SISTEM KLASIFIKASI ARITMIA BERDASARKAN SINYAL ELEKTROKARDIOGRAM MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK

Aritmia merupakan kelainan pada detak jantung. Aritmia terjadi ketika impuls listrik yang berfungsi mengatur detak jantung tidak bekerja dengan baik. Impuls listrik dapat menjadi terlalu cepat, terlalu lambat, atau tidak menentu yang menyebabkan detak jantung tidak teratur. Beberapa jenis aritmia tidak berbahaya. Akan tetapi, ada juga jenis aritmia yang dapat mengancam keselamatan jiwa. Salah satu tes dalam diagnosis aritmia yaitu dengan tes elektrokardiogram (EKG). Tes elektrokardiogram (EKG) merupakan pemeriksaan fungsi jantung dengan mengukur aktivitas listrik jantung. Interpretasi hasil tes EKG dilakukan oleh dokter atau tenaga kesehatan profesional. Oleh sebab itu, diperlukan keterampilan yang tinggi dalam menginterpretasikan hasil tes EKG untuk menentukan jenis irama detak jantung. Penelitian ini mengusulkan sistem yang dapat mengklasifikasikan jenis detak jantung secara otomatis berdasarkan sinyal elektrokardiogram (EKG) menggunakan metode Convolutional Neural Network (CNN). Dengan metode CNN, detak jantung diklasifikasikan ke dalam lima kategori, yaitu detak jantung normal, Left Bundle Branch Block (LBBB), Right Bundle Branch Block (RBBB), Premature Ventricular Contraction (PVC), dan Premature Atrial Contraction (PAC). Data yang digunakan berupa kumpulan sinyal EKG yang diambil dari MIT-BIH Arrhythmia Database yang akan melalui tahapan denoising, segmentasi, dan normalisasi sebelum masuk dalam tahapan ekstraksi fitur dan klasifikasi menggunakan metode CNN. Dari hasil pengujian sistem klasifikasi jenis detak jantung yang diusulkan, diperoleh kinerja sistem dengan mengevaluasi berdasarkan nilai akurasi, presisi, recall, dan f1-score masing-masing sebesar 98.89%, 98.67%, 98.62%, dan 98.64%.