Analisis Sinyal EKG untuk Deteksi Gangguan Jantung pada Mahasiswa dengan Gangguan Tidur Menggunakan Algoritma K-Nearest Neighbor (KNN)

Gustie Vaniest Anugrah Putri; Melky Eka Putra Damanik; Kennyzio Hendiko; Harry Binur Pratama Simarmata; Amir Mahmud Husein

doi:10.35315/dinamik.v30i2.10256

Gustie Vaniest Anugrah Putri Universitas Prima Indonesia
Melky Eka Putra Damanik Universitas Prima Indonesia
Kennyzio Hendiko Universitas Prima Indonesia
Harry Binur Pratama Simarmata Universitas Prima Indonesia
Amir Mahmud Husein Universitas Prima Indonesia

DOI: https://doi.org/10.35315/dinamik.v30i2.10256

Abstract

Gangguan tidur pada mahasiswa merupakan permasalahan yang dapat berdampak pada kesehatan jantung, khususnya melalui perubahan aktivitas listrik jantung yang terekam dalam sinyal EKG. Penelitian ini bertujuan mengembangkan sistem klasifikasi otomatis untuk mendeteksi kondisi jantung berdasarkan sinyal EKG menggunakan algoritma K-Nearest Neighbor (KNN) dan reduksi fitur dengan Principal Component Analysis (PCA). Dataset yang digunakan terdiri dari 159 citra sinyal EKG yang dibagi menjadi dua kelas, yaitu Good Heart dan Bad Heart. Citra diproses melalui tahap preprocessing, reduksi dimensi menggunakan PCA, dan diklasifikasikan menggunakan KNN dengan berbagai nilai parameter. Model terbaik diperoleh pada kombinasi 20 komponen PCA dan nilai K = 6, dengan akurasi mencapai 96,23%, precision 98,46%, recall 92,75%, dan f1-score 95,50%. Hasil penelitian menunjukkan bahwa metode ini mampu mengenali kondisi jantung dengan baik dan efisien. Sistem ini berpotensi dikembangkan sebagai alat bantu deteksi dini gangguan jantung, khususnya pada kelompok mahasiswa yang mengalami gangguan tidur.

