SI1931424669

Dari widuri
Lompat ke: navigasi, cari

IMPLEMENTASI TINYML PADA PROTOTYPE PENDETEKSI PENYAKIT ARITMIA

DENGAN MEMANFAATKAN PLATFORM EDGE IMPULSE

PADA KLINIK CITRA MEDIKA


SKRIPSI



Disusun Oleh :


NIM
: 1931424669
NAMA


FAKULTAS SAINS DAN TEKNOLOGI

PROGRAM STUDI SISTEM KOMPUTER

KONSENTRASI COMPUTER SYSTEM

UNIVERSITAS RAHARJA

TANGERANG

2022/2023


ABSTRAKSI

Jantung merupakan organ terpenting dalam tubuh manusia karena jantung merupakan organ utama yang membawa darah ke seluruh tubuh. Jantung memompa ke seluruh tubuh berdasarkan seberapa banyak yang dibutuhkan tubuh, terutama otot yang bekerja. Semakin kuat otot kita bekerja, semakin cepat jantung kita berdetak. Menurut data Organisasi Kesehatan Dunia, 31% atau 17,9 juta orang meninggal akibat penyakit jantung (Organisasi Kesehatan Dunia [Online], 2020). Penelitian ini menggunakan sensor Arduino Nano 33 Ble Sense dan Ad8232 untuk mendeteksi aritmia dan menggunakan platform Edge Impulse untuk melakukan pelatihan model dataset. Berdasarkan hasil pelatihan, model dataset memiliki akurasi >90%. Hasil pemeriksaan penyakit Arimita dapat dilakukan dengan cepat dan akurat. Namun, penelitian ini hanya dimaksudkan untuk membantu tenaga medis dalam membaca sinyal ECG yang terekam, dan tidak menggantikan peran tenaga medis dalam menegakkan diagnosis.

Kata Kunci :Jantung, Aritmia, Edge Impulse


ABSTRACT

The heart is the most important organ in the human body because the heart is the main organ that carries blood throughout the body. The heart pumps around the body based on how much the body needs, especially the working muscles. The stronger our muscles work, the faster our heart beats. According to World Health Organization data, 31% or 17.9 million people die from heart disease (World Health Organization [Online], 2020). This study uses Arduino Nano 33 Ble Sense and Ad8232 sensors to detect arrhythmias and uses the Edge Impulse platform to conduct dataset model training. Based on the training results, the dataset model has >90% accuracy. Arimita disease examination results can be done quickly and accurately. However, this research is only intended to assist medical personnel in reading recorded ECG signals, and does not replace the role of medical personnel in making a diagnosis..

