Pengolahan dan klasifikasi data EKG menggunakan jaringan syaraf tiruan perambatan balik

FAUZIYAH, Mila, Dr.Ir. Thomas Sri Widodo, DEA

2007 | Tesis | S2 Teknik Elektro

Penelitian ini bertujuan menghasilkan program dengan algoritma jaringan saraf tiruan tipe Back error propagation untuk mengklasifikasikan kondisi jantung dalam empat kelas berdasarkan data isyarat EKG tercetak. Selain untuk memperoleh jaringan yang memiliki kinerja terbaik, penelitian juga bertujuan mencari metode preprocessing yang mampu meningkatkan kinerja jaringan. Urutan cara penelitiannya yaitu preprocessing, transformasi data dari kawasan spasial ke kawasan waktu. Kemudian dicari ciri dalam kawasan waktu dan ciri dalam kawasan frekuensi. Ciri dalam kawasan frekuensi dihasilkan oleh proses ekstraksi ciri dengan Transformasi fourier. JST tipe BEP digunakan sebagai metode untuk mengklasifikasikan kelainan isyarat EKG. Parameter – parameter jaringan yang diatur untuk memperoleh jaringan dengan kinerja terbaik meliputi pengaturan jumlah lapisan tersembunyi, jumlah neuron pada lapisan tersembunyi, laju pelatihan dan koefisien momentum. Hasil klasifikasi dianalisis dan dibandingkan kinerja antara sistem dengan ciri dalam kawasan frekuensi dan sistem dengan ciri dalam kawasan waktu. Klasifikasi terhadap data dengan ciri dalam kawasan waktu mampu mengenali kelainan dengan keberhasilan 47,5% sedangkan klasifikasi terhadap data dengan ciri dalam kawasan frekuensi memiliki keberhasilan 72,5%. Jaringan terbaik memiliki arsitektur jaringan dengan 3 lapisan tersembunyi, 20,10 dan 40 neuron pada setiap lapisannya, 20 data pelatihan, laju belajar 0,5 dan koefisien momentum 0,5.

The aim of this research is to develop an ECG signal recognition system based on Back error propagation method. The system which is implemented as a program (software) will classify ECG image from print out form into four classes. The ECG image will be preprocessed first in order to be accurately converted from spatial to time domain. Two feature domains are used for classification, first time – domain feature and the second is frequency – domain feature. Frequency – domain feature is extracted using Fourier transform. Multilayer Perceptron trained with Back error propagation algorithm will be used as classifier. Fine tuning the network parameters such as number of hidden layer, number of neuron, momentum and learning rate are carried out to find the best network. The classification (or recognation) accuracy are evaluated for time–domain feature and frequency – domain feature. As the result, classification (or recognation) using time – domain feature gives only 47,5% of success, while frequency – domain feature gives better result which is 72,5%. In term of network architechture, network with three hidden layers which is trained with twenty epoch data and 0,5 learning rate and 0,5 momentum coefficient show the best performance

Kata Kunci : Jaringan Syaraf Tiruan,Perambatan Balik,Pengolahan Data EKG,ECG signal, feature extraction, back error propagation