Perbandingan Metode SVM, FUZZY-KNN, Dan BDT-SVM Untuk Klasifikasi Detak Jantung Hasil Elektrokardiografi
Abstrak: 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. Jantung merupakan organ vital manusia dan merupakan pertahanan hidup
terakhir manusia selain otak. Di Indonesia berdasarkan data dari Kementrian RI tahun
2013, kematian akibat penyakit jantung ini diperkirakan sebesar 0.5% atau
883.447 orang dan berdasarkan gejala sebanyak 1.5% atau sekitar 2.650.340
orang. Kelas dari klasifikasi ini terdiri dari normal dan aritmia. Dimana
aritmia terdiri dari atrial fibrillation, PVC bigeminy, dan ventricular
tachycardia. Data didapatkan dari MIT-BIH Arrhytmia Database. Penelitian ini
bertujuan untuk menentukan klasifikasi dari sinyal gelombang EKG tersebut
dengan membandingkan metode Support Vector Machine dengan strategi One Against
All, Fuzzy K-Nearest Neighbor, dan menggunakan metode Binary Decision Tree -
Support Vector Machine. Hasil klasifikasi yang didapatkan dengan metode SVM
memiliki rata-rata akurasi sebesar 81.30% menggunakan dataset dari fitur 3601
MLII dengan kernel Polynomial, metode Fuzzy-KNN 81.25% menggunakan jarak
Manhattan, dan BDT-SVM sebesar 70.00% menggunakan kernel Polynomial dengan
menggunakan data sebesar 140 dataset.
Kata Kunci: Support Vector
Machine, Binary Decision Tree,
Fuzzy-KNN, Detak Jantung, Elektrokardiografi
Penulis: Uswatun Hasanah,
Lintang Resita Mayangsari, Andhica Pratama, Imam Cholissodin
Kode Jurnal: jptinformatikadd160918