Klasifikasi Sinyal EKG pada penyakit Kardiovaskular Menggunakan CNN berbasis arsitektur VGG16

Repository ini berisi implementasi deep learning menggunakan transfer learning dengan arsitektur VGG16 untuk klasifikasi gambar EKG pasien jantung. Proyek ini memanfaatkan dataset dari Institut Kardiologi Ch. Pervaiz Elahi, Pakistan.

Tujuan Penelitian

• Melakukan klasifikasi sinyal EKG dengan menggunakan arsitektur VGG16 yang telah dimodifikasi untuk mengidentifikasi dan membedakan pola sinyal dengan tingkat akurasi yang tinggi.
• Mengevaluasi kinerja model VGG16 dalam mengenali karakteristik unik sinyal EKG, termasuk kemampuannya dalam mengekstraksi fitur spasial melalui lapisan konvolusi.
• Menganalisis dampak variasi hyperparameter, seperti tingkat pembelajaran (learning rate), dropout, dan jenis optimizer, terhadap performa model yang mencakup akurasi, nilai loss, dan kemampuan generalisasi.
• Mengembangkan tiga model CNN berbasis VGG16 dengan konfigurasi parameter yang berbeda untuk membandingkan hasil kinerjanya.

Dataset

Pada penelitian ini, dataset yang digunakan adalah Dataset Gambar EKG Pasien Jantung. Dataset gambar EKG ini merupakan koleksi data elektrokardiogram (EKG) dari pasien jantung yang dibuat di bawah naungan Ch. Pervaiz Elahi Institute of Cardiology di Multan, Pakistan, dengan tujuan untuk mendukung penelitian ilmiah dalam deteksi dan diagnosis penyakit kardiovaskular. Dataset ini terdiri dari empat kelas, namun dalam penelitian ini hanya dua kelas yang digunakan, yaitu Normal dan Abnormal, yang masing-masing menggambarkan kondisi EKG pasien tanpa gangguan jantung dan dengan gangguan jantung. Dataset ini disediakan oleh Ch. Pervaiz Elahi Institute of Cardiology dan berkolaborasi dengan University of Management and Technology, serta termasuk dalam kategori Cardiac Care dan ECG Database, yang bertujuan untuk membantu pengembangan metode deteksi otomatis penyakit jantung melalui analisis data EKG.

link sumber dataset : (https://data.mendeley.com/datasets/gwbz3fsgp8/2)

link drive dataset : (https://drive.google.com/drive/folders/1xuZaobn3d-7V8qZ3SMXu2mQ9yJufYkaM?usp=sharing)

Model Algoritma CNN

Pada penelitian ini, digunakan model Convolutional Neural Network (CNN) berbasis arsitektur VGG16 yang telah terlatih sebelumnya dengan bobot dari dataset ImageNet. Model VGG16 dipilih karena kemampuannya dalam mengekstraksi fitur spasial secara mendalam melalui 13 lapisan convolusi dan 3 lapisan fully connected. Untuk menyesuaikan dengan karakteristik sinyal EKG, lapisan fully connected terakhir dihapus (include_top=False) dan digantikan dengan lapisan yang dirancang khusus, meliputi flatten layer, dense layer dengan 128 neuron dan aktivasi ReLU, serta output layer dengan 1 neuron dan aktivasi sigmoid untuk klasifikasi biner. Selain itu, dilakukan fine-tuning dengan membekukan sebagian besar lapisan awal model, sehingga hanya lapisan-lapisan terakhir yang dilatih ulang menggunakan data EKG. Penelitian ini bertujuan untuk mengembangkan model berbasis Convolutional Neural Network (CNN) menggunakan pendekatan transfer learning dengan arsitektur VGG16 untuk mengklasifikasi kondisi kesehatan jantung pasien.

Parameter Model yang digunakan

Kesimpulan

Berikut adalah kesimpulan dari hasil penelitian ini :

• Model 1 memiliki validation accuracy 97%, dengan akurasi confusion matrix sebesar 0.91. Model ini menunjukkan performa yang baik.
• Model 2 mengalami underfitting dengan validation accuracy hanya 54% dan akurasi confusion matrix sebesar 0.54, kemungkinan disebabkan oleh kompleksitas model yang rendah atau learning rate yang kurang optimal.
• Model 3 adalah model terbaik dengan validation accuracy 97% dan akurasi confusion matrix tertinggi sebesar 0.95. Model ini menunjukkan keseimbangan performa antara pelatihan dan validasi.

Secara keseluruhan, model 3 menjadi pilihan terbaik untuk klasifikasi pada penelitian ini karena memiliki akurasi tertinggi, tingkat kesalahan yang rendah, serta performa yang stabil dalam mempelajari dan memprediksi data.

Anggota Kelompok

• Deodry Siahaan (121450151) - [Github] (https://github.com/deodrysiahaan)
• Salwa Amelia Salsabila (121450023) - [Github] (https://github.com/Aameliasalsabila)
• Audrey Ribka D. Manihuruk (121450103) - [Github] (https://github.com/audreyribkaa)
• Yosia Letare Banurea (121450149) - [Github] (https://github.com/YosiaBanurea)
• Deyvan Loxeval (121450148) - [Github] (https://github.com/deyvanloxefal)