Klasifikasi Sinyal EKG menggunakan Ciri Statistik dan Parameter Hjorth dengan SVM dan k-NN
ABSTRAK Sinyal elektrokardiogram (EKG) dapat dianalisis dengan memperhatikan bentuk, durasi, dan irama. Pada penelitian ini, dikembangkan sebuah metode ekstraksi ciri sinyal EKG dengan menggunakan parameter Hjorth dan ciri statistik. Kedua parameter tersebut diaplikasikan untuk mengekstrak ciri-cir...
| Main Authors: | , , , |
|---|---|
| Format: | Article |
| Language: | Indonesian |
| Published: |
Teknik Elektro Institut Teknologi Nasional Bandung
2022-01-01
|
| Series: | Jurnal Elkomika |
| Subjects: | |
| Online Access: | https://ejurnal.itenas.ac.id/index.php/elkomika/article/view/5040 |
| _version_ | 1818163649785626624 |
|---|---|
| author | INUNG WIJAYANTO ANNISA HUMAIRANI ACHMAD RIZAL SUGONDO HADIYOSO |
| author_facet | INUNG WIJAYANTO ANNISA HUMAIRANI ACHMAD RIZAL SUGONDO HADIYOSO |
| author_sort | INUNG WIJAYANTO |
| collection | DOAJ |
| description | ABSTRAK
Sinyal elektrokardiogram (EKG) dapat dianalisis dengan memperhatikan bentuk, durasi, dan irama. Pada penelitian ini, dikembangkan sebuah metode ekstraksi ciri sinyal EKG dengan menggunakan parameter Hjorth dan ciri statistik. Kedua parameter tersebut diaplikasikan untuk mengekstrak ciri-ciri dari rekaman suara sinyal EKG. Terdapat tiga kondisi rekaman sinyal EKG yang menjadi masukan dari sistem, kondisi normal, atrial fibrillation (AF), dan congestive heart failure (CHF). Set ciri rekaman EKG yang didapatkan kemudian diklasifikasikan dengan menggunakan metode support vector machine (SVM) dan k-Nearest Neighbor (k-NN) untuk dibandingkan performansinya. Hasil pengujian menggunakan semua ciri sebagai prediktor menunjukkan bahwa usulan sistem mampu memberikan akurasi sebesar 100%. Sementara itu pada skenario reduksi ciri dimana hanya dua ciri yaitu skewness dan complexity, performansi sistem tidak berkurang. Komparasi dengan beberapa studi sebelumnya menunjukkan bahwa usulan metode lebih unggul dalam hal akurasi deteksi dan jumlah ciri yang digunakan.
Kata kunci: EKG, atrial fibrillation, congestive heart failure, Hjorth, SVM, k-NN
ABSTRACT
An electrocardiogram (ECG) signal can be analyzed by paying attention to its shape, duration, and rhythm. In this study, feature extraction for ECG signals is applied using the Hjorth parameter and statistical characteristics. These two parameters are applied to extract the characteristics of the ECG signal sound recording. There are three conditions of ECG signal recording that are used as input for the system. They are normal conditions, atrial fibrillation (AF), and congestive heart failure (CHF). The set of ECG recording features are classified using the support vector machine (SVM) and k-Nearest Neighbor (k-NN) methods. The test results using all features show that the proposed system can achieve 100% of accuracy. On the other hand, by reducing the feature using only skewness and complexity, the system’s performance is not reduced. Comparative studies with several previous studies show that the proposed method is superior in detection accuracy and the number of features used.
