Nindi Hendri, Kholijah (2025) Bedside monitor (system embeded berbasis convolutional neural network untuk ekstraksi laju pernapasan dari elektrokardiogram). 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 (914kB) |
|
Text
2. Halaman Persetujuan Pembimbing.pdf Restricted to Repository staff only Download (713kB) |
|
Text
3. Halaman Pengesahan Penguji.pdf Restricted to Repository staff only Download (544kB) |
|
Text
4. Surat Pernyataan Orisinalitas.pdf Restricted to Repository staff only Download (543kB) |
|
Text
5. Abstrak.pdf Download (157kB) |
|
Text
6. Kata Pengantar.pdf Restricted to Repository staff only Download (100kB) |
|
Text
7. Daftar Isi.pdf Download (239kB) |
|
Text
8. Daftar Tabel.pdf Download (176kB) |
|
Text
9. Daftar Gambar.pdf Download (187kB) |
|
Text
10. Daftar Singkatan dan Simbol.pdf Download (113kB) |
|
Text
11. Daftar Lampiran.pdf Download (176kB) |
|
Text
12. Bab 1.pdf Restricted to Repository staff only Download (135kB) |
|
Text
13. Bab 2.pdf Restricted to Repository staff only Download (367kB) |
|
Text
14. Bab 3.pdf Restricted to Repository staff only Download (422kB) |
|
Text
15. Bab 4.pdf Restricted to Repository staff only Download (1MB) |
|
Text
16. Bab 5.pdf Restricted to Repository staff only Download (255kB) |
|
Text
17. Bab 6.pdf Restricted to Repository staff only Download (102kB) |
|
Text
18. Daftar Pustaka.pdf Download (111kB) |
|
Text
19. Lampiran.pdf Restricted to Repository staff only Download (168kB) |
|
Text
20. Artikel.pdf Restricted to Repository staff only Download (493kB) |
Abstract
Laju pernapasan merupakan indikator penting dalam memantau kondisi kesehatan, terutama terkait suplai oksigen dan pelepasan karbon dioksida. Namun, metode pemantauan RR secara manual, seperti menghitung gerakan dada, sering kali rentan terhadap kesalahan dan tidak konsisten. Metode pemantauan laju pernapasan yang lebih akurat dan konsisten dibandingkan dengan metode manual. Untuk mencapai tujuan tersebut, penelitian ini berkontribusi dengan mengusulkan metode berbasis sinyal elektrokardiogram (ECG) yang memanfaatkan Convolutional Neural Network (CNN) dalam mendeteksi pola pada sinyal ECG yang berkaitan dengan Respiratory Sinus Arrhythmia (RSA). RSA merupakan variasi interval R-R yang dipengaruhi oleh pernapasan, sehingga dapat digunakan sebagai indikator laju pernapasan. Algoritma CNN yang digunakan dalam penelitian ini dirancang untuk mengenali pola perubahan interval R-R secara otomatis, sehingga dapat meningkatkan akurasi dan konsistensi pemantauan dibandingkan metode manual maupun metode berbasis sensor lainnya. Hasil penelitian menunjukkan bahwa metode CNN pada sinyal ECG ini mampu mencapai rata-rata kesalahan sebesar 0,46 napas per menit, yang menunjukkan akurasi tinggi dalam pengukuran laju pernapasan. Keberhasilan ini menunjukkan bahwa metode berbasis CNN lebih unggul dalam hal akurasi dibandingkan metode lain seperti sensor piezoelektrik, kapnografi, impedansi, plethysmography, dan photoplethysmography (PPG) yang umumnya dipengaruhi oleh posisi sensor atau gangguan lingkungan. Kesimpulan dari penelitian ini adalah bahwa metode CNN berbasis sinyal ECG memiliki potensi besar untuk meningkatkan keakuratan pemantauan laju pernapasan secara real-time. Namun, terdapat tantangan terkait kebutuhan komputasi yang tinggi, sehingga pengembangan metode alternatif dan perangkat keras yang lebih efisien, seperti Raspberry Pi, sangat diperlukan agar metode ini lebih portabel dan dapat diterapkan dalam konteks klinis. Implikasi dari penelitian ini adalah bahwa dengan optimalisasi lebih lanjut, metode ini dapat diterapkan secara luas dalam pemantauan laju pernapasan pada pasien, terutama dalam kondisi di mana pemantauan real-time sangat diperlukan, seperti pada pasien dengan gangguan pernapasan atau dalam unit perawatan intensif. Optimalisasi pada perangkat keras dan algoritma akan memungkinkan metode ini menjadi solusi praktis yang portabel dan mudah digunakan di lapangan.
| Item Type: | Thesis (Skripsi) |
|---|---|
| Contributors: | Contribution Contributor NIDN/NIDK UNSPECIFIED Bambang Guruh, Irianto nidn4009015801 UNSPECIFIED Anita Miftahul, Maghfiroh UNSPECIFIED |
| Additional Information: | 11SKR20250019 |
| Uncontrolled Keywords: | Electrocardiography ; Respiration Rate ; 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 08:34 |
| Last Modified: | 28 Jul 2025 08:34 |
| URI: | http://repo.poltekkes-surabaya.ac.id/id/eprint/10558 |
Actions (login required)
 |
View Item |