Deteksi Sleep Apnea Menggunakan Metode Decision Tree dengan Fitur Statistik RR Interval

Abstract

Obstructive sleep apnea (OSA) atau sleep apnea adalah gangguan tidur langka yang memerlukan penggunaan sinyal aktivitas listrik, biasa disebut sebagai elektrogram (ECG), untuk dideteksi. Sinyal ECG terdiri dari bentuk gelombang, durasi, ritme bentuk gelombang, dan orientasi sinyal, yang dapat digunakan ahli jantung untuk mengevaluasi kondisi jantung pasien. Tujuan dari penelitian ini adalah untuk mendeteksi sleep apnea menggunakan dataset ECG yang ada. Sistem pendeteksi sleep apnea ini diharapkan mampu mendeteksi gangguan pada pasien secara dini dan membantu dokter mendiagnosis pasien secara lebih akurat dan cepat sehingga dapat memberikan penanganan lebih lanjut. Penelitian ini mengusulkan bagaimana mendeteksi sleep apnea dengan perangkat lunak dengan menggunakan parameter statistik dari sinyal interval RR dalam dataset sinyal ECG dan kemudian mengklasifikasikannya menggunakan metode DecisionTree. Proses deteksi sleep apnea yang peneliti usulkan menggunakan interval RR dan proses decision tree memiliki tingkat akurasi 99,5%.