Perpustakaan Digital ITB

Aritmia merupakan gangguan irama jantung yang dapat dideteksi melalui analisis sinyal elektrokardiogram (EKG). Interpretasi sinyal EKG secara manual membutuhkan keahlian khusus dan waktu yang cukup lama sehingga diperlukan sistem yang mampu melakukan deteksi secara otomatis dan akurat. Metodologi pengembangan sistem mengikuti kerangka kerja CRISP-DM (Cross Industry Standard Process for Data Mining) yang mencakup beberapa tahapan yaitu pemahaman masalah bisnis, pemahaman data, persiapan data, pemodelan, dan evaluasi. Data yang digunakan berasal dari MIT-BIH Arrhythmia Dataset serta data nyata dari UPT Layanan Kesehatan ITB yang telah melalui proses digitalisasi dan pelabelan. Tahapan praproses mencakup pemilihan sinyal dari lead II, normalisasi, deteksi puncak R, rekayasa fitur, segmentasi sinyal, dan ekstraksi label detak. Evaluasi dilakukan dengan menggunakan metrik presisi, recall, akurasi, F1-score, confusion matrix, kurva ROC, dan AUC. Hasil pengujian menunjukkan bahwa model mampu mencapai akurasi keseluruhan sebesar 99% dengan nilai F1-score 0,99 pada kelas normal, 0,97 pada kelas ventrikular, dan 0,89 pada kelas atrial. Dalam rangka meningkatkan interpretabilitas, metode SHAP (SHapley Additive exPlanations) digunakan guna menjelaskan dasar keputusan model. Analisis SHAP memperlihatkan bahwa ketidakteraturan morfologi sinyal berperan dominan dalam klasifikasi ventrikular, ketidakteraturan bentuk sinyal dan interval puncak R sebelumnya berpengaruh pada klasifikasi atrial, sedangkan detak normal dikenali berdasarkan ketiadaan penyimpangan morfologi. Sistem yang dihasilkan tidak hanya memiliki tingkat akurasi yang tinggi, tetapi juga menyediakan justifikasi yang transparan serta telah berhasil diimplementasikan dalam aplikasi web yang memungkinkan pengguna mengunggah citra EKG dan memperoleh hasil digitalisasi, klasifikasi, serta visualisasi detak abnormal.