Klasifikasi Sinyal EKG menggunakan Ciri Statistik dan Parameter Hjorth dengan SVM dan k-NN

ABSTRAKSinyal elektrokardiogram (EKG) dapat dianalisis dengan memperhatikan bentuk, durasi, dan irama. Pada penelitian ini, dikembangkan sebuah metode ekstraksi ciri sinyal EKG menggunakan parameter Hjorth statistik. Kedua tersebut diaplikasikan untuk mengekstrak ciri-ciri dari rekaman suara EKG. Terdapat tiga kondisi yang menjadi masukan sistem, normal, atrial fibrillation (AF), congestive heart failure (CHF). Set didapatkan kemudian diklasifikasikan support vector machine (SVM) k-Nearest Neighbor (k-NN) dibandingkan performansinya. Hasil pengujian semua sebagai prediktor menunjukkan bahwa usulan sistem mampu memberikan akurasi sebesar 100%. Sementara itu pada skenario reduksi dimana hanya dua yaitu skewness complexity, performansi tidak berkurang. Komparasi beberapa studi sebelumnya lebih unggul dalam hal deteksi jumlah digunakan.Kata kunci: EKG, fibrillation, failure, Hjorth, SVM, k-NN ABSTRACTAn electrocardiogram (ECG) signal can be analyzed by paying attention to its shape, duration, and rhythm. In this study, feature extraction for ECG signals is applied using the statistical characteristics. These two parameters are extract characteristics of sound recording. There three conditions recording that used as input system. They normal conditions, The set features classified methods. test results all show proposed system achieve 100% accuracy. On other hand, reducing only system’s performance not reduced. Comparative studies with several previous method superior in detection accuracy number used.Keywords: ECG,