Sarasati, Nadhira Neesa (2020) Pengenalan Fase Epilepsi Berbasis Fitur Time Domain Menggunakan Sinyal ECG. Other thesis, Institut Teknologi Sepuluh Nopember.
Preview |
Text
07211640000054 - Undergraduate_Thesis.pdf Download (3MB) | Preview |
Abstract
Epilepsi adalah penyakit syaraf yang disebabkan oleh adanya ketidaknormalan atau gangguan pada aktivitas sinyal otak. Epilepsi merupakan penyakit syaraf yang paling banyak menyerang penduduk dunia, khususnya penduduk negara berkembang. Terdapat tiga fase pada epilepsi, yaitu fase pre-ictal, fase ictal, dan fase post-ictal. Untuk dapat membedakan ketiga fase tersebut, umumnya menggunakan sinyal yang dihasilkan oleh EEG. Namun, terdapat penelitian yang menyebutkan adanya keterkaitan epilepsi dengan sinyal jantung, sehingga terdapat kemungkinan fase pada epilepsi dapat dibedakan melalui ECG. Pengenalan Fase Pada Epilepsi ini dibuat untuk dapat membedakan fase yang ada pada penderita epilepsi dan kondisi normal pada pasien epilepsi dengan menggunakan algoritma K Nearest Neighbors (KNN). Data yang digunakan pada penelitian ini adalah dataset publik yang diambil dari PhysioNet. Data diambil dari hasil perekaman EEG dan ECG jangka panjang pasien epilepsi yang tidak memiliki riwayat penyakit jantung koroner, dan didalamnya terdapat 10 kali kejadian kejang. Dengan dapat dilakukannya pengenalan fase pada epilepsi dan kondisi normal, diharapkan dapat memudahkan dokter dan tenaga medis untuk mengetahui perbedaan pada hasil rekaman ECG pasien epilepsi di setiap fase yang berbeda, dan dapat membuktikan hipotesa apakah fase pada epilepsi dapat dikenali melalui sinyal jantung.
Item Type: | Thesis (Other) |
---|---|
Subjects: | Q Science > QA Mathematics > QA9.58 Algorithms T Technology > TK Electrical engineering. Electronics Nuclear engineering > TK5102.9 Signal processing. |
Divisions: | Faculty of Intelligent Electrical and Informatics Technology (ELECTICS) > Computer Engineering > 90243-(S1) Undergraduate Thesis |
Depositing User: | Nadhira Neesa Sarasati |
Date Deposited: | 26 Aug 2020 04:09 |
Last Modified: | 02 Nov 2023 08:27 |
URI: | http://repository.its.ac.id/id/eprint/79737 |
Actions (login required)
View Item |