LKP : Klasifikasi Sinyal PCG Menggunakan Convolutional Neural Network

Miskiyanto, Miskiyanto (2022) LKP : Klasifikasi Sinyal PCG Menggunakan Convolutional Neural Network. Undergraduate thesis, Universitas Dinamika.

[img]
Preview
Text
17410200044-2022-UNIVERSITAS DINAMIKA.pdf - Accepted Version

Download (870kB) | Preview
[img] Text
17410200044-2022-LAMPIRAN.pdf - Accepted Version
Restricted to Repository staff only

Download (1MB)

Abstract

Jantung adalah organ vital yang digunakan dalam kegiatan sehari-hari. Namun, berdasarkan survei World Heatlh Organization (WHO), terdapat 33% kematian disebabkan oleh Penyakit Jantung Koroner (PJK). Pemeriksaan jantung secara rutin diharapkan dapat membantu pasien dalam memonitoring kondisi jantungnya. Teknik untuk mendengarkan suara jantung dengan menggunakan elektronik atau tradisional stethoscope, sebuah metode lama namun sangat efektif dalam melakukan diagnosis terhadap sejumlah penyakit kardiovaskular. Namun, hasil pemeriksaan yang didasarkan pendengaran dokter, juga menjadi kendala dalam menentukan hasil pemeriksaan jantung, karena merupakan hasil subjektifitas. Hal ini menjadikan analisis pendeteksian terhadap karakteristik sinyal suara jantung secara otomatis penting untuk dilakukan supaya tidak terjadi kesalahan diagnosa pada saat perekaman sinyal suara jantung. Dengan berkembangnya teknik klasifikasi secara otomatis dengan neggunakan machine learning maupun deep learning, telah banyak upaya yang dilakukan untuk menganalisa sinyal PCG. Dengan adanya hal tersebut, maka penulis membuat sebuah sistem untuk melakukan klasifikasi secara otomatis terhadap sinyal jantung PCG. Metode yang digunakan pada penelitian ini adalah Convoluional Neural Network (CNN). Dari hasil pengujian klasifikasi sinyal jantung PCG menggunakan CNN maka dapat disimpulkan bahwa data yang berupa sinyal suara jantung phonocardiogram berektensi wav dan melalui preproses dengan plp dan di implementasikan menggunakan convolutional neural network dapat dijalankan. Pengujian model yang telah dibuat dengan variasi dataset sebanyak 1152 yang dibagi kedalam 70% untuk kebutuhan data latih dan 30% untuk validasi mendapatkan nilai akurasi percobaan sebesar 81% dan data loss sebesar 7%.


Export Record



Statistic

IRStats Detail StatisticView more statistics

Item Type: Thesis (Undergraduate)
Additional Information: Miskiyanto (17410200044)
Uncontrolled Keywords: Convoluional Neural Network, Phonocardiogram, Deep Learning
Dewey Decimal Classification: 600 – Technology > 620 Engineering & Applied operations > 621 Applied physics
Divisions: Fakultas Teknologi dan Informatika > S1 Teknik Komputer
Depositing User: Miskiyanto Miskiyanto
Date Deposited: 17 Mar 2022 10:34
Last Modified: 17 Mar 2022 10:34
THESIS ADVISORS: 1. UNSPECIFIED (NIDN : UNSPECIFIED)
URI: http://repository.dinamika.ac.id/id/eprint/6377

Actions (login required)

View Item View Item