Abstract
Jantung merupakan organ vital manusial dan merupakan pertahanan hidup terakhir manusia selain otak. Saat ini telah berkembang teknologi dalam bidang kesehatan dan mesin Elektrokardiografi merupakan mesin yang dapat menentukan kondisi jantung manusia yang direpresentasikan dalam bentuk gelombang berdasarkan denyut jantung yang terekam oleh mesin ini. Untuk mengetahui arti dari detak jantung tersebut hanya dapat diketahui oleh pakar atau dokter spesialis jantung dan pemuluh darah. Penelitian ini bertujuan untuk menentukan klasifikasi dari sinyal gelombang EKG tersebut dengan menggunakan metode Binary Decision Tree - Support Vector Machine. Klasifikasi untuk kondisi detak jantung dengan algoritma SVM ini ditambah dengan metode Binary Decision Tree untuk menyelesaikan permasalahan multi class yang ada pada penelitian ini. Kelas dari klasifikasi ini terdiri dari normal dan aritmia. Dimana aritmia terdisir dari atrial fibrillation, pvc bigeminy, dan ventricular tachycardia. Data didapatkan dari MIT-BIH Arrhytmia Database dan hasil klasifikasi yang didapatkan memiliki rata-rata akurasi sebesar 70.00% pada rasio data 90%:10% dengan nilai akurasi sebesar 75.00% menggunakan kernel Polynomial dengan kombinasi nilai parameter λ = 0.5, konstanta γ = 0.00001, complexity (C) =1 , iterasi maksimum =100, dan ε (epsilon) = 0.00001 dengan menggunakan data sebesar 140 dataset.
