Monitoring Gelombang Otak pada Pasien Anak dengan Epilepsi menggunakan Metode Markov Switching Autoregressive (MSAR) Pendekatan EM-Gaussian dan Bayesian-Exponential Power

Wijaya, Jovanka Alvira (2023) Monitoring Gelombang Otak pada Pasien Anak dengan Epilepsi menggunakan Metode Markov Switching Autoregressive (MSAR) Pendekatan EM-Gaussian dan Bayesian-Exponential Power. Other thesis, Institut Teknologi Sepuluh Nopember.

Text 06211940000079-Undergraduate_Thesis.pdf - Accepted Version Restricted to Repository staff only until 1 October 2025. Download (3MB) | Request a copy

Abstract

Pada tubuh manusia, otak disebut sebagai organ yang memiliki fungsi kompleks dan sangat penting bagi berlangsungnya keseluruhan aktivitas yang dilakukan oleh organ tubuh. Bagian ini dapat mengendalikan aktivitas organ tubuh, peran untuk mengendalikan emosi, memilih sebuah keputusan dan peran lainnya yang melibatkan keseimbangan kinerja tubuh. Gangguan pada otak manusia dapat diamati dengan menggunakan Electroencephalograph (EEG). Salah satunya adalah bagi anak dengan kebutuhan khusus yang memiliki hambatan perkembangan fungsi otak yang kompleks dan bervariasi. Sebagian besar dari anak berkebutuhan khusus seperti anak dengan epilepsi memiliki ciri khas tersendiri sehingga menyebabkan pengobatan yang dibutuhkan tidak dapat disamaratakan dengan pasien epilepsi. Hal ini membuat hasil perekaman EEG perlu dilakukan analisis tersendiri baik secara pengamatan dokter maupun secara analitik. Hasil perekaman yang bersifat fluktuatif, non-linier,dan non stasioner yang kompleks membutuhkan permodelan yang bersifat adaptif terhadap data. Penelitian ini menggunakan metode MSAR dengan dua pendekatan yaitu EM-Gaussian dan Bayesian-Exponential Power. Model terbaik dipilih melalui nilai Akaike’s Information Criterion (AIC) terkecil dan data yang digunakan merupakan pasien anak dengan penderita epilepsi dengan channel pengamatan T5-Cz dan T6-Cz. Hasil dari penelitian ini adalah data pengamatan tidak menyerupai distribusi normal dan model terbaik yang dihasilkan untuk kedua channel adalah permodelan MS(2)AR(1) pendekatan Bayesian-Exponential Power yang mengelompokkan gelombang kejang dan tidak kejang, dengan masing-masing titik menunjukkan rata-rata lama suatu gelombang otak menetap pada suatu regime atau average run length (ARL) terbesar terdapat pada gelombang kejang dengan channel T5-Cz memiliki ARL 28,31 milidetik dan pada channel T6-Cz sebesar 17,8 milidetik.
=================================================================================================================================
The brain is referred to as an organ that has complex functions and is highly important for the overall functioning of the body's organs. This part can control the activities, play a role in controlling emotions, making decisions, and other roles involving the balance of bodily functions. Disorders in the human brain can be observed using an Electroencephalograph (EEG). One of the examples is for special-needs children who have barriers to the complex and varied development of brain functions. Most of the special-needs children like child with epilesy have unique characteristics that make the required treatment different from other special-needs patients. This necessitates a separate analysis of EEG recordings, both through the observation of doctors and analytical means. The EEG recording results a fluctuating, non-linear, and nonstationary waves, which require adaptive modeling of the data. This study uses the MSAR method with two approaches: EM-Gaussian and Bayesian-Exponential Power. The best model is selected based on the smallest Akaike’s Information Criterion (AIC) value, and the data used are the EEG of children with epilepsy observed through the T5-Cz and T6-Cz channels. The results of this study indicate that the observation data does not follow a normal distribution, and the best models generated for both channels are MS(2)AR(1) with the Bayesian-Exponential Power approach, where in each channel represents the longest time for the EEG waves stay in particular regime or average run length (ARL) found in seizure waves. The largest ARL for channel T5-Cz is 28.31 miliseconds and for channel T6-Cz is 17.8 miliseconds.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	bayesian, exponential power, gaussian, MSAR, EEG
Subjects:	Q Science > QA Mathematics > QA279.5 Bayesian statistical decision theory. Q Science > QP Physiology > Q376.5 Electroencephalography (EEG)
Divisions:	Faculty of Science and Data Analytics (SCIENTICS) > Statistics > 49201-(S1) Undergraduate Thesis
Depositing User:	Jovanka Alvira Wijaya
Date Deposited:	07 Dec 2023 03:16
Last Modified:	07 Dec 2023 03:16
URI:	http://repository.its.ac.id/id/eprint/104350

Actions (login required)

View Item