Rancang bangun sistem monitoring cardiotocography dengan klasifikasi fetal condition menggunakan machine learning ( parameter detak jantung janin)

Muhammad Armando Daffa, Brilianto (2025) Rancang bangun sistem monitoring cardiotocography dengan klasifikasi fetal condition menggunakan machine learning ( parameter detak jantung janin). Skripsi thesis, Politeknik Kesehatan Kemenkes Surabaya.

	Text 1. Cover.pdf Download (991kB)
	Text 2. Halaman Persetujuan Pembimbing.pdf Restricted to Repository staff only Download (886kB)
	Text 3. Halaman Pengesahan Penguji.pdf Restricted to Repository staff only Download (880kB)
	Text 4. Surat Pernyataan Orisinalitas.pdf Restricted to Repository staff only Download (1MB)
	Text 5. Abstrak.pdf Download (221kB)
	Text 6. Kata Pengantar.pdf Restricted to Repository staff only Download (214kB)
	Text 7. Daftar Isi.pdf Download (244kB)
	Text 8. Daftar Tabel.pdf Download (142kB)
	Text 9. Daftar Gambar.pdf Download (192kB)
	Text 10. Daftar Singkatan dan Simbol.pdf Download (202kB)
	Text 11. Daftar Lampiran.pdf Download (115kB)
	Text 12. Bab 1.pdf Restricted to Repository staff only Download (279kB)
	Text 13. Bab 2.pdf Restricted to Repository staff only Download (689kB)
	Text 14. Bab 3.pdf Restricted to Repository staff only Download (591kB)
	Text 15. Bab 4.pdf Restricted to Repository staff only Download (458kB)
	Text 16. Bab 5.pdf Restricted to Repository staff only Download (443kB)
	Text 17. Bab 6.pdf Restricted to Repository staff only Download (216kB)
	Text 18. Daftar Pustaka.pdf Download (263kB)
	Text 19. Lampiran.pdf Restricted to Repository staff only Download (824kB)
	Text 20. Artikel.pdf Restricted to Repository staff only Download (1MB)

Abstract

Pemantauan kesehatan janin selama masa kehamilan merupakan aspek krusial dalam upaya pencegahan komplikasi yang dapat membahayakan ibu maupun janin. Salah satu metode yang banyak digunakan dalam praktik klinis adalah Cardiotocography atau CTG yang berfungsi untuk merekam denyut jantung janin dan aktivitas kontraksi uterus. Penelitian ini bertujuan untuk merancang dan mengembangkan sistem pemantauan CTG yang terintegrasi dengan algoritma machine learning untuk klasifikasi kondisi janin. Sinyal FHR ditangkap menggunakan transduser doppler dan diproses melalui microcontroller ESP32. Hasil pengukuran BPM dengan menggunakan fetal simulator menunjukkan tingkat kesalahan rata-rata sebesar 3%, yang masih berada dalam batas yang dapat ditoleransi untuk aplikasi medis non-diagnostik. Data FHR kemudian ditampilkan secara real-time melalui layar LCD dan disimpan dalam format CSV di unit pemrosesan Raspberry Pi 3B. Untuk klasifikasi kesehatan janin, fitur-fitur kunci diekstraksi dari sinyal CTG berdasarkan fitur yang terdapat pada dataset “Cardiotocography” dari UCI Machine Learning Repository. Model machine learing yang digunakan ialah random forest untuk mengklasifikasikan data ke dalam tiga kategori, yang terdiri dari normal, suspect, dan pathological, dengan akurasi klasifikasi sebesar 94,8%. Sistem ini tidak hanya menyediakan pemantauan secara real-time tetapi juga mendukung pengambilan keputusan yang lebih cepat dan objektif di lingkungan klinis. Dengan kombinasi teknologi sensor, pemrosesan sinyal, dan kecerdasan buatan, sistem ini memiliki potensi untuk meningkatkan standar pelayanan kesehatan maternal secara signifikan

Item Type:	Thesis (Skripsi)
Contributors:	Contribution Contributor NIDN/NIDK UNSPECIFIED Endro, Yulianto nidn4017077601 UNSPECIFIED Triana, Rahmawati nidn4023068101
Additional Information:	11SKR20250039
Uncontrolled Keywords:	Cardiotocography, denyut jantung janin, klasifikasi kesehatan janin, Pemantauan Janin, Random Forest
Subjects:	R Medicine > Medical Electronics > Biomedical Engineering
Divisions:	Poltekkes Kemenkes Surabaya > Jurusan Teknologi Elektromedik > Program Studi Sarjana Terapan Teknologi Rekayasa Elektro-medis
Depositing User:	Shirly Qurrota Ainy
Date Deposited:	16 Apr 2026 04:20
Last Modified:	16 Apr 2026 04:20
URI:	http://repo.poltekkes-surabaya.ac.id/id/eprint/11747

Actions (login required)

View Item