UNNES CONFERENCE, Seminar Nasional MIPA 2016

Font Size: 
Identifikasi Atrial Fibrillation pada Isyarat ECG Meggunakan Metode K-Nearest Neighbor (KNN)
Mohammad Rofi’i, Indah Soesanti, Hadung Adi Nugroho

Last modified: 2017-04-27

Abstract


Tujuan dari penelitian ini adalah untuk mengidentifikasi kelainan jantung atau aritmia
berupa atrial fibrillation pada isyarat electrocardiogram (ECG). Electrocardiogram
merupakan salah satu alat bantu yang paling banyak digunakan untuk melakukan diagnosis
kelainan jantung. Data penelitian yang digunakan berasal dari Rumah Sakit Umum Daerah
Tugurejo Semarang yang terdiri dari data pasien dengan kasus atrial fibrillation (AF) dan
data ECG normal atau normal sinus rhythm (NSR). Data yang diambil dalam bentuk data
cetak yang selanjutnya di lakukan scanning untuk mendapatkan data citra digital agar bisa
diproses dengan komputer. Pada penelitian ini ada beberapa tahapan, diantaranya adalah
pra-pengolahan, ekstraksi ciri, dan klasifikasi. Proses ekstraksi ciri berdasarkan ciri statistik
(mean, standar deviasi, kurtosis, varians, skewness) yang selanjutnya diklasifikasi
menggunakan metode KNN. Hasil yang didapatkan adalah akurasi sebesar 86%,
sensitivitas 84,85%, dan spesifisitas 88,23%.


The purpose of this research was to identify heart abnormalities or arrhythmias such as
atrial fibrillation on the electrocardiogram signal (ECG). An electrocardiogram is one of the
tools most widely used to diagnose heart abnormalities. The research data were collected
from the General Hospital of Semarang Tugurejo that consists of data of patients with atrial
fibrillation (AF) and the data is normal or normal sinus rhythm (NSR). The data are taken
in the form of print data that is subsequently done scanning to obtain digital image data to
be processed by computers. In this research, there are several stages, including preprocessing, feature extraction and classification. The process of feature extraction based on
statistical value (mean, standard deviation, kurtosis, variance, skewness) were further
classified using KNN. The results obtained are an accuracy of 86%, sensitivity of 84.85%
and specificity of 88.23%..

Keywords:Arrhythmia; Atrial Fibrillation; normal synus rhythm; electrocardiogram.


Full Text: PDF-Rev1