KLASIFIKASI GELOMBANG ELEKTROKARDIOGRAM (EKG) PENYAKIT JANTUNG MENGGUNAKAN METODE XGBOOST

SERLY YUNARTI BUTARBUTAR, CHRISTIAN DENIRO NAPITUPULU, NESSA SANJAYA GINTING (2022) KLASIFIKASI GELOMBANG ELEKTROKARDIOGRAM (EKG) PENYAKIT JANTUNG MENGGUNAKAN METODE XGBOOST , SKRIPSI, UNIVERSITAS PRIMA INDONESIA

ABSTRAK

Dalam kehidupan, jantung selalu dalam kondisi baik karena bekerja untuk mengatasi darah yang dibawanya ke seluruh tubuh. Gangguan fungsi jantung dapat berakibat fatal bagi kesehatan manusia, bahkan gangguan jantung dapat menyebabkan kematian. Pada penelitian-penelitian sebelumnya, untuk mendeteksi kelainan atau perubahan kerja jantung, terlebih dahulu perlu diketahui pola denyut jantung yang sama. Penting untuk mendeteksi penyakit kardiovaskular sedini mungkin untuk melakukan konseling dan manajemen obat. Salah satu pencegahannya adalah dengan melakukan deteksi dini analisis gelombang Elektro Kardiografi (EKG). Penelitian ini menerapkan pembelajaran mesin dapat membantu membuat proses diagnosa ini lebih efisien. Dalam penelitian ini, pembelajaran mesin dapat secara akurat mengklasifikasikan EKG abnormal hingga maksimum 97,20 persen menggunakan algoritma Xgboost

JURNAL