Keywords: ECG, atrial fibrillation, congestive heart failure, Hjorth, SVM, k-NN |
| first_indexed | 2024-12-11T16:52:55Z |
| format | Article |
| id | doaj.art-f206b0ba2d7042cc851c14d0dd0a4958 |
| institution | Directory Open Access Journal |
| issn | 2338-8323 2459-9638 |
| language | Indonesian |
| last_indexed | 2024-12-11T16:52:55Z |
| publishDate | 2022-01-01 |
| publisher | Teknik Elektro Institut Teknologi Nasional Bandung |
| record_format | Article |
| series | Jurnal Elkomika |
| spelling | doaj.art-f206b0ba2d7042cc851c14d0dd0a49582022-12-22T00:58:03ZindTeknik Elektro Institut Teknologi Nasional BandungJurnal Elkomika2338-83232459-96382022-01-0110110.26760/elkomika.v10i1.1322530Klasifikasi Sinyal EKG menggunakan Ciri Statistik dan Parameter Hjorth dengan SVM dan k-NNINUNG WIJAYANTO0ANNISA HUMAIRANI1ACHMAD RIZAL2SUGONDO HADIYOSO3Universitas TelkomUniversitas TelkomUniversitas TelkomUniversitas TelkomABSTRAK Sinyal elektrokardiogram (EKG) dapat dianalisis dengan memperhatikan bentuk, durasi, dan irama. Pada penelitian ini, dikembangkan sebuah metode ekstraksi ciri sinyal EKG dengan menggunakan parameter Hjorth dan ciri statistik. Kedua parameter tersebut diaplikasikan untuk mengekstrak ciri-ciri dari rekaman suara sinyal EKG. Terdapat tiga kondisi rekaman sinyal EKG yang menjadi masukan dari sistem, kondisi normal, atrial fibrillation (AF), dan congestive heart failure (CHF). Set ciri rekaman EKG yang didapatkan kemudian diklasifikasikan dengan menggunakan metode support vector machine (SVM) dan k-Nearest Neighbor (k-NN) untuk dibandingkan performansinya. Hasil pengujian menggunakan semua ciri sebagai prediktor menunjukkan bahwa usulan sistem mampu memberikan akurasi sebesar 100%. Sementara itu pada skenario reduksi ciri dimana hanya dua ciri yaitu skewness dan complexity, performansi sistem tidak berkurang. Komparasi dengan beberapa studi sebelumnya menunjukkan bahwa usulan metode lebih unggul dalam hal akurasi deteksi dan jumlah ciri yang digunakan. Kata kunci: EKG, atrial fibrillation, congestive heart failure, Hjorth, SVM, k-NN ABSTRACT An electrocardiogram (ECG) signal can be analyzed by paying attention to its shape, duration, and rhythm. In this study, feature extraction for ECG signals is applied using the Hjorth parameter and statistical characteristics. These two parameters are applied to extract the characteristics of the ECG signal sound recording. There are three conditions of ECG signal recording that are used as input for the system. They are normal conditions, atrial fibrillation (AF), and congestive heart failure (CHF). The set of ECG recording features are classified using the support vector machine (SVM) and k-Nearest Neighbor (k-NN) methods. The test results using all features show that the proposed system can achieve 100% of accuracy. On the other hand, by reducing the feature using only skewness and complexity, the system’s performance is not reduced. Comparative studies with several previous studies show that the proposed method is superior in detection accuracy and the number of features used. Keywords: ECG, atrial fibrillation, congestive heart failure, Hjorth, SVM, k-NNhttps://ejurnal.itenas.ac.id/index.php/elkomika/article/view/5040ekgatrial fibrillationcongestive heart failurehjorthsvmk-nn |
| spellingShingle | INUNG WIJAYANTO ANNISA HUMAIRANI ACHMAD RIZAL SUGONDO HADIYOSO Klasifikasi Sinyal EKG menggunakan Ciri Statistik dan Parameter Hjorth dengan SVM dan k-NN Jurnal Elkomika ekg atrial fibrillation congestive heart failure hjorth svm k-nn |
| title | Klasifikasi Sinyal EKG menggunakan Ciri Statistik dan Parameter Hjorth dengan SVM dan k-NN |
| title_full | Klasifikasi Sinyal EKG menggunakan Ciri Statistik dan Parameter Hjorth dengan SVM dan k-NN |
| title_fullStr | Klasifikasi Sinyal EKG menggunakan Ciri Statistik dan Parameter Hjorth dengan SVM dan k-NN |
| title_full_unstemmed | Klasifikasi Sinyal EKG menggunakan Ciri Statistik dan Parameter Hjorth dengan SVM dan k-NN |
| title_short | Klasifikasi Sinyal EKG menggunakan Ciri Statistik dan Parameter Hjorth dengan SVM dan k-NN |
| title_sort | klasifikasi sinyal ekg menggunakan ciri statistik dan parameter hjorth dengan svm dan k nn |
| topic | ekg atrial fibrillation congestive heart failure hjorth svm k-nn |
| url | https://ejurnal.itenas.ac.id/index.php/elkomika/article/view/5040 |
| work_keys_str_mv | AT inungwijayanto klasifikasisinyalekgmenggunakanciristatistikdanparameterhjorthdengansvmdanknn AT annisahumairani klasifikasisinyalekgmenggunakanciristatistikdanparameterhjorthdengansvmdanknn AT achmadrizal klasifikasisinyalekgmenggunakanciristatistikdanparameterhjorthdengansvmdanknn AT sugondohadiyoso klasifikasisinyalekgmenggunakanciristatistikdanparameterhjorthdengansvmdanknn |