References

[1] Artanti, V., Faisal, M., Kurniawan, F., & Sains dan Teknologi, F. (2024). Klasifikasi Cardiovascular Diseases Menggunakan Algoritma K-Nearest Neighbors (KNN) Classification of Cardiovascular Diseases using K-Nearest Neighbors (KNN) Algorithm (Vol. 23, Issue 2).
[2] Delima Sitanggang, E. I. J. H. G. and M. T. (2021). iij_vol13_no2_2021_sitanggang (1). INTERNETWORKING INDONESIA JOURNAL, 13.
[3] Dewi, S. C., Putra, C. E., & Nugraheni, A. G. (2024). Technology and Informatics Insight Journal Implementasi Metode K-Nearest Neighbors (KNN) dan Naive Bayes untuk Klasifikasi Penyakit Jantung. https://jurnal.universitasputrabangsa.ac.id/index.php/tiij
[4] Dwiyanti, S., Haris Rasidi, A., Magdalena Sitorus, A., Linda Lidapranata, D., Fisika, J., Matematika dan Ilmu Pengetahuan, F., Jember, U., Kalimantan Tegal Boto, J., & Timur, J. (2024). Identifikasi Suara Jantung Normal Dan Abnormal Menggunakan Metode K-Nearest Neighbours AFILIASI (Vol. 1, Issue 2). https://journal.unej.ac.id/JEI
[5] Hasanah, U., Lintang, R. M., Pratama, A., & Cholissodin, I. (2016). PERBANDINGAN METODE SVM, FUZZY-KNN, DAN BDT-SVM UNTUK KLASIFIKASI DETAK JANTUNG HASIL ELEKTROKARDIOGRAFI. In Jurnal Teknologi Informasi dan Ilmu Komputer (JTIIK) (Vol. 3, Issue 3).
[6] Penelitian, B., Komputasi, I., Trianifa, N., Candra Rini Novitasari, D., Zaenal Arifin, A., Studi Matematika UIN Sunan Ampel Surabaya, P., Studi Matematika Universitas PGRI Ronggolawe Tuban, P., Kunci -Klasifikasi, K., Ekg, S., Pembacaan Waktu, A., & Sinyal, T. (2020). KLASIFIKASI PENYAKIT JANTUNG MENGGUNAKAN METODE SUPPORT VECTOR MACHINE BERDASARKAN PERBANDINGAN ALGORITMA PEMBACAAN WAKTU DENGAN TEKSTUR SINYAL SEBAGAI METODE EKSTRAKSI SINYAL EKG. MathVision : Jurnal Matematika, 02(01), 7–11.
[7] Pratama, Y., Prayitno, A., Azrian, D., Aini, N., Rizki, Y., & Rasywir, E. (2022). Klasifikasi Penyakit Gagal Jantung Menggunakan Algoritma K-Nearest Neighbor. Bulletin of Computer Science Research, 3(1), 52–56. https://doi.org/10.47065/bulletincsr.v3i1.203
[8] Ratnaningtyas, T. O., Fitriani, D., Tinggi, S., Kesehatan, I., Persada, K., & Selatan, T. (2019). Ratnaningtyas dan Fitriani_Hubungan Stres dengan Kualitas Tidur …. HUBUNGAN STRES DENGAN KUALITAS TIDUR PADA MAHASISWA TINGKAT AKHIR. In EDU MASDA JOURNAL (Vol. 3, Issue 2).
[9] Rayuzi, I., Sinaga, P., Magdalena, R., & Atmaja, R. D. (2017). ANALISIS KELAINAN JANTUNG MENGGUNAKAN SINYAL ELEKTROKARDIOGRAM DENGAN METODE TRANSFORMASI WAVELET DAN K-NEAREST NEIGHBORS ANALYSIS OF HEART DISEASES USING ELECTROCARDIOGRAPHY SIGNAL WITH WAVELET TRANSFORM AND K-NEAREST NEIGHBORS.
[10] Riset, A., Muhammad Fahrul Huda Nugroho, K., Safitri, A., Jaya, M., & Rachman, M. (2024). FAKUMI MEDICAL JOURNAL Pengaruh Kualitas Tidur dengan Tekanan Darah Mahasiswa.
[11] Ryfai, D. A., Hidayat, N., & Santoso, E. (2022). Klasifikasi Tingkat Resiko Serangan Penyakit Jantung menggunakan Metode K-Nearest Neighbor (Vol. 6, Issue 10). http://j-ptiik.ub.ac.id
[12] Setiawan, D., Muhammad, A., Herawati, S., & Dewi, F. (2025). Penerapan Algoritma Klasifikasi untuk Deteksi Dini Penyakit Jantung Koroner Berdasarkan Gejala Klinis. Jurnal Ilmu Teknik Dan Informatika, 5, 18–26. https://doi.org/10.51903/teknik
[13] Sipayung, D. S., & Atika, S. (2025). Analisis Akurasi Algoritma K-Nearest Neighbor Untuk Diagnosis Penyakit Jantung Pada Lansia. In Jurnal Sistem Informasi dan Ilmu Komputer Prima (JUSIKOMP) (Vol. 8, Issue 2).
[14] Sitanggang, D., Nicholas, N., Wilson, V., Sinaga, A. R. A., & Simanjuntak, A. D. (2022). IMPLEMENTASI DATA MINING UNTUK MEMPREDIKSI PENYAKIT JANTUNG MENGGUNAKAN METODE K-NEAREST NEIGHBOR DAN LOGISTIC REGRESSION. Jurnal Teknik Informasi Dan Komputer (Tekinkom), 5(2), 493. https://doi.org/10.37600/tekinkom.v5i2.698
[15] Yogianto, A., Homaidi, A., & Fatah, Z. (2024). Implementasi Metode K-Nearest Neighbors (KNN) untuk Klasifikasi Penyakit Jantung. G-Tech: Jurnal Teknologi Terapan, 8(3), 1720–1728. https://doi.org/10.33379/gtech.v8i3.4495