KLASIFIKASI SISTEM DETEKSI KONDISI NORMAL DAN ICTAL SINYAL EEG EPILEPSI MENGGUNAKAN METODE SAMPLE ENTROPY

IVAN FATHUR HAKIM

Informasi Umum

Kode

23.04.1741

Klasifikasi

621.382 2 - Signal processing, Information theory

Jenis

Karya Ilmiah - Skripsi (S1) - Reference

Subjek

Signal Processing - System Analysis

Dilihat

384 kali

Informasi Lainnya

Abstraksi

Epilepsi merupakan suatu penyakit gangguan pada saraf otak yang disebabkan adanya pola aktivitas listik yang keluar dari sel-sel otak. Penderita epilepsi akan mengalami kejang atau seizure ditandai dengan gerakan tidak normal yang tidak dapat dikendalikan. Kasus penyakit epilepsi ini dibutuhkan penanganan yang serius karena banyaknya kasus terjadi pada penyakit ini. Salah satu proses diagnosis kejang pada epilepsi yaitu dengan cara perekaman sinyal otak atau disebut Electroencephalogram (EEG) yang kemudian sinyal yang dihasilkan dibaca secara konvensional oleh ahli kesehatan. Namun proses ini memiliki banyak kekurangan dalam hal waktu yang dibutuhkan terlalu lama, biaya terlalu mahal, dan tingkat akurasi yang kurang. Oleh sebab itu dibutuhkan pengembangan diagnosis kejang secara cepat dan otomatis dengan tingkat akurasi yang tinggi.

Tugas akhir ini merancang sebuah sistem otomatis deteksi kejang pada kondisi normal dan ictal. Data pasien yang digunakan yaitu dataset yang berasal dari University of Bonn. Data tersebut akan dilakukan proses preprocessing dengan filtering BPF butterworth, tahap selanjutnya ekstrasi fitur dengan sample entropy dan tahap terakhir klasifikasi dengan K-Nearest Neighbors.

Kemudian didapat hasil sistem dan mencari nilai keakurasian sistem. Dengan menggunakan dataset masing-masing 100 pada kondisi normal dan ictal, kemudian mendapatkan nilai akurasi data pelatihan sebesar 93,94% dan mendapatkan nilai akurasi data pengujian sebesar 100%. Dengan nilai akurasi yang didapat akan menjadi hasil akhir keakuratan sistem ini.