đ
09 July 2025
DOI: 10.35315/dinamik.v30i2.10256
Analisis Sinyal EKG untuk Deteksi Gangguan Jantung pada Mahasiswa dengan Gangguan Tidur Menggunakan Algoritma K-Nearest Neighbor (KNN)
Dinamik
Universitas Stikubank
đ Abstract
Gangguan tidur pada mahasiswa merupakan permasalahan yang dapat berdampak pada kesehatan jantung, khususnya melalui perubahan aktivitas listrik jantung yang terekam dalam sinyal EKG. Penelitian ini bertujuan mengembangkan sistem klasifikasi otomatis untuk mendeteksi kondisi jantung berdasarkan sinyal EKG menggunakan algoritma K-Nearest Neighbor (KNN) dan reduksi fitur dengan Principal Component Analysis (PCA). Dataset yang digunakan terdiri dari 159 citra sinyal EKG yang dibagi menjadi dua kelas, yaitu Good Heart dan Bad Heart. Citra diproses melalui tahap preprocessing, reduksi dimensi menggunakan PCA, dan diklasifikasikan menggunakan KNN dengan berbagai nilai parameter. Model terbaik diperoleh pada kombinasi 20 komponen PCA dan nilai K = 6, dengan akurasi mencapai 96,23%, precision 98,46%, recall 92,75%, dan f1-score 95,50%. Hasil penelitian menunjukkan bahwa metode ini mampu mengenali kondisi jantung dengan baik dan efisien. Sistem ini berpotensi dikembangkan sebagai alat bantu deteksi dini gangguan jantung, khususnya pada kelompok mahasiswa yang mengalami gangguan tidur.
âšī¸ Informasi Publikasi
Tanggal Publikasi
09 July 2025
Volume / Nomor / Tahun
Volume 30, Nomor 2, Tahun 2025
đ HOW TO CITE
Anugrah Putri, Gustie Vaniest; Damanik, Melky Eka Putra; Hendiko, Kennyzio; Simarmata, Harry Binur Pratama; Husein, Amir Mahmud, "Analisis Sinyal EKG untuk Deteksi Gangguan Jantung pada Mahasiswa dengan Gangguan Tidur Menggunakan Algoritma K-Nearest Neighbor (KNN)," Dinamik, vol. 30, no. 2, Jul. 2025.
ACM
ACS
APA
ABNT
Chicago
Harvard
IEEE
MLA
Turabian
Vancouver
Download Citation
0
Sitasi
Cek Google Scholar