ANALISIS TEKANAN DARAH MELALUI GAMBAR REKAMAN EKG MENGGUNAKAN METODE ARTIFICIAL INTELLIGENT DENGAN ARSITEKTUR DEEP LEARNING PADA PASIEN POST PCI DI INSTALASI PELAYANAN JANTUNG TERPADU RSUP DR. M DJAMIL PADANG

Faridah, Fahmi (2025) ANALISIS TEKANAN DARAH MELALUI GAMBAR REKAMAN EKG MENGGUNAKAN METODE ARTIFICIAL INTELLIGENT DENGAN ARSITEKTUR DEEP LEARNING PADA PASIEN POST PCI DI INSTALASI PELAYANAN JANTUNG TERPADU RSUP DR. M DJAMIL PADANG. S2 thesis, Universitas Andalas.

	Text (Cover & Abstrak) COVER & ABSTRAK.pdf - Submitted Version Download (264kB)
	Text (Bab I) BAB 1.pdf - Submitted Version Download (682kB)
	Text (Bab Akhir) bab AKHIR Copy.pdf - Submitted Version Download (172kB)
	Text (Daftar Pustaka) DAFTAR PUSTAKA.pdf - Submitted Version Download (239kB)
	Text (Tesis Full Tesxt) Tesis Full Text.pdf - Submitted Version Restricted to Repository staff only Download (5MB) | Request a copy

Abstract

Pemantauan tekanan darah penting dilakukan pada pasien pasca PCI (Percutaneous Coronary Interventions). Penggunaan metode konvensional seperti manset menimbulkan ketidaknyamanan, sedangkan penggunaan arteri line sering menimbulkan berbagai resiko. Dibutuhkan metode non-invasive yang akurat dan reliabel yang mampu memberikan informasi tekanan darah. Penelitian ini bertujuan menganalisis tekanan darah berdasarkan gambar rekaman EKG menggunakan metoda artificial intelligent dengan arsitektur deep learning pada pasien post PCI. Penelitian ini menggunakan desain pra-eksperimental dengan rancangan static group comparison. Sampel penelitian berupa 129 gambar rekaman EKG pasien post-PCI periode Agustus-Oktober 2023. Sebanyak 129 sampel dianalisis menggunakan residual network (ResNet). Setelah 100 iterasi dengan loss 1% diperoleh desain model (netTransfer). Validitas model menunjukkan akurasi 90% dalam mengestimasi tekanan darah pada kelompok hipertensi derajat 1. Uji ROC Curve memberikan nilai 0,8, menunjukkan performa model yang baik. Implementasi pada tiga sampel menunjukkan akurasi 100%. Desain model netTransfer efektif mengestimasi klasifikasi tekanan darah secara akurat, menawarkan kenyamanan bagi pasien dan kemudahan bagi petugas kesehatan. Desain ini menjadi inovasi baru yang efisien dan potensial diterapkan lebih luas dengan perangkat yang mendukung.

Actions (login required)

View Item