TA : Klasifikasi Sinyal EKG (Elektrokardiograf) Menggunakan Jaringan Syaraf Tiruan Model Backpropagation

Effendy, Edwin David (2017) TA : Klasifikasi Sinyal EKG (Elektrokardiograf) Menggunakan Jaringan Syaraf Tiruan Model Backpropagation. Undergraduate thesis, Institut Bisnis dan Informatika Stikom Surabaya.

	Text Cover.pdf - Accepted Version Download (161kB)
	Text Daftar_Isi.pdf - Accepted Version Download (150kB)
	Text BAB_I.pdf - Accepted Version Download (157kB)
	Text BAB_II.pdf - Accepted Version Download (576kB)
	Text BAB_III.pdf - Accepted Version Download (645kB)
	Text BAB_IV.pdf - Accepted Version Download (256kB)
	Text BAB-V.pdf - Accepted Version Download (147kB)
	Text Daftar_Pustaka.pdf - Accepted Version Download (144kB)

Search this title on : |

Abstract

Penyakit jantung adalah penyebab kematian terbesar di Indonesia, bahkan di Dunia. Penyakit jantung dapat dideteksi dengan alat elektrokardiograf (EKG). Petugas medis yang bekerja di rumah sakit harus mampu mengidentifikasi penyakit atau serangan jantung berdasar rekaman EKG. Namun tidak sedikit petugas medis yang tidak bisa melakukannya dan beralasan bahwa hal tersebut merupakan kewenangan dokter atau dokter spesialis jantung. Solusi dari permasalahan diatas maka dibuatlah rancang bangun sistem klasifikasi sinyal EKG (elektrokardiograf) menggunakan jaringan syaraf tiruan model backpropagation. Berdasarkan hasil penelitian, Hasil MSE terkecil pada setiap aplikasi adalah aplikasi yang telah dilatih sebanyak 60000 iterasi, yaitu 3,48837E-5 untuk aplikasi dengan jumlah neuron 16 pada layer tersembunyi dan 0,000233272 untuk aplikasi dengan jumlah neuron 10 pada layer tersembunyi. Sedangkan aplikasi dengan jumlah neuron 5 pada layer tersembunyi sebesar 1,49744E-07.

Export Record

Item Type:	Thesis (Undergraduate)
Additional Information:	Edwin David Effendy (13410200002)
Uncontrolled Keywords:	Jaringan Syaraf Tiruan, Elektrokardiograf.
Dewey Decimal Classification:	300 – Social sciences > 300 Social sciences, sociology & anthropology > 302 Social interaction
Divisions:	Fakultas Teknologi dan Informatika > S1 Teknik Komputer
Depositing User:	Maria Nugrahayu
Date Deposited:	12 Oct 2017 10:37
Last Modified:	12 Oct 2017 10:37
THESIS ADVISORS:	1. UNSPECIFIED (NIDN : UNSPECIFIED)
URI:	http://repository.dinamika.ac.id/id/eprint/2480

Download Statistics

Downloads over the past year. Other digital versions may also be available to download e.g. from the publisher's website.

View more statistics

Actions (login required)

View Item

Altmetric