Implementasi Learning Vector Quantization (LVQ) sebagai Alat Bantu Identifikasi Kelainan Jantung melalui Citra Elektrokardiogram
ABSTRAK: Penyakit jantung
adalah penyakit yang menyebabkan angka kematian yang tinggi di dunia.
Salah satu cara
pendeteksian penyakit jantung
dapat dilakukan dengan pembacaan sinyal
Electrocardiograph (ECG). Namun,
pembacaan perekaman ECG (elektrokardiogram) ini cu
kup sulit karena
memerlukan keahlian khusus.
Untuk membantu pembacaan elektrokardiogram maka,
pada penelitian ini
dilakukan perancangan
perangkat lunak berbasis
jaringan saraf tiruan
dengan metode Learning Vector Quantization
(LVQ) sebagai alat
bantu identifikasi kelainan
jantung. Input perangkat lunak
ini adalah citra
digital elektrokardiogram. Citra
elektrokardiogram tersebut
diolah menggunakan metode
pengolahan citra (pre-processing, segmentasi, morfologi citra
dan ekstraksi fitur)
sehingga diperoleh ordinat
grafik citra elektrokardiogram yang
merepresentasikan potensial listrik
jantung. Output dari perangkat lunak ini dibagi menjadi tiga
kelas yaitu, kondisi jantung normal, koroner dan fibrilasi atrium.
Tingkat akurasi maksimal
perangkat lunak ini
adalah sebesar 96% dengan
parameter optimal LVQ
yaitu, laju pembelajaran
0,1 dan pengurangan
laju pembelajaran 0,5.
Penulis: Fatimatul Karimah,
Endah Purwanti, Adri Supardi
Kode Jurnal: jpfisikadd130117
