Skripsi

REGRESI MORFOLOGI SINYAL ELEKTROKARDIOGRAM BERBASIS LONG-SHORT TERM MEMORY

---

Penelitian ini bertujuan untuk mengembangkan model yang dapat melakukan regresi posisi anotasi R-Peak pada beat sinyal. Dataset yang digunakan dalam penelitian ini adalah data dari Lobachevsky University Electrocardiography Database (LUDB) dengan menggunakan lead ii. Model dikembangkan menggunakan arsitektur Long Short-Term Memory (LSTM) yang terdiri dari Masking layer, dua lapisan LSTM masing-masing dengan 64 unit, Dropout layer sebesar 25% untuk regularisasi, Layer Normalization, serta dua lapisan Dense untuk regresi. Model dikompilasi menggunakan Huber Loss dengan nilai delta 0.1 dan optimizer Adam dengan learning rate sebesar 0.001. Proses pelatihan menggunakan batch size sebesar 16 dan dilakukan selama maksimum 100 epoch, dengan implementasi early stopping dan reduce learning rate untuk mencegah overfitting. Hasil evaluasi menunjukkan bahwa model memiliki performa prediksi yang baik, dengan nilai Mean Absolute Error (MAE) pada data latih sebesar ±14,43 sampel, pada data validasi sebesar ±9,16 sampel, dan pada data unseen sebesar ±11,10 sampel. Hasil evaluasi ini menunjukkan bahwa model LSTM yang telah dibangun tidak hanya mampu mempelajari pola dari data latih tetapi juga dapat mempertahankan ketepatan prediksi ketika model bertemu sinyal baru yang belum dikenali.

---

Availability

Detail Information

Series Title

-

Call Number

T1838752025

Publisher

Indralaya : Prodi Sistem Komputer, Fakultas Ilmu Komputer Universitas Sriwijaya., 2025

Collation

xiii, 42 hlm.; ilus,; tab, 29 cm

Language

Indonesia

ISBN/ISSN

-

Classification

004.110 7

Content Type

Text

Media Type

unmediated

Carrier Type

other (computer)

Edition

-

Subject(s)

Komputer digital
Prodi Sistem Komputer

Specific Detail Info

-

Statement of Responsibility

SEPTA

Other version/related

File Attachment

Comments

---

You must be logged in to post a comment