ABSTRAK

KLASIFIKASI ARITMIA DARI DATA ELEKTROKARDIOGRAM MENGGUNAKAN RANDOM FOREST DENGAN SELEKSI FITUR INFORMATION GAIN (Oleh: Siti Badriyah; Pembimbing: Mohammad Reza Faisal, S. T., M.T., Ph.D dan Dwi Kartini, S.Kom., M.kom; 40 Halaman)

Aritmia adalah kondisi jantung yang berdetak tidak normal. Jantung dapat berdetak lebih cepat, lebih lambat atau tidak teratur. Kondisi tidak normal ini menyebabkan jantung tidak dapat memompa darah dengan efektif dan dapat mengganggu organ-organ tubuh lain.Salah satu cara untuk mendeteksi lebih dini penyakit aritmia ini adalah dengan menggunakan machine learning. Penelitian ini menggunakan random forest untuk mengenali pola dari sebuah data pelatihan arrythmia. Data pelatihan terbagi menjadi 4 kelas yaitu kelas normal, kelas Atrial Fibrillation, kelas PVC Bigeminy dan kelas ventricular tachycardia dengan masing-masing kelas memilki 2160 fitur. Karena banyaknya fitur yang dimiliki data sehingga bisa membuat pelatihan machine learning kurang maksimal sehingga diperlukannya sebuah metode seleksi fitur yang salah satu metodenya adalah information gain. Berdasarkan hasil penelitian, seleksi fitur information dapat meningkatkan akurasi klasifikasi random forest sebesar 3,57 % dari 60,71 % yang tanpa menggunakan seleksi fitur menjadi sebesar 64,28 % yang dengan menggunakan seleksi fitur information gain.

Kata Kunci : Arrythmia Dataset, Random Forest, Information Gain, Seleksi Fitur