DETEKSI DINI GANGGUAN JANTUNG MENGGUNAKAN ALGORITMA RNN BERDASARKAN DATA ELEKTROKARDIOGRAM

Abstract

Gangguan jantung merupakan salah satu penyebab utama kematian di dunia. Deteksi dini gangguan jantung menjadi langkah penting dalam upaya pencegahan dan pengobatan yang lebih efektif. Penelitian ini bertujuan untuk mengembangkan model deteksi dini gangguan jantung dengan memanfaatkan algoritma Recurrent Neural Network (RNN) berbasis data elektrokardiogram (EKG). Data EKG yang digunakan dalam penelitian ini mencakup berbagai pola sinyal jantung, termasuk sinyal normal dan abnormal. Algoritma RNN dipilih karena kemampuannya dalam menganalisis data berbasis urutan waktu seperti sinyal EKG. Proses penelitian meliputi pengumpulan data EKG, pra-pemrosesan sinyal untuk menghilangkan artefak, pelatihan model RNN, serta evaluasi model menggunakan metrik akurasi, sensitivitas, dan spesifisitas. Hasil penelitian menunjukkan bahwa model RNN mampu mendeteksi gangguan jantung dengan tingkat akurasi sebesar 87%. Temuan ini menunjukkan potensi besar algoritma RNN dalam mendeteksi dini gangguan jantung secara cepat dan akurat, sehingga dapat menjadi dasar pengembangan sistem pendukung keputusan di bidang kesehatan.