Klasifikasi Kondisi Jantung Menggunakan JST Berdasarkan Pemodelan Sinyal Electrocardiography

Kondisi fisiologis jantung manusia -normal atau arrhythmia dapat diketahui darisinyal ECG (Electrocardiography). Penelitian ini bertujuan untuk melakukan klasifikasiterhadap kondisi tersebut, yakni normal, atrial fibrilation, ventricular tachycardia, danventricular bigeminy. Pemodelan sinyal dengan menggunakan AR (AutoRegressive) Modelmetode Burg dilakukan untuk mengekstrak informasi penting pada sinyal. Orde modelditentukan melalui kriteria uji kecocokan dan AIC (Akaike’s Information Criteria). ParameterAR Model kemudian digunakan sebagai masukan bagi JST (Jaringan Saraf Tiruan) denganfungsi sebagai data uji maupun data latih. Hasil pengujian menunjukkan bahwa klasifikasiterbaik didapatkan dengan menggunakan pemodelan orde 5 dan arsitektur Jaringan SarafTiruan 3 layer dengan jumlah neuron 20 – 20 – 4. Hasil klasifikasi 100% didapatkan untuksetiap kondisi fisiologis pada kategori data uji sama dengan data latih. Kategori data uji tidaksama dengan data latih menunjukkan hasil klasifikasi 66,67% untuk kondisi atrial fibrilation,75% untuk kondisi ventricular tachycardia, 40% untuk ventricular bigeminy, dan 30% untukkondisi normal.