ARIJAL IBNU JATI (2022) ANALISIS SINYAL PHOTOPLETHYSMOGRAM BERBASIS EXTREME LEARNING MACHINE UNTUK DETEKSI KOLESTEROL. Skripsi thesis, UNIVERSITAS AIRLANGGA.

	Text (HALAMAN JUDUL) 081811733021_HALAMAN JUDUL.pdf Download (1MB)
	Text (BAB I) 081811733021_BAB I.pdf Download (506kB)
	Text (FULLTEXT) 081811733021_FULLTEXT.pdf Restricted to Registered users only Download (2MB) | Request a copy

Abstract

kardiovaskular adalah penyakit yang disebabkan gangguan fungsi jantung dan pembuluh darah dikarenakan karena tingginya kadar kolesterol. pemeriksaan kadar kolesterol darah dilakukan secara invasive dengan menggunakan test strip alat check darah portable easy touch. Namun, penggunaan alat tersebut baik manual ataupun digitaltidak dapat dilakukan secara kontinyu, sehingga tidak dapat digunakan untuk monitoring dalam jangka panjang. Perkembangan teknologi belakangan ini menyebabkan munculnya banyak inovasi baru, terutama yang berkaitan dengan perkembangan teknologi biosensor yaitu Photopletysmograph (PPG) yang mana sinyal dari alat tersebut memiliki korelasi terhadap kolesterol. Oleh sebab itu, perlu dibuat system yang dapat mengklasifikasi kolesterol dari sinyal PPG. Penelitian ini menggunakan data sekunder yang didapat dari pihak Komite Etik Pusat Medis Universiti Kebangsaan Malaysia dalam bentuk raw data dengan subjek 35 orang. Sebelum diklasifikasi data perlu di pilah terlebih dahulu selanjutnya pre-processing yaitu detrend data, noise filtering dengan band pass filter, normalisasi data beserta segmentasi, fitur untuk klasifikasi kolesterol yang digunakan dalam penelitian ini adalah statical analysis, yaitu mean, standart deviasi, singular decomposition dan spectral entropi. Fitur tersebut kemudian akan dilakukan klasifikasi menggunakan metode extreme learning machine(ELM) untuk menghasilkan nilai deteksi normal dan pasien kolesterol. Hasil performa tebaik diperoleh kombinasi fitur spectral entropi, standart deviasi, singular value decomposition. Yang menggunakan jumlah hidden neuron 500 dengan metode k-fold cross validation menghasilkan akurasi, sensitivitas dan spesifitas adalah 75,93%, 42,59%, 57,40%.

Actions (login required)

View Item