Detail Cantuman

Tingkat kematian yang tinggi di Indonesia menunjukkan betapa pentingnya
memberikan perhatian lebih terhadap tingginya prevalensi penyakit jantung. Sesuai
diagnosa dokter, jumlah penderita jantung di Indonesia terus meningkat. Sekitar
0,5% berada di Jawa Barat atau sekitar 160.812 jiwa. Penelitian ini yaitu membuat
model klasifikasi penyakit jantung menggunakan metode convolution neural
network. Langkah pertama adalah pelabelan data set Normal ecg dilabelkan dengan
0, Myocardial infraction dilabelkan dengan 1, Condition distrubance dilabelkan
dengan 2, Hypertrophy dilabelkan dengan 3. Dengan data yang diperoleh dari PTB
Diagnostic ECG Database http://physionet.org. Akurasi dalam default parameter
model mencapai 28%, sementara pada model hyperparameter menunjukkan nilai
akurasi sebesar 97%. Sensitivitas pada default parameter tercatat sebesar
15%,53%,24%,21% sedangkan nilai sensitivitas pada hyperparameter mencapai
99%,97%,98%,95%. Presisi Dalam default paramaeter, nilai presisi model adalah
19%,28%,35%,26%, sementara pada hyperparameter, nilai presisi mencapai
94%,98%,98%,98%. F1 score pada default parameter mencapai
17%,37%,28%,23% sedangkan pada hyperparameter nilai F1 score mencapai
97%,98%,98%96%. Penggunaan model hyperparameter dalam pengembangan
model klasifikasi penyakit jantung dari sinyal EKG memberikan hasil yang lebih
baik dibandingkan dengan metode CNN yang menggunakan defaultparameter.