Klasifikasi Kondisi Jantung Menggunakan JST Berdasarkan Pemodelan Sinyal Electrocardiography

Kondisi fisiologis jantung manusia -normal atau arrhythmia dapat diketahui dari sinyal ECG (Electrocardiography). Penelitian ini bertujuan untuk melakukan klasifikasi terhadap kondisi tersebut, yakni normal, atrial fibrilation, ventricular tachycardia, dan ventricular bigeminy. Pemodelan sinyal dengan menggunakan AR (AutoRegressive) Model metode Burg dilakukan untuk mengekstrak informasi penting pada sinyal. Orde model ditentukan melalui kriteria uji kecocokan dan AIC (Akaike’s Information Criteria). Parameter AR Model kemudian digunakan sebagai masukan bagi JST (Jaringan Saraf Tiruan) dengan fungsi sebagai data uji maupun data latih. Hasil pengujian menunjukkan bahwa klasifikasi terbaik didapatkan dengan menggunakan pemodelan orde 5 dan arsitektur Jaringan Saraf Tiruan 3 layer dengan jumlah neuron 20 – 20 – 4. Hasil klasifikasi 100% didapatkan untuk setiap kondisi fisiologis pada kategori data uji sama dengan data latih. Kategori data uji tidak sama dengan data latih menunjukkan hasil klasifikasi 66,67% untuk kondisi atrial fibrilation, 75% untuk kondisi ventricular tachycardia, 40% untuk ventricular bigeminy, dan 30% untuk kondisi normal. Kata kunci: sinyal ECG, arrhythmia, AR Model, Jaringan Saraf Tiruan, klasifikasi