Klasifikasi Arritmia pada Sinyal EKG menggunakan Deep Neural Network

Abstrak Penelitian yang dikembangkan saat ini memfokuskan klasifikasi sinyal Electrokardiogram (EKG) pada gangguan arritmia detak jantung. Monitoring ini bertujuan agar dapat menjadi penanganan dini terhadap berbagai jenis gangguan arritmia. Klasifikasi yang diajukan dapat mengklasifikasi 9 jenis gangguan arritmia dengan menggunakan metode Deep Neural Network (DNN). Teknik preprosessing data pada sinyal EKG sebelum proses klasifikasi, yaitu segmentasi, normalisasi menggunakan normalize bound, dan fitur extraction dengan menggunakan autoencoder. Hasil menunjukkan bahwa metode yang digunakan mendapatkan nilai akurasi yang sangat baik sebesar 99.62% dan sensitivity about 97.18%. Kata kunci—EKG, Arritmia, Klasifikasi, Deep Neural Network Abstract The research developed today focuses the classification of Electrocardiogram (ECG) signals on heart rate arritmia disorders. This monitoring aims to be an early treatment of various types of arritmia disorders. Using the Deep Neural Network (DNN) process, the proposed classification will identify 9 kinds of arrhythmia disorders. Preprocessing of the ECG signal data technique before the classification process, namely segmentation, normalization using bound normalization, and autoencoder extraction function. Results showed that the system used gained an outstanding 99.62 percent precision value and about 97.18 percent sensitivity. Kata kunci—ECG, Arrhytmia, Classifikation, Deep Neural Networ