Klasifikasi Sindrome Jantung Koroner dari Citra EKG Menggunakan Convolutional Neural Network

Abstract

Electrocardiogram (ECG) is one of the most important examination models that used to diagnose various abnormal heart rhythms. ECG’s record the electrical activity of heart throuh wires and electrodes which attached to the skin of the arms, legs and chest. Early examintaion of heart abnormalities can improve the quality of life throuh appropriate treatment. One of the abnormalities of heart is Coronary Heart Disease. CHD is one of heart disease which is mainly caused by coronary artery narrowing due to atheroclerosis or spasm or a combination of both. In this research, a system was designed to classify the Coronary heart disease from ECG images. This research uses Invariants momment method as iamge extraction and uses Convolutional Neural Network for the classification process. Electrocardiogram data are used as training data and testing data. This system is able to detect 4 types of arrhythmia abnormalities with an accuracy of 92%.

Elektrokardiogram (EKG) merupakan salah satu model pemeriksaan paling penting yang digunakan untuk mendiagnosis berbagai ritme jantung yang abnormal. EKG merekam aktivitas elektrik jantung melalui kabel dan elektroda yang ditempelkan pada kulit lngan, kaki dan dinding dada. Pemeriksaan dini kelainan jantung mampu meningkatkan kualitas hidup melalui pengobatan yang tepat. Salah satu kelainan pada jantung yaitu Penyakit Jantung Koroner. PJK adalah penyakit jantung yang terutama disebabkan karena penyemptan arteri koronaria akibat proses ateroklerosis atau spasme atau kombinasi keduanya. Pada penelitian ini, dirancang sistem untuk mengklasifikasikan penyakit jantung koroner dari hasil citra EKG. Pada tahap pemrosesan citra digunakan metode Invariants momment dan proses klasifikasi menggunakan Convolutional Neural Network (CNN). Data elektrokardiogram beberapa digunakan sebagai data pelatihan dan data pengujian. Sistem ini mampu mendeteksi 4 jenis PJK dengan hasil akurasi 92% .