Hasil Pencarian  ::  Simpan CSV :: Kembali

"Sistem Pengaturan Lampu Lalu Lintas Terdistribusi adalah sebuah sistem lampu lalu lintas yang ditujukan untuk memenuhi kebutuhan akan kinerja pengaturan lampu lalu lintas yang cerdas dengan pengambilan data secara real-time. Sistem ini dapat melakukan penjadwalan dan pengaturan jaringan banyakpersimpangan secarareal-time yang tidak bisa dilakukan oleh sistem pengaturan lampu lalu lintas konvensional. Penerapan klasifikasi di dalam sistem ini digunakan untuk meningkatkan akurasi dari pengenalan mobil. Proses klasifikasi diimplementasikan menggunakan tiga algoritma Jaringan Syaraf Tiruan, yakni Backpropagation, FLVQ, dan FLVQ-PSO. Berdasarkan hasil ujicoba, dapat ditunjukkan bahwa algoritma Backpropagationmemiliki performa akurasi yang lebih baik dibandingkan dua algoritma JST yang lainnya."

"Pengenalan pola beat dalam analisa rekaman elektrokardiogram (EKG) menjadi bagian yang penting dalam deteksi penyakit jantung terutama aritmia. Banyak metode yang dikembangkan terkait dengan pengenalan pola beat, namun sebagian besar masih mengunakan algoritma klasifikasi klasik di mana masih belum mampu mengenali outlier klasifikasi. Fuzzy Learning Vector Quantization (FLVQ) merupakan salah satu algoritma yang mampu untuk mengenali outlier klasifikasi tetapi juga memiliki kelemahan untuk sistem uji yang bukan data berkelompok. Dalam tulisan ini peneliti mengusulkan Fuzzy Wavelet LearningVector Quantization (FWLVQ), yaitu modifikasi FLVQ sehingga mampu mengatasi data crisp maupun data fuzzy dan juga memodifikasi inferensi sistemnya sebagai perpaduan model fuzzy Takagi Sugeno Kang dengan wavelet. Sinyal EKG diperoleh dari database MIT-BIH. Sistem pengenalan pola beat secara keseluruhan terbagi atas dua bagian yaitu data pra proses dan klasifikasi. Hasil percobaan diperoleh bahwa FWLVQ memiliki akurasi sebesar 90.20% untuk data yang tidak mengandung outlier klasifikasi dan 87.19% untuk data yang melibatkan outlier klasifikasi dengan rasio data uji outlier klasifikasi dengan data non-outlier sebesar 1:1.

---

AbstractThe recognition of beat pattern in analysis of recording an electrocardiogram (ECG) becomes an important detection of heart disease, especially arrhythmias. Many methods are developed related to the recognition of beat patterns, but most still use the classical classification algorithms which are still not able to identify outlier classification. Fuzzy Learning Vector Quantization (FLVQ) is one of the algorithms that can identify outlier classification but also has a weakness for test systems that are not grouped data. In this paper we propose a Fuzzy Wavelet Quantization Learning Vector (FWLVQ), which is modified so as to overcome FLVQ crisp data and fuzzy data and also modify the inference system as a combination of Takagi Sugeno Kang fuzzy model with the wavelet. ECG signal obtained from the MIT-BIH database. Beat pattern recognition system as a whole is divided into two parts: data pre-processing and classification. The experimental results obtained that FWLVQ has an accuracy 90.20% for data that does not contain outlier classification and 87.19% for the classification of data involving outlier ratio outlier test data classification with non-outlier data of 1:1."

"Penyakit jantung merupakan penyakit mematikan nomor satu di Indonesia. Salah satu penyebab utama penyakit jantung yang akut adalah tidak terdeteksinya gejala penyakit sejak awal. Untuk men-cegah bertambahnya korban kematian akibat penyakit jantung dibutuhkan suatu sistem pendeteksian dini dan monitoring penyakit jantung. Oleh sebab itu dalam penelitian ini diajukan suatu sistem pen-deteksian dini dan monitoring penyakit jantung berbasis sinyal ECG. Sistem yang diajukan memiliki tiga komponen utama, yaitu hardware ECG sensor, smartphone, dan server. Sistem yang diajukan da-pat mengenali pola detak jantung, sehingga apabila ada gejala penyakit dapat dikehui sejak dini. Un-tuk membuat sistem pengenalan detak jantung, digunakan algoritma FLVQ-PSO. Hasil eksperimen, menunjukkan bahwa pengenalan pola detak jantung oleh sistem dapat akurasi 91.63%. Selain itu, sistem dapat juga digunakan untuk melakukan verifikasi dari jarak jauh (telehealth) oleh dokter spe-sialis jantung. Hasil eksperimen menunjukkan bahwa tingkat responsivitas server sistem telehealth ini kurang dari 0.6 detik.

---

Heart disease is the number one deadly disease in Indonesia. One of the main causes of fatality is the late detection of the disease. To avoid escalation of mortality caused by heart disease, we need early detection and monitoring system of heart disease. Therefore, in this research we propose an early de-tection and monitoring system of heart disease based on ECG signal. The proposed system has three main components: ECG hardware, smartphone, and server. Since the proposed system is designed to classify heartbeat signal, heart disease symptom can be detected as early as possible. We use FLVQ-PSO algorithm to classify heartbeat signal. Experiment result shows that classification accuracy of the system can reach 91.63%. Moreover, the proposed system can be used to verify patients’ heartbeat by cardiologists from distant area (telehealth). Experiment result shows that responsiveness of the system for the telehealth system is less than 0.6 seconds."