Fatimatul Karimah (2012) Implementasi Learning Vector Quantization (LVQ) Sebagai Alat Bantu Identifikasi Kelainan Jantung Melalui Citra Elektrokardiogram. Skripsi thesis, UNIVERSITAS AIRLANGGA.
![[img]](https://repository.unair.ac.id/style/images/fileicons/text.png) |
Text (HALAMAN JUDUL)
1. HALAMAN JUDUL .pdf Download (172kB) |
|
Text (ABSTRAK)
2. ABSTRAK .pdf Download (84kB) |
|
Text (DAFTAR ISI)
3. DAFTAR ISI .pdf Download (139kB) |
|
Text (BAB I PENDAHULUAN)
4. BAB I PENDAHULUAN .pdf Download (186kB) |
|
Text (BAB II TINJAUAN PUSTAKA)
5. BAB II TINJAUAN PUSTAKA .pdf Restricted to Registered users only until 7 June 2023. Download (1MB) | Request a copy |
|
Text (BAB III METODE PENELITIAN)
6. BAB III METODOLOGI PENELITIAN .pdf Restricted to Registered users only until 7 June 2023. Download (346kB) | Request a copy |
|
Text (BAB IV HASIL DAN PEMBAHASAN)
7. BAB IV HASIL DAN PEMBAHASAN .pdf Restricted to Registered users only until 7 June 2023. Download (526kB) | Request a copy |
|
Text (BAB V KESIMPULAN DAN SARAN)
8. BAB V KESIMPULAN DAN SARAN .pdf Restricted to Registered users only until 7 June 2023. Download (47kB) | Request a copy |
|
Text (DAFTAR PUSTAKA)
9. DAFTAR PUSTAKA .pdf Download (250kB) |
Abstract
Penyakit jantung adalah penyakit yang menyebabkan angka kematian yang tinggi di dunia. Salah satu cara pendeteksian penyakit jantung dapat dilakukan denganpembacaan sinyal Electrocardiograph (ECG). Namun, pembacaan perekaman ECG (elektrokardiogram) ini cukup sulit karena memerlukan keahlian khusus. Untuk membantu pembacaan elektrokardiogram maka, pada penelitian ini dilakukan perancanganperangkat lunak berbasis jaringan saraf tiruan dengan metode Learning Vector Quantization (L VQ) sebagai alat bantu identiftkasi 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 graftk 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 L VQ yaitu, laju pembelajaran 0,1 dan pengurangan laju pembelajaran 0,5.
| Item Type: | Thesis (Skripsi) | |||||||||
|---|---|---|---|---|---|---|---|---|---|---|
| Uncontrolled Keywords: | LVQ, Elektrokardiogram, Pengolahan Citra | |||||||||
| Subjects: | Q Science > Q Science (General) T Technology |
|||||||||
| Divisions: | 08. Fakultas Sains dan Teknologi > Tekno Biomedik | |||||||||
| Creators: |
|
|||||||||
| Contributors: |
|
|||||||||
| Depositing User: | indah rachma cahyani | |||||||||
| Date Deposited: | 11 Sep 2020 02:40 | |||||||||
| Last Modified: | 11 Sep 2020 02:40 | |||||||||
| URI: | http://repository.unair.ac.id/id/eprint/95610 | |||||||||
| Sosial Share: | ||||||||||
Actions (login required)
 |
View Item |