Perpustakaan Digital ITB

Penyakit kardiovaskular, terutama aritmia jantung, adalah penyebab utama mortalitas global. Meskipun berisiko tinggi, kondisi ini masih menjadi tantangan kesehatan masyarakat yang signifikan, sebagian besar disebabkan oleh gaya hidup modern yang meningkatkan faktor risiko. Lebih lanjut, gejala aritmia yang seringkali minimal dan intermiten menyebabkan kurangnya kesadaran dan kesulitan diagnosis, karena kejadian yang singkat ini mudah terlewatkan saat pemeriksaan rutin. Hal ini menunjukkan kebutuhan mendesak akan deteksi aritmia yang akurat secara waktu nyata. Solusi yang diajukan adalah sebuah sistem yang mampu memproses dan menganalisis sinyal elektrokardiogram (ECG) untuk mengklasifikasikan jenis aritmia secara waktu nyata. Sistem ini menerima sinyal ECG dari sensor, kemudian memproses data melalui filter digital. Setelah itu, dilakukan klasifikasi menggunakan kombinasi machine learning dan algoritma perhitungan BPM. Model machine learning dilatih untuk mengklasifikasikan aritmia dan diimplementasikan pada mikroprosesor ESP32-S3, yang menyediakan daya komputasi yang memadai untuk analisis waktu nyata. Proses klasifikasi pada alat ini juga memanfaatkan fungsi peak detector dan logika klasifikasi lainnya. Hasil data dan klasifikasi kemudian direkam dan disimpan pada kartu SD. Data ini dapat ditampilkan pada aplikasi komputer dengan bantuan SD card reader, lengkap dengan penyorotan pada hasil klasifikasinya. Dalam tugas akhir ini, fokus utama adalah pengembangan subsistem klasifikasi. Pengujian subsistem klasifikasi dengan input ECG dari simulator menunjukkan akurasi sebesar 85,57%. Implementasi sistem ini diharapkan dapat membantu diagnosis aritmia yang lebih cepat dan akurat.