Klasifikasi Infark Miokardial Dari Elektrodiogram Menggunakan Metode Convolution Neural Network (CNN)

Abstract

Perubahan pola hidup manusia mempengaruhi variasi epidemiologi penyakit. Menurut WHO, sejak tahun 2008, penyakit tidak menular meningkat 3,4 kali lebih cepat. Mayoritas kematian akibat penyakit tidak menular disebabkan oleh penyakit kardiovaskular, yang mencakup kondisi seperti penyakit Arteri Koroner, Fibrilasi Atrium, Aritmia, Kardiomiopati, Gagal Jantung, Endokarditis, dan Infark Miokardial atau serangan jantung. Penyakit kardiovaskular bertanggung jawab atas sekitar 4% kematian dini di negara berpenghasilan tinggi dan 42% di negara berpenghasilan rendah (Kementerian Kesehatan, 2014). Mereka adalah penyebab utama kematian di dunia, menyumbang lebih dari 30% kasus kematian global, dengan perkiraan 22 juta kematian pada tahun 2030 jika tidak segera ditemukan solusinya. Di Indonesia, penyakit kardiovaskular meningkat setiap tahun. Berdasarkan data Riset Kesehatan Dasar tahun 2018, 15 dari 1.000 orang, atau sekitar 2.784.064 individu, menderita penyakit jantung (Indonesian Heart Association, 2019). Infark miokard, salah satu penyakit kardiovaskular paling parah, memiliki angka kematian 220.000 pada tahun 2002. Deteksi dini penyakit jantung, khususnya melalui gejala dan EKG, dapat secara signifikan mengurangi angka kematian. Kemajuan teknologi dalam pemrosesan sinyal digital, termasuk penggunaan computer vision dan Convolutional Neural Networks (CNN), menunjukkan potensi dalam deteksi otomatis kelainan jantung, yang berpotensi meningkatkan kemampuan diagnostik spesialis kardiologi. Nilai akurasi dalam penelitian ini mencapai 100% dengan loss 0,0434 dan menggunakan skenario 90:10.