Deteksi Myocardial Infarction Menggunakan Fitur Statistik Segmen-ST Elektrokardiogram dan Analisis Diskriminan

Pada makalah ini dipaparkan deteksi myocardial infarction menggunakan fitur rata-rata statistik, yaitu rata-rata, median, dan simpangan baku. Klasifikasi yang digunakan adalah metode analisis diskriminan yang diimplementasikan menggunakan perangkat lunak MATLAB. Sinyal EKG yang didapatkan dari peran...

Descripción completa

Guardado en:

Detalles Bibliográficos
Autores principales:	Dewi Cahya Fitri, Nuryani Nuryani, Anto Satriyo Nugraha
Formato:	article
Lenguaje:	EN ID
Publicado:	Universitas Gadjah Mada 2021
Materias:	myocardial infarction ekstraksi fitur fitur statistik analisis diskriminan Engineering (General). Civil engineering (General) TA1-2040
Acceso en línea:	https://doaj.org/article/bf8a1e893e6144e6abdb0d5f6bca5596
Etiquetas:	Agregar Etiqueta Sin Etiquetas, Sea el primero en etiquetar este registro!

id	oai:doaj.org-article:bf8a1e893e6144e6abdb0d5f6bca5596
record_format	dspace
spelling	oai:doaj.org-article:bf8a1e893e6144e6abdb0d5f6bca55962021-11-17T04:00:44ZDeteksi Myocardial Infarction Menggunakan Fitur Statistik Segmen-ST Elektrokardiogram dan Analisis Diskriminan2301-41562460-571910.22146/jnteti.v10i3.1784https://doaj.org/article/bf8a1e893e6144e6abdb0d5f6bca55962021-08-01T00:00:00Zhttps://jurnal.ugm.ac.id/v3/JNTETI/article/view/1784https://doaj.org/toc/2301-4156https://doaj.org/toc/2460-5719Pada makalah ini dipaparkan deteksi myocardial infarction menggunakan fitur rata-rata statistik, yaitu rata-rata, median, dan simpangan baku. Klasifikasi yang digunakan adalah metode analisis diskriminan yang diimplementasikan menggunakan perangkat lunak MATLAB. Sinyal EKG yang didapatkan dari perangkat tersebut kemudian diproses, lalu dilakukan esktaksi fitur. Hasil dari proses ekstraksi tersebut dinormalisasi agar semua data pasien memiliki standar yang sama dalam besaran gelombang amplitudo. Setelah dilakukan normalisasi, data digunakan sebagai masukan analisis diskriminan. Makalah ini mencoba menggunakan fitur rata-rata, median, dan simpangan baku. Eksperimen ini menggunakan lima belas lead, yang terdiri atas dua belas lead konvensional dan tiga lead posterior. Penambahan tiga lead tersebut memberikan keuntungan dalam menentukan hasil kinerja. Akurasi terbaik yang didapatkan adalah 97,73%, yaitu dengan fitur rata-rata. Eksperimen ini mencoba membandingkan fitur rata-rata dan simpangan baku; rata-rata dan median; simpangan baku dan median; serta rata-rata, median, dan simpangan baku. Dari eksperimen gabungan tersebut didapatkan akurasi yang terbaik adalah 98,84%, yaitu pada fitur simpangan baku dan median.Dewi Cahya FitriNuryani NuryaniAnto Satriyo NugrahaUniversitas Gadjah Madaarticlemyocardial infarctionekstraksi fiturfitur statistikanalisis diskriminanEngineering (General). Civil engineering (General)TA1-2040ENIDJurnal Nasional Teknik Elektro dan Teknologi Informasi, Vol 10, Iss 3, Pp 243-248 (2021)
institution	DOAJ
collection	DOAJ
language	EN ID
topic	myocardial infarction ekstraksi fitur fitur statistik analisis diskriminan Engineering (General). Civil engineering (General) TA1-2040
spellingShingle	myocardial infarction ekstraksi fitur fitur statistik analisis diskriminan Engineering (General). Civil engineering (General) TA1-2040 Dewi Cahya Fitri Nuryani Nuryani Anto Satriyo Nugraha Deteksi Myocardial Infarction Menggunakan Fitur Statistik Segmen-ST Elektrokardiogram dan Analisis Diskriminan
description	Pada makalah ini dipaparkan deteksi myocardial infarction menggunakan fitur rata-rata statistik, yaitu rata-rata, median, dan simpangan baku. Klasifikasi yang digunakan adalah metode analisis diskriminan yang diimplementasikan menggunakan perangkat lunak MATLAB. Sinyal EKG yang didapatkan dari perangkat tersebut kemudian diproses, lalu dilakukan esktaksi fitur. Hasil dari proses ekstraksi tersebut dinormalisasi agar semua data pasien memiliki standar yang sama dalam besaran gelombang amplitudo. Setelah dilakukan normalisasi, data digunakan sebagai masukan analisis diskriminan. Makalah ini mencoba menggunakan fitur rata-rata, median, dan simpangan baku. Eksperimen ini menggunakan lima belas lead, yang terdiri atas dua belas lead konvensional dan tiga lead posterior. Penambahan tiga lead tersebut memberikan keuntungan dalam menentukan hasil kinerja. Akurasi terbaik yang didapatkan adalah 97,73%, yaitu dengan fitur rata-rata. Eksperimen ini mencoba membandingkan fitur rata-rata dan simpangan baku; rata-rata dan median; simpangan baku dan median; serta rata-rata, median, dan simpangan baku. Dari eksperimen gabungan tersebut didapatkan akurasi yang terbaik adalah 98,84%, yaitu pada fitur simpangan baku dan median.
format	article
author	Dewi Cahya Fitri Nuryani Nuryani Anto Satriyo Nugraha
author_facet	Dewi Cahya Fitri Nuryani Nuryani Anto Satriyo Nugraha
author_sort	Dewi Cahya Fitri
title	Deteksi Myocardial Infarction Menggunakan Fitur Statistik Segmen-ST Elektrokardiogram dan Analisis Diskriminan
title_short	Deteksi Myocardial Infarction Menggunakan Fitur Statistik Segmen-ST Elektrokardiogram dan Analisis Diskriminan
title_full	Deteksi Myocardial Infarction Menggunakan Fitur Statistik Segmen-ST Elektrokardiogram dan Analisis Diskriminan
title_fullStr	Deteksi Myocardial Infarction Menggunakan Fitur Statistik Segmen-ST Elektrokardiogram dan Analisis Diskriminan
title_full_unstemmed	Deteksi Myocardial Infarction Menggunakan Fitur Statistik Segmen-ST Elektrokardiogram dan Analisis Diskriminan
title_sort	deteksi myocardial infarction menggunakan fitur statistik segmen-st elektrokardiogram dan analisis diskriminan
publisher	Universitas Gadjah Mada
publishDate	2021
url	https://doaj.org/article/bf8a1e893e6144e6abdb0d5f6bca5596
work_keys_str_mv	AT dewicahyafitri deteksimyocardialinfarctionmenggunakanfiturstatistiksegmenstelektrokardiogramdananalisisdiskriminan AT nuryaninuryani deteksimyocardialinfarctionmenggunakanfiturstatistiksegmenstelektrokardiogramdananalisisdiskriminan AT antosatriyonugraha deteksimyocardialinfarctionmenggunakanfiturstatistiksegmenstelektrokardiogramdananalisisdiskriminan
_version_	1718426014173888512

Deteksi Myocardial Infarction Menggunakan Fitur Statistik Segmen-ST Elektrokardiogram dan Analisis Diskriminan

Ejemplares similares