Penerapan Algoritma Salp Swarm Algorithm Sebagai Optimasi Untuk Mengoptimalkan Hyperparameter Pada Convolutional Neural Network Dalam Deteksi Epilepsi.

Rekha, Kana (2022) Penerapan Algoritma Salp Swarm Algorithm Sebagai Optimasi Untuk Mengoptimalkan Hyperparameter Pada Convolutional Neural Network Dalam Deteksi Epilepsi. Other thesis, Institut Teknologi Sepuluh Nopember.

Text 05111840000001-Undergraduate_Thesis.pdf Restricted to Repository staff only Download (2MB)

Abstract

Epilepsi adalah penyakit saraf yang terjadi pada otak karena ada aktivitas listrik yang tidak normal. Gejala yang ditimbulkan berupa kejang yang berulang, kesulitan bernapas hingga kehilangan kesadaran. EEG digunakan sebagai alat dalam mengukur tegangan listrik pada otak untuk mempelajari pola kejang pada otak. Namun hasil yang didapatkan dalam menganalisis visualisasi hasil EEG membutuhkan waktu berhari hari dan biaya yang besar. Pada tugas akhir ini, akan dikembangkan sebuah sistem pendeteksi epilepsi berdasarkan data sinyal EEG CHB-MIT. Sinyal akan dimasukkan kedalam low-pass filter dan high-pass filter sehingga menghasilkan koefisien fitur sinyal. Convolutional Neural Network digunakan sebagai mesin klasifikasi dalam mengidetifikasi epilepsi dan menggunakan Salp Swarm Algorithm untuk mencari hyperparameter optimum dalam menemukan model terbaik. Berdasarkan hasil uji coba yang telah diimplementasikan dalam mendeteksi pola kejang dan normal pada epilepsi didapatkan bahwa adanya penerapan SSA sebagai metode optimasi hyperparameter dapat meningkakan nilai akurasi.
==================================================================================================================================
Epilepsy is a neurological disorder caused by abnormal electrical activity in the brain. Multiple seizures, difficulty breathing, and loss of consciousness are among the symptoms. EEG is used to detect electrical voltage in the brain in order to investigate seizure patterns in the brain. However, the analysis and display of EEG findings are time-consuming and expensive. In this final project, an epilepsy detection system will be constructed using EEG signal data from the CHB-MIT. In order to construct a signal feature coefficient, a low-pass filter and a high-pass filter will be applied to the signal. Convolutional Neural Network is employed as a classification engine for diagnosing epilepsy, and the Salp Swarm Algorithm is used to discover the optimal hyperparameter for the best model. The implementation of SSA as a hyperparameter optimization strategy may improve the accuracy of epileptic seizure detection, as determined by the outcomes of experiments including the detection of normal and abnormal seizure patterns.

Item Type:	Thesis (Other)
Additional Information:	RSIf 006.3 Rek p-1 2022
Uncontrolled Keywords:	Epilepsi, Wavelet Transform, Salp Swarm Algorithm, Convolutional Neural Network. Epilepsy, Wavelet Transform, Salp Swarm Algorithm, Convolutional Neural Network.
Subjects:	Q Science > QA Mathematics > QA76.87 Neural networks (Computer Science)
Divisions:	Faculty of Intelligent Electrical and Informatics Technology (ELECTICS) > Informatics Engineering > 55201-(S1) Undergraduate Thesis
Depositing User:	Mr. Marsudiyana -
Date Deposited:	25 May 2026 02:33
Last Modified:	25 May 2026 02:33
URI:	http://repository.its.ac.id/id/eprint/133376

Actions (login required)

View Item