Klasifikasi Kondisi Detak Jantung Berdasarkan Hasil Rekam Elektrokardiografi (Ekg) Menggunakan Algoritma Support Vector Machine (Svm)

Perkembangan Ilmu Pengetahuan dan Teknologi (IPTEK) semakin pesat terutama dalam bidang kesehatan. Elektrokardiografi (EKG) merupakan salah satu metode untuk menentukan kondisi jantung manusia yang direpresentasikan dalam bentuk gelombang. Untuk menafsirkan bentuk gelombang tersebut memiliki detak jantung normal atau terdapat gangguan hanya dapat dilakukan oleh seorang pakar atau dokter. Penelitian ini bertujuan untuk menentukan klasifikasi dari sinyal gelombang EKG tersebut dengan menggunakan metode Support Vector Machine. Klasifikasi untuk kondisi detak jantung dengan algoritma SVM ini didukung dengan strategi strategi One Against All untuk menyelesaikan permasalahan multi class yang ada pada penelitian ini, yaitu normal, atrial fibrillation, pvc bigeminy, dan ventricular tachycardia. Data didapatkan dari MIT-BIH Arrhytmia Database dan hasil klasifikasi yang didapatkan memiliki rata-rata akurasi sebesar 81.3% menggunakan dataset dari fitur 3601 MLII dengan kernel Polynomial dan kombinasi nilai parameter λ (lamda) = 0.5, konstanta γ (gamma) = 0.01, dan ε (epsilon) = 10-10 . iterMax = 100, dan C (complexity) = 1