Recognition of arrhythmic electrocardiogram using wavelet based feature extraction

Singh, Atrija; Bhowmick, Debanshu; Biswas, Subhadeep

doi:10.1109/i2ct.2017.8226202

Cited by 1 publication

(1 citation statement)

References 6 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Berbagai teknik dikembangkan untuk menghasilkan metode yang dapat mengklasifikasi sinyal EKG menggunakan komputer. Selain metode pada domain waktu [3], berbagai metode tranformasi sinyal digunakan untuk menganalisis sinyal seperti transformasi Fourier [4], tranformasi wavelet [5] [6], maupun transformasi domain waktu-frekuensi seperti short-time Fourier transform (STFT) [7]. STFT merupakan metode yang sederhana dalam untuk melakukan transformasi dari domain waktu ke domain waktu-frekuensi.…”

Section: Pendahuluanunclassified

Klasifikasi Sinyal Elektrokardiogram Menggunakan Stockwell Transforms dan K-Nearest Neighbor

Pratiwi

Rizal

Magdalena³

2020

AITI

View full text Add to dashboard Cite

Sinyal elektrokardiogram adalah sinyal bio-electrik yang dihasilkan dari aktifitas kelistrikan jantung. Informasi dari kondisi kesehatan jantung bisa diketahui dengan menganalisis bentuk, irama, durasi, maupun orientasi nya. Berbagai metode dikembangkan untuk melakukan analisis atau mengklasifikasi sinyal EKG secara otomatis. Beberapa diantaranya menggunakan metode transformasi untuk mengubah sinyal dari domain waktu ke domain sinyal yang lain. Pada penelitian ini digunakan Stockwell transform (S-transform) untuk mengubah sinyal dari domain waktu ke domain waktu-frekuensi. Nilai minimum dan maksimum dari pada deretan waktu dari S-transform digunakan sebagai masukan K-NN sebagai classifer. Akurasi dari penggunaan S-transform dibandingkan dengan akurasi penggunaan short-term Fourier transform (STFT) yang merupakan transormasi yang setara. Hasil pengujian menunjukkan akurasi S-transform lebih tinggi dibandingkan dengan FFT pada enam kelas data sinyal EKG yang diuji.

show abstract