Penerapan CNN-SVM dengan Seleksi Fitur Berbasis Pola Indeks pada Sinyal PPG untuk Deteksi Hipertensi tanpa Manset
Penulis Utama
:
Dafina Nazhifah
NIM / NIP
:
M0521016
×<p><span lang="SV" xss=removed>Hipertensi
merupakan salah satu penyebab utama kematian di seluruh dunia yang sering tidak
disadari karena gejalanya yang minimal. Deteksi dini sangat penting, dan salah
satu teknik non-invasif memanfaatkan sinyal <i>fotopletismogram</i> (PPG). Analisis
berbasis PPG mendukung pemantauan tekanan darah tanpa manset, yang menawarkan
alternatif yang lebih nyaman dan dapat dilakukan secara terus-menerus
dibandingkan metode tradisional. Namun, sinyal PPG memiliki sejumlah besar
fitur, yang dapat menyebabkan redudansi informasi dan penurunan kinerja model.
Penelitian ini mengusulkan sistem deteksi hipertensi berbasis kombinasi
CNN-SVM, yang didahului dengan seleksi fitur menggunakan indeks posisi (ganjil,
genap, kelipatan tertentu) untuk mengurangi dimensi data dan mempercepat
komputasi. Pendekatan seleksi fitur sederhana ini, yang jarang dieksplorasi
dalam penelitian sebelumnya, bertujuan untuk mengurangi dimensi tanpa
memerlukan perhitungan kompleks. Dataset sinyal PPG didapatkan dari 216 pasien
Rumah Sakit UNS. Setelah dilakukan <i>preprocessing</i> dan seleksi fitur,
proses ekstraksi fitur dilakukan menggunakan <i>Convolutional Neural Network</i>
(CNN), kemudian dilanjutkan dengan klasifikasi menggunakan <i>Support Vector
Machine</i> (SVM). Kombinasi CNN-SVM telah banyak digunakan dalam berbagai
penelitian sebelumnya dan terbukti mampu memberikan performa klasifikasi yang
baik. Model dievaluasi dalam tiga skenario klasifikasi: normal vs.
prehipertensi-hipertensi, normal-prehipertensi vs. hipertensi, dan klasifikasi
tiga kelas. Akurasi klasifikasi terbaik yang diperoleh adalah 93,10% untuk
skenario normal vs. prehipertensi-hipertensi. Hasil ini menunjukkan bahwa
metode yang digunakan dalam penelitian ini bersifat praktis karena sederhana
dan efisien secara komputasi, namun tetap menghasilkan akurasi yang baik. Hal
ini menunjukkan bahwa strategi seleksi fitur sederhana dapat secara efektif
meningkatkan deteksi hipertensi berbasis sinyal PPG.</span></p>
×
Penulis Utama
:
Dafina Nazhifah
Penulis Tambahan
:
-
NIM / NIP
:
M0521016
Tahun
:
2025
Judul
:
Penerapan CNN-SVM dengan Seleksi Fitur Berbasis Pola Indeks pada Sinyal PPG untuk Deteksi Hipertensi tanpa Manset
Edisi
:
Imprint
:
Surakarta - Fak. Teknologi Informasi dan Sains Data - 2025
Program Studi
:
S-1 Informatika
Kolasi
:
Sumber
:
Kata Kunci
:
Deteksi hipertensi, Fotopletismogram (PPG), CNN-SVM, seleksi berbasis index, pemantauan tanpa manset
Jenis Dokumen
:
Skripsi
ISSN
:
ISBN
:
Link DOI / Jurnal
:
-
Link DOI
:
-
Status
:
Public
Pembimbing
:
1. Prof. Dr. Wiharto, S.T., M.Kom. 2. Fajar Muslim, S.T., M.T.
