Musyaffa, Arion (2024) Monitoring sinyal ECG dilengkapi pendeteksi kelainan jantung nodal rhytm menggunakan deep learning convolutional neural network. Skripsi thesis, Politeknik Kesehatan Kemenkes Surabaya.
![[thumbnail of 1. Cover.pdf]](http://repo.poltekkesdepkes-sby.ac.id/style/images/fileicons/text.png) |
Text
1. Cover.pdf Download (987kB) |
|
Text
2. Halaman Persetujuan Pembimbing.pdf Restricted to Repository staff only Download (222kB) |
|
Text
3. Halaman Pengesahan Penguji.pdf Restricted to Repository staff only Download (371kB) |
|
Text
4. Surat Pernyataan Orisinalitas.pdf Restricted to Repository staff only Download (168kB) |
|
Text
5. Abstrak.pdf Download (87kB) |
|
Text
6. Kata Pengantar.pdf Restricted to Repository staff only Download (138kB) |
|
Text
7. Daftar Isi.pdf Download (74kB) |
|
Text
8. Daftar Gambar.pdf Download (54kB) |
|
Text
9. Daftar Tabel.pdf Download (38kB) |
|
Text
10. Bab 1.pdf Restricted to Repository staff only Download (79kB) |
|
Text
11. Bab 2.pdf Restricted to Repository staff only Download (309kB) |
|
Text
12. Bab 3.pdf Restricted to Repository staff only Download (429kB) |
|
Text
13. Bab 4.pdf Restricted to Repository staff only Download (699kB) |
|
Text
14. Bab 5.pdf Restricted to Repository staff only Download (321kB) |
|
Text
15. Bab 6.pdf Restricted to Repository staff only Download (72kB) |
|
Text
16. Daftar Pustaka.pdf Download (149kB) |
|
Text
17. Lampiran.pdf Restricted to Repository staff only Download (346kB) |
|
Text
18. Artikel.pdf Restricted to Repository staff only Download (487kB) |
Abstract
Pendeteksian abnormalitas jantung sejak dini sangatlah diperlukan agar tidak terjadi keterlambatan penanganan medis kedepannya. Nodal Rhythm merupakan detak jantung yang abnormal karena berdetak kurang dari 100 kali permenit. Jika hal tersebut dibiarkan terlalu lama maka akan mengakibatkan gagal jantung hingga kematian. Menurut penelitian gagal jantung adalah penyebab tertinggi kematian pada manusia dan menjadi urutan tertinggi di penyakit tidak tertular penyebab kematian. Untuk mencegah kematian akibat penyakit gagal jantung, manusia dharapkan dapat melakukan pengecekan dini Kesehatan pada jantung. Penelitian ini adalah membangun sistem yang dapat mendeteksi kelainan pada jantung yaitu nodal rhythm, selain itu juga dapat mendeteksi bentuk sinyal jantung BPM 60, dan bentuk sinyal jantung yang berasal dari manusia. Tujuan penelitian ini adalah untuk mendeteksi secara dini kelainan jantung yang terekam oleh alat Elektrokardiogram agar para penderita kelainan jantung dapat ditangani lebih cepat dan juga dapat mempermudah para tenaga kesehatan dalam mendiagnosis kelainan jantung. Kontribusi dari penelitian ini adalah mengetahui respon modul dalam mendeteksi bentuk sinyal yang di inputkan. Dalam membangun sistem ini menggunakan modul ECG AD8232, Arduino, sistem deep learning convolutional neutral network, dan selanjutnya hasilnya akan tampil di pc. Convolutional neutral network akan merubah bentuk sinyal yang terbaca menjadi bentuk suatu gambar yang memiliki ciri yang berbeda – beda sehingga dapat mempermudahkan dalam mendeteksi jenia bentuk sinyal jantung. Dari penelitian ini didapatkan hasil bahwa dari dilakukannya 10 kali percobaan modul dapat membaca bentuk sinyal jantung dengan tepat sebanyak 7 – 8 kali. Pada penelitian ini dapat dikatakan bahwa dalam pendeteksian bentuk sinyal jantung modul sudah baik. Temuan dari penelitian ini diharapkan dapat dikembangkan pada penelitian selanjutnya.
| Item Type: | Thesis (Skripsi) |
|---|---|
| Contributors: | Contribution Contributor NIDN/NIDK UNSPECIFIED Wisana, I Dewa Gede Hari nidn4002047501 UNSPECIFIED Nugraha, Priyambada Cahya nidn4019076703 |
| Additional Information: | 11SKR20240076 |
| Uncontrolled Keywords: | Electrocardiography ; Cardiovascular Abnormalities ; Heart Defects, Congenital ; Deteksi dini kelainan jantung ; AD8232 ; Arduino ; Nodal rhytm |
| Subjects: | R Medicine > Medical Electronics |
| Divisions: | Poltekkes Kemenkes Surabaya > Jurusan Teknologi Elektromedik > Program Studi Sarjana Terapan Teknologi Rekayasa Elektro-medis |
| Depositing User: | Nanik Indra Putri Sari |
| Date Deposited: | 29 Oct 2024 02:53 |
| Last Modified: | 29 Oct 2024 02:53 |
| URI: | http://repo.poltekkesdepkes-sby.ac.id/id/eprint/9181 |
Actions (login required)
 |
View Item |