FRINK Linked Data Fragments server

Matches in SemOpenAlex for { <https://semopenalex.org/work/W2371902076> ?p ?o ?g. }

• W2371902076 endingPage "66" @default.
• W2371902076 startingPage "60" @default.
• W2371902076 abstract "Abstract— ECG signals analysis at first associated to pattern recognition of the ECG signals marphology. Nonetheless the signals marphology varying not only in different patients but also in the same patient. The varying of the ECG marphology has efected difficulties in ECG analysis, particularly for a trainingless medicines. On the other hand the ECG signals contain much noises. Therefore it was require the suitable methods for ECG signals analysis. This research aim are analyzing and classifying of the ECG signals from heart condition of normal, arrhytmia, ventricular tachyarrhytmia, intracardiac atrial fibrillation dan myocard infarction based on wavelet transformation and artificial neural network backpropagation. The research stages are data preparing, pre-processing, feature extraction, processing and post-processing. The 60/50 Hz noises in ECG signals from power line interference reduced using IIR notch filter with pole-zero placement method. The baseline wander noises reduced using discrete wavelet transform of 11 level decomposition to find frequency component below 0,5 Hz as a noise source. Based on this work results obtained that average accuracy percentage of the neural network recognized all of the ECG types reached 87,424 %. Highest accuracy percentage of 95,455 % for ventricular tachyarrhytmia and lowest accuracy percentage of 70 % for arrhytmia classification. Intisari— Analisis sinyal EKG pada mulanya menyangkut pengenalan pola marfologi sinyal EKG. Namun marfologi tersebut selalu berubah, baik pada pasien yang berbeda maupun pada pasien yang sama. Variasi marfologi EKG ini dapat menyulitkan dalam analisis sinyal EKG, khususnya bagi tenaga medis yang kurang terlatih. Apalagi sinyal EKG biasanya mengandung banyak derau. Untuk itu perlu metode lain yang cocok dalam menganalisis sinyal EKG yang merupakan sinyal non-stasioner. Penelitian ini bertujuan untuk menganalisis dan mengklasifikasi sinyal elektrokardiografi (EKG) dari kondisi jantung normal, arrhytmia, ventricular tachyarrhytmia, intracardiac atrial fibrillation dan myocard infarction berbasis transformasi wavelet dan jaringan syaraf tiruan penjalaran balik. Tahapan penelitian meliputi penyiapan data, pra-pemrosesan, ekstraksi ciri, pemrosesan dan pasca-pemrosesan. Pada tahap pra-pemrosesan, derau 60/50 Hz pada sinyal EKG dari interferensi jaringan listrik direduksi dengan filter takik IIR metode penempatan pole-zero. Sedangkan derau baseline wander direduksi dengan metode transformasi diskrit 11 tingkat untuk memperoleh komponen frekuensi dibawah 0,5 Hz penyebab derau ini. Ekstraksi ciri EKG menggunakan normalisasi energi rerata dari tiap dekomposisi 6 tingkat menggunakan wavelet Sym8. Jaringan syaraf tiruan penjalaran balik digunakan pada tahap pemrosesan dengan struktur 7 neuron input, 7 neuron lapisan tersembunyi dan 5 neuron lapisan output, untuk klasifikasi sinyal EKG. Berdasarkan penelitian yang telah dilakukan diperoleh hasil bahwa rerata persentase akurasi jaringan syaraf mengenali semua jenis EKG mencapai 87,424 %. Persentase akurasi terbesar mencapai 95,455 % untuk jenis EKG ventricular tachyarrhytmia dan persentase akurasi terkecil 70 % untuk mengenali jenis EKG arrhytmia." @default.
• W2371902076 created "2016-06-24" @default.
• W2371902076 creator A5004218061 @default.
• W2371902076 creator A5081166861 @default.
• W2371902076 creator A5085362377 @default.
• W2371902076 date "2012-01-01" @default.
• W2371902076 modified "2023-09-28" @default.
• W2371902076 title "Analisis Klasifikasi Sinyal EKG Berbasis Wavelet dan Jaringan Syaraf Tiruan" @default.
• W2371902076 cites W147727151 @default.
• W2371902076 cites W1493775511 @default.
• W2371902076 cites W1608292140 @default.
• W2371902076 cites W1995945562 @default.
• W2371902076 cites W2025741636 @default.
• W2371902076 cites W2034697419 @default.
• W2371902076 cites W2066105073 @default.
• W2371902076 cites W2076360516 @default.
• W2371902076 cites W2123937024 @default.
• W2371902076 cites W2962772573 @default.
• W2371902076 cites W3147438041 @default.
• W2371902076 cites W70430861 @default.
• W2371902076 doi "https://doi.org/10.22146/jnteti.v1i3.130" @default.
• W2371902076 hasPublicationYear "2012" @default.
• W2371902076 type Work @default.
• W2371902076 sameAs 2371902076 @default.
• W2371902076 citedByCount "1" @default.
• W2371902076 countsByYear W23719020762015 @default.
• W2371902076 crossrefType "journal-article" @default.
• W2371902076 hasAuthorship W2371902076A5004218061 @default.
• W2371902076 hasAuthorship W2371902076A5081166861 @default.
• W2371902076 hasAuthorship W2371902076A5085362377 @default.
• W2371902076 hasConcept C153180895 @default.
• W2371902076 hasConcept C154945302 @default.
• W2371902076 hasConcept C164705383 @default.
• W2371902076 hasConcept C28490314 @default.
• W2371902076 hasConcept C41008148 @default.
• W2371902076 hasConcept C71924100 @default.
• W2371902076 hasConceptScore W2371902076C153180895 @default.
• W2371902076 hasConceptScore W2371902076C154945302 @default.
• W2371902076 hasConceptScore W2371902076C164705383 @default.
• W2371902076 hasConceptScore W2371902076C28490314 @default.
• W2371902076 hasConceptScore W2371902076C41008148 @default.
• W2371902076 hasConceptScore W2371902076C71924100 @default.
• W2371902076 hasIssue "3" @default.
• W2371902076 hasLocation W23719020761 @default.
• W2371902076 hasOpenAccess W2371902076 @default.
• W2371902076 hasPrimaryLocation W23719020761 @default.
• W2371902076 hasVolume "1" @default.
• W2371902076 isParatext "false" @default.
• W2371902076 isRetracted "false" @default.
• W2371902076 magId "2371902076" @default.
• W2371902076 workType "article" @default.