DETEKSI DUA BELAS SADAPAN SINYAL ELEKTROKARDIOGRAM UNTUK MENGENALI KELAINAN JANTUNG MENGGUNAKAN JARINGAN SARAF TIRUAN DENGAN METODE BACKPROPAGATION

Talitha Asmaria, 080810202 (2012) DETEKSI DUA BELAS SADAPAN SINYAL ELEKTROKARDIOGRAM UNTUK MENGENALI KELAINAN JANTUNG MENGGUNAKAN JARINGAN SARAF TIRUAN DENGAN METODE BACKPROPAGATION. Skripsi thesis, UNIVERSITAS AIRLANGGA.

[img]
Preview
Text
1. Sampul.pdf

Download (366kB) | Preview
[img] Text
2. Lembar Pengesahan.pdf

Download (343kB)
[img] Text
3. Pedoman Penggunaan.pdf

Download (340kB)
[img]
Preview
Text
4. Kata Pengantar.pdf

Download (362kB) | Preview
[img]
Preview
Text
5. Abstrak.pdf

Download (342kB) | Preview
[img] Text
6. Abstract.pdf

Download (342kB)
[img] Text
7. Daftar Isi.pdf

Download (394kB)
[img] Text
8. Daftar Tabel.pdf

Download (383kB)
[img]
Preview
Text
9. Daftar Gambar.pdf

Download (386kB) | Preview
[img] Text
10. Bab 1.pdf

Download (349kB)
[img] Text
11. Bab 2.pdf

Download (1MB)
[img] Text
12. Bab 3.pdf

Download (638kB)
[img] Text
13. Bab 4.pdf

Download (1MB)
[img]
Preview
Text
14. Bab 5.pdf

Download (341kB) | Preview
[img]
Preview
Text
16. Lampiran.pdf

Download (1MB) | Preview
[img]
Preview
Text
15. Daftar Pustaka.pdf

Download (355kB) | Preview
Official URL: http://lib.unair.ac.id

Abstract

Telah dilakukan penelitian mendeteksi dua belas sadapan sinyal elektrokardiogram untuk mengenali kelainan jantung menggunakan jaringan saraf tiruan dengan metode backpropagation. Penelitian ini bertujuan untuk mendapatkan fitur citra yang dapat digunakan sebagai masukan perangkat lunak dan mendapatkan parameter backpropagation yang optimal. Pada penelitian ini perangkat lunak dirancang menggunakan antar muka yang bertujuan agar pengguna dapat mudah menggunakan perangkat lunak. Perangkat lunak dirancang dengan menggunakan dua jaringan saraf tiruan, yaitu jaringan saraf tiruan untuk mendeteksi kelainan gelombang pada sadapan dan jaringan saraf tiruan untuk mengidentifikasi akhir kelainan jantung. Parameter backpropagation pada perangkat lunak ini adalah jumlah lapisan tersembunyi=15, learning rate=0,1, maksimum epoch=1000, dan target error=0,001. Perangkat lunak telah dirancang untuk mendeteksi kondisi jantung normal, left atrium hypertrophy, right ventricular hypertrophy, dan kelainan jantung lainnya. Perangkat lunak telah diuji dapat mendeteksi kelainan jantung pada citra EKG dengan tingkat akurasi sebesar 93,33%.

Item Type: Thesis (Skripsi)
Additional Information: KKC KK ST. T 13 / 12 Asm d
Uncontrolled Keywords: NEURAL NETWORK
Subjects: Q Science > Q Science (General)
R Medicine
Divisions: 08. Fakultas Sains dan Teknologi
Creators:
CreatorsNIM/NIDN
Talitha Asmaria, 080810202UNSPECIFIED
Contributors:
ContributionNameNIDN/NIDK/NUP
ContributorImam Sapuan,, S.Si., M.Si.UNSPECIFIED
ContributorEndah Purwanti,, S.Si, M.TUNSPECIFIED
Depositing User: Unnamed user with username agung
Date Deposited: 07 Dec 2012 12:00
Last Modified: 25 Jul 2016 04:50
URI: http://repository.unair.ac.id/id/eprint/25571
Sosial Share:

Actions (login required)

View Item View Item