Key Word : : Heart, Arrhythmia, Edge Impulse



DAFTAR PUSTAKA

  1. Hutasuhut Masyuni, dkk. " Analisis Aritmia (Gangguan Irama Jantung) Menerapkan Metode Certainty Factor "JURNAL MEDIA INFORMATIKA BUDIDARMA Volume 5, Nomor 4, Oktober 2021. .
  2. Arafat dan Wagino. "ISTEM SMART HEALTHCARE MENGGUNAKAN AD8232 BERBASIS BERBASIS INTERNET OF THINGS " Technologia” Vol 10, No. 4, Oktober-Desember 2019.
  3. Septadaya, A., Dewi, C., & Rahayudi, B. “Implementasi Extreme Learning Machine dan Fast Independent Component Analysis untuk Klasifikasi Aritmia Berdasarkan Rekaman Elektrokardiogram”. Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-ISSN, 2548, 964, 2019..
  4. H. Sulastomo, R. Kusumawati, Y. H. Suselo, N. Purwaningtyas, D. Indarto, S. A. Jusup, and R. Myrtha, Buku Manual Keterampilan Klinis Interpretasi Pemeriksaan Elektrokardiografi (EKG). Surakarta: Fakultas Kedokteran Universitas Sebelas Maret Surakarta, 2019..
  5. B. H. Centre, “Electrocardiography (EKG),” Bunda Heart Centre, 2019. [Online].
  6. Prayogo, I. (2017). Sistem Monitoring Denyut Jantung dan Suhu Tubuh sebagai Indikator Level Kesehatan Pasien Berbasis IOT ( Inernet Of Thing ) dengan Metode Fuzzy Logic Menggunakan Android. Program studi Teknik Elektro, Fakultas Teknik, Universitas Trunojoyo: Univeristas Trunojoyo.
  7. X. Zhang et al., “Automated detection of cardiovascular disease by electrocardiogram signal analysis: a deep learning system,” Cardiovasc Diagn Ther, vol. 10, no. 2, pp. 227–235, Apr. 2020.
  8. S. A. A. Yusuf, “Analisis Metode Ekstraksi Fitur Pada Isyarat EKG Menggunakan Discrete Wavelet Transformation dan Mel- Frequency Cepstral Coefficient,” Universitas Gadjah Mada, Yogyakarta, Indonesia, 2020.
  9. YB. Rogers, M. Schaffarczyk, M. Clauß, L. Mourot, and T. Gronwald, “The Movesense Medical Sensor Chest Belt Device as Single Channel ECG for RR Interval Detection and HRV Analysis during Resting State and Incremental Exercise: A Cross-Sectional Validation Study,” Sensors, vol. 22,no. 5, Mar. 2022.
  10. L. Bonek et al., “Development of a Flexible and Wireless ECG Monitoring Device,” in Proceedings of IEEE Sensors, Oct. 2020, vol. 2020-October.
  11. R. Hariri, L. Hakim, and R. F. Lestari, “Sistem Monitoring Detak Jantung Menggunakan Sensor AD8232 Berbasis Internet of Things,” J. Telekomun. dan Komput., vol. 9, no. 3, p. 164, 2019.
  12. HD. P. Nugroho, R. Munadi, and I. H. Santoso, “Sistem Pemantauan Kondisi Detak Jantung Berbasis Internet of Things Menggunakan Sensor Ekg Dengan Media Aplikasi Android ( Heart Rate Condition Monitoring System Based on Internet of Things Using Ecg Sensor With Android Application Media ),” vol. 8, no. 5, pp. 5530–5536, 2021.
  13. Emami, N. and Kuchaki Rafsanjani, M., "Extreme learning machine based pattern classifiers for symbolic interval data", International Journal of Engineering, Transactions B: Applications, Vol. 34, No. 11, (2021), 2545-2556.
  14. FXianhai, G., "Study of emotion recognition based on electrocardiogram and rbf neural network", Procedia Engineering, Vol. 15, (2011), 2408-2412.
  15. Kurniawan, Andri. Sistem Informasi Penjualan, Pembelian Dan Produksi Pada Distro Random Apparel. Diss. Universitas Komputer Indonesia, 2020.
  16. Bravo-Zanoguera, M., Cuevas-González, D., Reyna, M.A., García-Vázquez, J.P. and Avitia, R.L., "Fabricating a portable ecg device using ad823x analog front-end microchips and open source development validation", Sensors, Vol. 20, No. 20, (2020), 5962.
  17. Setiadi, Ade, Luthfia Fauzia, and Iwan Hermawan. "Prototype Aplikasi Pengolahan Data Pegawai Di PT. Medikon Prima Laboratories." Journal Sensi 6.1: (2020;60-72)
  18. Patil, V.K. and Pawar, V.R., "How can emotions be classified with ecg sensors, ai techniques and iot setup?", in 2022 International Conference on Signal and Information Processing (IConSIP), IEEE. (2022), 1-6.
  19. Nugrahadi, Dodon Turianto dkk. "Efek Transformasi Wavelet Diskrit Pada Klasifikasi Aritmia Dari Data Elektrokardiogram Menggunakan Machine Learning" JURNAL MEDIA INFORMATIKA BUDIDARMA, Volume 7, Nomor 1, Januari 2023, Page 13-21.

Contributors

Admin, Maulana Fahri

Diperoleh dari "https://widuri.raharja.info/index.php?title=SI1931424669&oldid=399436"