Klasifikasi Penyakit Aritmia Melalui Sinyal Elektrokardiogram (EKG) Menggunakan Metode Local Features dan Support Vector Machine Classification Electrocardiogram Signals on Arrhythmia using Local Features and Support Vector Machine Gilang Titah Ramadhan 1 , Adiwijaya 2 , Dody Qori Utama 3 Prodi Ilmu Komputasi, Fakultas Teknik, Universitas Telkom 1 gilangtrh@gmail.com 2 kang.ady@telkomuniversity.ac.id 3 dodyqori@telkomuniversity.ac.id Abstrak Jantung merupakan organ terpenting dalam tubuh manusia dan selalu dituntut dalam keadaan baik, tidak dapat dipungkiri bahwa seseorang memiliki kemungkinan menderita penyakit jantung aritmia. EKG merupakan salah satu cara untuk mendeteksi penyakit jantung. Dengan menggunakan metode Local Features yang merupakan metode ekstraksi ciri dengan menghitung jumlah detak jantung sehingga dapat membantu dalam proses klasifikasi yang dilakukan oleh Support Vector Machine (SVM). Dalam fitur pengklasifikasian yang dilakukan oleh SVM, mendapatkan hasil akurasi dari dua dataset yang digunakan. Untuk data EKG normal akurasi terbesar bernilai 67% yang dihasilkan dari SVM kernel linear dan RBF, untuk data EKG aritmia akurasi terbesar bernilai 83% yang dihasilkan oleh kernel linear dan 16% menggunakan kernel RBF. Perbedaan kernel mempengaruhi akurasi pada setiap data bergantung kepada karakteristik setiap data EKG yang digunakan. Kata Kunci : Aritmia , Elektrokardiogram, Local Features, Support Vector Machine Abstract Heart is the most important organ in the human body and always demanded in good condition, it can not be denied that a person has the possibility of suffering from heart disease arrhythmia. EKG is one way to detect heart disease. Using Local Features method is a method of feature extraction by counting the number of heartbeats that can assist in the classification process performed by the Support Vector Machine (SVM). In the classification feature performed by SVM, get the accuracy results of the two datasets used. For the greatest 67% accuracy 67% normal ECG data generated from Linear kernel SVM and RBF, for the greatest accuracy equation 83% ATG linear algorithm produced by linear kernel and 16% using the RBF kernel. Kernel differences affect the accuracy of each data depending on the characteristics of each ECG data used. Keywords: Arrhythmia, Electrocardiogram, Local Features, Support Vector Machine 1. Pendahuluan Penyakit jantung menjadi penyebab kematian nomor 1 di dunia hampir di setiap tahunnya. Menurut data statistik dari WHO pada tahun 2015 dari total 58 juta jiwa kematian penduduk di seluruh dunia 17.2 juta kematian penduduknya disebabkan oleh lebih penyakit jantung, yang berarti 30% diantaranya disebabkan karena penyakit jantung [1]. Penyakit Aritmia adalah salah satu gangguan jantung yang berbahaya dimana kecepatan detak jantung berdetak tidak sesuai dengan normal seperti berdetak terlalu cepat atau berdetak terlalu lambat. Penderita Aritmia pada umumnya tidak menyadari bahwa mereka mengidap penyakit ini, maka pengecekan rutin sangat diperlukan sebelum mendapatkan penanganan yang lebih lanjut. Banyak penelitian terkait dengan data medis penderita aritmia, seperti pengolahan gambar media dan sinyal medis menggunakan penerapan matematik yang telah dilakukan sebelumnya [2][3][4][5]. Secara klinis, Aritmia disebabkan karena sinyal listrik yang mengatur irama detak jantung mengalami gangguan. Hal ini berpengaruh pada irama detak jantung dan dipengaruhi oleh sel saraf khusus yang membawa muatan listrik tidak bekerja dengan baik. Aritmia juga dapat terjadi apabila salah satu bagian jantung menghasilkan sinyal listrik. Karena sinyal listrik tersebut membuat sinyal listrik dari sel-sel saraf mengalami penambahan sehingga akan mempengaruhi irama detak jantung. Penyakit ISSN : 2355-9365 e-Proceeding of Engineering : Vol.5, No.1 Maret 2018 | Page 1787 CORE Metadata, citation and similar papers at core.ac.uk Provided by Open Library