Klasifikasi Suara Detak Jantung Menggunakan Model Long-Short Term Memory Dan Gated Recurrent Unit
Kata Kunci:
Artificial neural network, deep learning, gated recurrent unit, long-short term memoryAbstrak
Penyakit jantung merupakan penyakit paling mematikan di dunia sehingga para ahli memerlukan konsentrasi dalam pengambilan kesimpulan untuk menentukan kelainan suara jantung manusia. Pada negara berkembang seperti Indonesia, pelayanan medis untuk pemeriksaan penyakit jantung masih minim, sehingga dibutuhkan sistem yang membantu dalam rekomendasi keputusan. Dalam penelitian ini, suara jantung diklasifikasikan menjadi dua kelas yaitu sehat dan tidak sehat dengan menggunakan 1300 data suara jantung yang terdiri atas 650 suara jantung sehat dan 650 suara jantung tidak sehat. Klasifikasi dilakukan dengan model Long-Short Term Memory (LSTM) Dan Gated Recurrent Unit (GRU) serta Artificial Neural Network (ANN). Berdasarkan hasil klasifikasi percobaan diperoleh akurasi data training sebesar 96,55% dan data validasi sebesar 96,15% dengan presisi 95% pada model LSTM serta akurasi data training sebesar 95,96% dan data validasi sebesar 95,38% dengan presisi 97% pada model GRU.Unduhan
Diterbitkan
2021-08-09
Cara Mengutip
M. Haris, N., S, A., & Lawi, A. (2021). Klasifikasi Suara Detak Jantung Menggunakan Model Long-Short Term Memory Dan Gated Recurrent Unit. Proceeding KONIK (Konferensi Nasional Ilmu Komputer), 5(1), 62–65. Diambil dari https://prosiding.konik.id/index.php/konik/article/view/19
Terbitan
Bagian
Articles