Tito Yuwono, Tito
Islamic University of Indonesia

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

Pembacaan Waktu sebagai ekstraksi EKG pada Diagnosis Penyakit Jantung Muhimmah, Izzati; Yuwono, Tito; Marfianti, Erlina; Franz, Annafi’
Seminar Nasional Informatika Medis (SNIMed) 2017
Publisher : Magister Teknik Informatika, Universitas Islam Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Secara global penyakit jantung merupakan penyakit tidak menular penyebab kematian terbesar. Salah satu cara mengenali penyakit jantung adalah dengan mendiagnosis berdasarkan hasil dari elektrokardiogram (EKG) yang kemudian dianalisis oleh ahlinya. EKG merupakan gambaran dari aktivitas listrik jantung yang terdiri dari beberapa komponen. Pada penelitian ini diusulkan algoritma pembacaan waktu pada komponen EKG yang berupa durasi interval dan segmen waktu untuk mendapatkan nilainya. Nilai interval dan segmen yang didapat kemudian di proses oleh mesin inferensi Modified K-Nearest Neighbor (MKNN) untuk mendapatkan hasil diagnosis penyakit jantung.  Nilai akurasi yang didapat dari menggunakan algoritma pembacaan waktu sebagai ekstraksinya dan MKNN sebagai mesin inferensinya adalah 90.22%.
Decision Support System for Heart Disease Diagnosing Using K-NN Algorithm Yuwono, Tito; Setiawan, Noor Akhmad; Nugroho, Hanung Adi; Persada, Anugrah Galang; Prasojo, Ipin; Dewi, Sri Kusuma; Rahmadi, Ridho
Proceeding of the Electrical Engineering Computer Science and Informatics Vol 2: EECSI 2015
Publisher : IAES Indonesia Section

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.11591/eecsi.2.544

Abstract

Heart disease is a notoriously dangerous disease which possibly causing the death. An electrocardiogram (ECG) is used for a diagnosis of the disease. It is often, however, a fault diagnosis by a doctor misleads to inappropriate treatment, which increases a risk of death. This present work implements k-nearest neighbor (K-NN) on ECG data to get a better interpretation which expected to help a decision making in the diagnosis. For experiment, we use an ECG data from MIT BIH and zoom in on classification of three classes; normal, myocardial infarction and others. We use a single decision threshold to evaluate the validity of the experiment. The result shows an accuracy up to 87% with a value of K = 4.