurasi sebesar 80% (2 dari 10 salah klasifikasi), sedangkan pada sinyal normal dari tubuh manusia mencapai 86% (7 dari 50 salah klasifikasi mendeteksi Atrial Fibrillation dan Ventricular Tachycardia). Untuk sinyal Ventricular Tachycardia dari phantom, sistem mendeteksi dengan akurasi sebesar 90% (1 dari 10 salah klasifikasi). Hasil dari penelitian ini menunjukkan bahwa sistem berbasis Convolutional Neural Network dan modul elektrokardiogram memiliki performa yang baik dalam mendeteksi Ventricular Tachycardia dan sinyal normal secara otomatis.
| Item Type: | Thesis (Skripsi) |
|---|---|
| Contributors: | Contribution Contributor NIDN/NIDK UNSPECIFIED I Dewa Gede Hari, Wisana nidn4002047501 UNSPECIFIED Priyambada Cahya, Nugraha nidn4019076703 |
| Additional Information: | 11SKR20250025 |
| Uncontrolled Keywords: | 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 08:29 |
| Last Modified: | 28 Jul 2025 08:29 |
| URI: | http://repo.poltekkes-surabaya.ac.id/id/eprint/10557 |
Actions (login required)
 |
View Item |