Bahar, Fuad Hamdi (2022) MULTIPLE INPUT AND OUTPUT CONVOLUTIONAL NEURAL NETWORK DALAM MENGDIAGNOSA PENYAKIT JANTUNG = MULTIPLE INPUT AND OUTPUT CONVOLUTIONAL NEURAL NETWORK IN DIAGNOSIS OF HEART DISEASE. Skripsi thesis, Universitas Hasanuddin.
H071181015_skripsi_cover1.jpg
Download (290kB) | Preview
H071181015_skripsi_bab 1-2.pdf
Download (3MB)
H071181015_skripsi_dapus.pdf
Download (109kB)
H071181015_skripsi.pdf
Restricted to Repository staff only until 1 January 2025.
Download (4MB)
Abstract (Abstrak)
Sistem kardiovaskuler adalah kumpulan organ yang bekerja sama untuk melakukan fungsi transportasi dalam tubuh manusia. Sistem ini memiliki fungsi mengalirkan darah ke seluruh tubuh. Jumlah kasus kematian yang disebabkan oleh penyakit jantung kian hari kian meningkat. Cardiovascular Diseases (CVD) merupakan salah satu penyakit mematikan nomor satu di dunia. Berdasarkan laporan World Health Organization (WHO) angka kematian yang disebabkan oleh cardiovascular diseases (CVD) mencapai 17,7 juta orang setiap tahunnya dan 31% merupakan penyebab dari seluruh kematian global. Elektrokardiogram (EKG) adalah pemeriksaan untuk mengukur dan merekam aktivitas listrik jantung. Sinyal ini timbul untuk memicu kontraksi otot jantung yang akan memompa darah ke seluruh tubuh. Sinyal EKG merupakan representasi tingkat kesehatan jantung seseorang yang digambarkan lewat irama, bentuk dan orientasi sinyal EKG (Estananto, 2018). Dengan alat tersebut, impuls atau aktivitas listrik jantung akan terpantau dan tampak berupa grafik yang ditampilkan di layar monitor. Grafik yang menunjukkan aktivitas listrik jantung pasien juga dapat dicetak di kertas dan dilampirkan pada rekam medis pasien. Grafik yang telah dicetak menjadi alat bantu dokter dalam mendiagnosis penyakit pasien. Dalam penelitian pembuatan model diperoleh hasil yang sangat baik meskipun terjadi beberapa kesalahan klasifikasi pada beberapa kolom. Model CNN memperoleh nilai precision, recall, f1-score dan accuracy berturut-turut sebesar 0.94, 0.94, 0.94 dan 0.95. Sedangkan RMSE dan MAE yang terbilang masih cukup besar yaitu 15.17 dan 21.87. Sedangkan pada model ANN diperoleh nilai precision, recall, f1-score dan accuracy berturut-turut sebesar 0.90, 0.85, 0.86 dan 0.93. Nilai yang rendah pada model ANN disebabkan oleh beberapa kolom yang memiliki performa klasifikasi yang kurang baik sehingga mempengaruhi rata-rata performa klasifikasi model ANN.
Keywords : Elektrokardiogram, Convolutional Neural Network, Multi input and output model, Penyakit Jantung.
Item Type: | Thesis (Skripsi) |
---|---|
Uncontrolled Keywords: | Electrocardiogram, Convolutional Neural Network, Multi input and output model, heart disease |
Subjects: | Q Science > QA Mathematics |
Divisions (Program Studi): | Fakultas Matematika dan Ilmu Peng. Alam > Matematika |
Depositing User: | Unnamed user with username stfathirahs |
Date Deposited: | 03 Jun 2024 05:32 |
Last Modified: | 03 Jun 2024 05:32 |
URI: | http://repository.unhas.ac.id:443/id/eprint/34447 |