eiDAF : Intelligent Diagnosis Device untuk Deteksi Dini Aritmia Jantung

Penyakit jantung merupakan penyakit kronis yang menyebabkan kematian pada sebagian besar orang. Penyakit jantung aritmia adalah kondisi dimana irama jantung ireguler juga detak jantung bisa sangat cepat atau bisa sangat lambat. Terkadang aritmia juga membahayakan nyawa pasien. Pemeriksaan ECG biasanya dilakukan di rumah sakit dengan kondisi yang terkadang tidak pasti pada kondisi jantung pasien sehingga terkadang hasil pemeriksaan kurang akurat. Pengidentifikasian aritmia dibutuhkan sesegera mungkin untuk pasien agar menerima perawatan yang tepat serta mengurangi dan mencegah kematian dini. Oleh karena itu, dalam penelitian ini diusulkan device yang digunakan untuk mendeteksi dan memantau kondisi jantung pasien. Penelitian ini bertujuan untuk membantu pasien agar mengetahui secara dini adanya aritmia pada jantungnya atau tidak dengan menunjukkan keakuratan dari hasil klasifikasi menggunakan device. Device digunakan untuk mengambil data jantung serta mengolah menggunakan dekomposisi wavelet transform. Kemudian didapatkan RR interval yang diklasifikasikan menggunakan random forest atau support vector machine. Klasifikasi menggunakan 2 class yaitu normal dan abnormal. Hasil akurasi data phantom menggunakan klasifikasi random forest sebesar 96% dan mean absolute error 0,04. Sedangkan pada SVM hasil akurasi sebesar 92,05% dan mean absolute error 0,08. Dari perbandingan kedua klasifikasi, hasil akurasi pada kedua klasifikasi sudah baik. Sehingga, pasien atau dokter dapat mengetahui keadaan jantung pasien dari hasil pengklasifikasian tersebut. ================================================================================================ Heart disease is a chronic disease that causes death in most people. Arrhythmic heart disease is a condition in which the heart rhythm is irregular and the heartbeat can be very fast or very slow. Sometimes arrhythmias also endanger the patient's life. ECG examination is usually carried out in a hospital with conditions that are sometimes uncertain about the patient's heart condition so that sometimes the results of the examination are less accurate. Arrhythmia identification is needed as soon as possible for patients to receive appropriate treatment and reduce and prevent premature death. Therefore, in this study, a device is proposed to be used to detect and monitor the patient's heart condition. This study aims to help patients to detect early arrhythmias in their heart or not by showing the accuracy of the classification results using devices. The device is used to retrieve heart data and process it using wavelet transform decomposition. Then the RR interval is obtained which is classified using a random forest or support vector machine. Classification uses 2 classes, namely normal and abnormal. The results of the accuracy of the phantom data using the random forest classification are 96% and the mean absolute error is 0.04. Meanwhile, in SVM, the accuracy is 92.05% and the mean absolute error is 0.08. From the comparison of the two classifications, the accuracy results in both classifications are good. Thus, the patient or doctor can find out the patient's heart condition from the results of the classification