No abstract

IntisariPenelitian untuk deteksi gangguan jantung fibrilasi atrium (AF) pada elektrokardiogram (EKG) dengan metode Jaringan Syaraf Tiruan (JST) menggunakan fitur statistik RR telah berhasil dilaksanakan. Pada penelitian ini digunakan tiga metode JST yaitu Learning Vector Quantization (LVQ), Radial Basis Functon (RBF), dan Multilayer Perception-Backporpagation (MLP-BP) untuk menentukan JST yang terbaik dalam mendeteksi AF. Hasil terbaik ditunjukkan pada JST RBF dengan masukan 7 macam fitur dari statistik deskriptif RR pada panjang segmen EKG 15 denyut dengan kinerja berupa sensitivitas, spesifisitas, serta akurasi sebesar 99,97%, 99,84% dan 99,89%. AbstractResearch for Atrial Fibrillation detection at electrocardiogram (ECG) using Artificial Neural Network (ANN) with RR statistic features has been successfully implemented. This study was conducted by varying RBF NN, MLP-BP NN and LVQ NN to determine the best of ANN in detecting AF. The best results were found when seven features from RR statistic features at length 15 beats of ECG segment by using RBF NN. The best performance were 99,97%, 99,84% and 99,89% in terms of sensitivity, specificity and accuracy, respectively.KATA KUNCI: atrial fibrillation, RR statistic features, artificial neural network I. PENDAHULUANFibrilasi atrium (AF) merupakan gangguan irama pada jantung yang paling sering ditemui dan merupakan faktor risiko yang signifikan bagi penyakit kardiovaskular. AF dialami oleh 1-2% populasi dan diprediksi akan meningkat dalam 50 tahun kedepan [1]. Di Amerika Serikat diperkirakan 2,3 juta penduduk menderita AF dengan > 10% penderitanya berusia di atas 65 tahun dan diperkirakan jumlahnya terus bertambah menjadi 4,78 juta pada tahun 2035 [1].Permasalahan utama untuk mengenali AF sejak dini adalah gangguan ritme yang terjadi sering bersifat asimtomatik sehingga sepertiga pasien AF menjadi kurang waspada akan penyakit ini. Padahal jika AF mampu di deteksi secara dini, deteksi dini penyakit tersebut dapat membuat pasien diterapi seawal mungkin sehingga prognosis penyakit tersebut menjadi lebih baik [2].Otomotisasi diagnosis AF dilakukan oleh Mateo dan Rieta pada tahun 2013 [3] dimana sinyal EKG yang merekam aktivitas kelistrikan jantung dengan ciri-ciri khas dalam amplitudo, morfologi, durasi dari gelombang, segmen dan interval terekam dalam suatu tampilan [4,5]. Sinyal EKG kemudian diolah lalu dijadikan sebuah informasi masukan bagi * E-MAIL: Anzihoryeka@gmail.com † E-MAIL: nuryani@mipa.uns.ac.id jaringan syaraf tiruan (JST). JST merupakan sistem pemroses informasi yang mirip dengan jaringan syaraf biologis dan digunakan dalam klasifikasi data atau dalam pengenalan pola melalui tahap pelatihan dan tahap pengujian [6]. Pada penelitan ini fitur statistik RR pada panjang segmen EKG 15 denyut digunakan sebagai masukan JST dalam menentukan ritme AF dan normal. Kemudian tiga metode JST yaitu Learning Vector Quantization(LVQ), Radial Basis Function (RBF), dan Multilayer Perception-Backpropagation (MLP-BP) dikaji untuk menentukan mana JST terbaik pada rancangan sist...

No abstract