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.
|
Text
1. Sampul.pdf Download (366kB) | Preview |
|
![[img]](https://repository.unair.ac.id/style/images/fileicons/text.png) |
Text
2. Lembar Pengesahan.pdf Download (343kB) |
|
|
Text
3. Pedoman Penggunaan.pdf Download (340kB) |
|
|
Text
4. Kata Pengantar.pdf Download (362kB) | Preview |
|
|
Text
5. Abstrak.pdf Download (342kB) | Preview |
|
|
Text
6. Abstract.pdf Download (342kB) |
|
|
Text
7. Daftar Isi.pdf Download (394kB) |
|
|
Text
8. Daftar Tabel.pdf Download (383kB) |
|
|
Text
9. Daftar Gambar.pdf Download (386kB) | Preview |
|
|
Text
10. Bab 1.pdf Download (349kB) |
|
|
Text
11. Bab 2.pdf Download (1MB) |
|
|
Text
12. Bab 3.pdf Download (638kB) |
|
|
Text
13. Bab 4.pdf Download (1MB) |
|
|
Text
14. Bab 5.pdf Download (341kB) | Preview |
|
|
Text
16. Lampiran.pdf Download (1MB) | Preview |
|
|
Text
15. Daftar Pustaka.pdf Download (355kB) | Preview |
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: |
|
|||||||||
| Contributors: |
|
|||||||||
| Depositing User: | Agung BK | |||||||||
| 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 |