Detail Pengolahan Sinyal Suara Jantung untuk Diagnosis Dini Abnormalitas Jantung dengan Menggunakan Support Vector Machine Bibliografi Author: Paschalis, Sebastian Michael. ; Hutapea, Duma Kristina Yanti (Advisor) Topik: SVM; Bunyi Jantung; Kernel Linier; Penyakit Jantung; Validasi Silang; Diagnostik Dini Bahasa: (ID )     Penerbit: Program Studi Teknik Elektro Fakultas Teknik Unika Atma Jaya     Tempat Terbit: Jakarta    Tahun Terbit: 2024     Jenis: Theses - Master Thesis Fulltext: Sebastian Michael Paschalis_Master Thesis_2024.pdf (1.91MB; 2 download) 202200090010_Sebastian Michael Paschalis_LembarAdministrasi.pdf (305.33KB; 2 download) Abstract Thesis ini membahas perancangan model untuk melakukan klasifikasi suara jantung untuk mengetahui jenis penyakit jantung. Deteksi dini kelainan jantung sangat penting untuk memberikan pengobatan yang efektif. Penggunaan SVM dapat digunakan untuk mengklasifikasikan kondisi jantung yang berbeda dan efektivitas fungsi kernel yang berbeda dalam Support Vector Machine (SVM) untuk klasifikasi suara jantung. Kondisi jantung yang akan diperiksa adalah kondisi Jantung Normal Mitral Stenosis, dan Mitral Regurgitasi. Kumpulan data untuk suara-suara ini tersedia online. 600 data dilatih dan divalidasi menggunakan 70% data untuk pelatihan dan 30% untuk pengujian. dan menggunakan metode 10 Fold Cross Validation. Hasilnya menunjukkan bahwa kernel linier memiliki akurasi dan ketahanan tertinggi dalam klasifikasi suara jantung. Hal ini menunjukkan bahwa metode klasifikasi dapat mencapai tingkat 96% yang tinggi dalam mengklasifikasikan penyakit jantung. Opini Anda Klik untuk menuliskan opini Anda tentang koleksi ini! Lihat Sejarah Pengadaan  Konversi Metadata   Kembali

Copyright © 2006, 2007 Unika Atma Jaya, all rights reserved