Path: Top S2-Theses Instrumentation and Control 1999

PEMANFAATAN TRANSFORMASI WAVELET
SEBAGAI EKSTRAKSI CIRI PADA
KLASIFIKASI BERTINGKAT SINYAL EKG

Master Theses from JBPTITBPP / 2007-03-14 16:02:14
Oleh : YEFFRY HANDOKO PUTRA
Dibuat : 1999-09-17, dengan 7 file

Keyword : N/A

Penelitian ini bertujuan untuk memperlihatkan suatu metoda pengenalan multi pola dari sinyal EKG satu dimensi dengan memanfaatkan teknik klasifikasi bertingkat. Klasifikasi bertingkat mempergunakan suatu struktur pohon klasifikasi yang masing-masing cabangnya adalah suatu unit pengenal pola yang berisi satu unit jaringan saraf tiruan (JST) dan satu unit penentu keputusan. Masing-masing jaringan saraf tiruan difokuskan untuk mengenali dua atau tiga pola saja pada suatu tingkatan sehingga kekompleksitasan pelatihan dapat dikurangi. Ekstraksi ciri sinyal EKG dilakukan melalui Tranformasi Wavelet Cepat, terdapat empat algoritma ekstraksi ciri. Masing-masing algoritma ektraksi ciri akan mereduksi dimensi data, tiga algoritma ekstraksi ciri memanfaatkan teknik threshold koefisien terbesar absolut sebagai pereduksi data dan satu algoritma ekstraksi ciri menggunakan matriks eigen vektor sebagai pereduksi data.
Sistem klasifikasi bertingkat ini akan mengklasifikasikan sinyal EKG menjadi dua pola utama beserta sub polanya. Pola utama yang ingin dikenali adalah pola Bundle Branch Block dengan 2 sub pola dan pola Infark Miokardial dengan tiga sub pola. Kedua pola utama ini merupakan gambaran dari ketidaknormalan kondisi jantung. Didefinisikan dua kriteria keberhasilan pengenalan yaitu : persentase keberhasilan pengenalan pola utama dan persentase keberhasilan pengenalan sub pola.
Untuk memperlihatkan kemampuan sistem klasifikasi bertingkat ini dilakukan beberapa pengujian yaitu pengujian algoritma ektraksi ciri yang terbaik, mencari kondisi optimum dari jumlah neuron pada lapisan tersembunyi JST, pengaruh reduksi dimensi data dan pengaruh tidak adanya unit pengenal pola komplemen serta menentukan ciri khas Infark Miokardial mula-mula yang dapat dikenali oleh sistem ini.
Hasil akhir penelitian ini menunjukkan bahwa : untuk 20 data uji persentase keberhasilan pengenalan terbaik diperoleh melalui algoritma ektraksi ciri ke-2 yaitu 75% untuk pengenalan pola utama dan 55% untuk pengenalan sub pola. Kondisi optimum yang diperoleh adalah jumlah neuron optimum pada lapisan tersembunyi JST adalah 10 neuron, reduksi dimensi data yang optimum adalah 25% dari jumlah data semula. Ketidak hadiran unit pengenal pola komplemen meningkatkan persentase keberhasilan pengenalan pola utama. Sistem klasifikasi bertingkat dapat mengenali dengan baik pola Infark yang memiliki dua ciri khas mula-mula atau lebih, dan cenderung gagal bila hanya terdapat satu ciri khas saja.

Deskripsi Alternatif :

Penelitian ini bertujuan untuk memperlihatkan suatu metoda pengenalan multi pola dari sinyal EKG satu dimensi dengan memanfaatkan teknik klasifikasi bertingkat. Klasifikasi bertingkat mempergunakan suatu struktur pohon klasifikasi yang masing-masing cabangnya adalah suatu unit pengenal pola yang berisi satu unit jaringan saraf tiruan (JST) dan satu unit penentu keputusan. Masing-masing jaringan saraf tiruan difokuskan untuk mengenali dua atau tiga pola saja pada suatu tingkatan sehingga kekompleksitasan pelatihan dapat dikurangi. Ekstraksi ciri sinyal EKG dilakukan melalui Tranformasi Wavelet Cepat, terdapat empat algoritma ekstraksi ciri. Masing-masing algoritma ektraksi ciri akan mereduksi dimensi data, tiga algoritma ekstraksi ciri memanfaatkan teknik threshold koefisien terbesar absolut sebagai pereduksi data dan satu algoritma ekstraksi ciri menggunakan matriks eigen vektor sebagai pereduksi data.
Sistem klasifikasi bertingkat ini akan mengklasifikasikan sinyal EKG menjadi dua pola utama beserta sub polanya. Pola utama yang ingin dikenali adalah pola Bundle Branch Block dengan 2 sub pola dan pola Infark Miokardial dengan tiga sub pola. Kedua pola utama ini merupakan gambaran dari ketidaknormalan kondisi jantung. Didefinisikan dua kriteria keberhasilan pengenalan yaitu : persentase keberhasilan pengenalan pola utama dan persentase keberhasilan pengenalan sub pola.
Untuk memperlihatkan kemampuan sistem klasifikasi bertingkat ini dilakukan beberapa pengujian yaitu pengujian algoritma ektraksi ciri yang terbaik, mencari kondisi optimum dari jumlah neuron pada lapisan tersembunyi JST, pengaruh reduksi dimensi data dan pengaruh tidak adanya unit pengenal pola komplemen serta menentukan ciri khas Infark Miokardial mula-mula yang dapat dikenali oleh sistem ini.
Hasil akhir penelitian ini menunjukkan bahwa : untuk 20 data uji persentase keberhasilan pengenalan terbaik diperoleh melalui algoritma ektraksi ciri ke-2 yaitu 75% untuk pengenalan pola utama dan 55% untuk pengenalan sub pola. Kondisi optimum yang diperoleh adalah jumlah neuron optimum pada lapisan tersembunyi JST adalah 10 neuron, reduksi dimensi data yang optimum adalah 25% dari jumlah data semula. Ketidak hadiran unit pengenal pola komplemen meningkatkan persentase keberhasilan pengenalan pola utama. Sistem klasifikasi bertingkat dapat mengenali dengan baik pola Infark yang memiliki dua ciri khas mula-mula atau lebih, dan cenderung gagal bila hanya terdapat satu ciri khas saja.

Beri Komentar ?#(0) | Bookmark

PropertiNilai Properti
ID PublisherJBPTITBPP
Organisasi
Nama KontakUPT Perpustakaan ITB
AlamatJl. Ganesha 10
KotaBandung
DaerahJawa Barat
NegaraIndonesia
Telepon62-22-2509118, 2500089
Fax62-22-2500089
E-mail Administratordigilib@lib.itb.ac.id
E-mail CKOinfo@lib.itb.ac.id

Print ...

Kontributor...

  • Supervisor:Dr. Ir. Bambang S.P. Abednego;Dr. dr. Iwan Budiman MS, Editor: