Rancang Bangun Perangkat Lunak Web Deteksi Otomatis Epilepsi dan Kejang Menggunakan Spektogram dan CNN

Nugroho, Yudhistiro Adi (2021) Rancang Bangun Perangkat Lunak Web Deteksi Otomatis Epilepsi dan Kejang Menggunakan Spektogram dan CNN. Undergraduate thesis, Institut Teknologi Sepuluh Nopember.

Text 05111740000165-Yudhistiro-Adi-Nugroho-Buku_TA.pdf - Accepted Version Restricted to Repository staff only until 1 October 2023. Download (964kB) | Request a copy

Abstract

Epilepsi merupakan gangguan sistem saraf pusat akibat pola aktivitas listrik otak yang tidak normal hal ini menimbulkan keluhan kejang, perilaku yang tidak biasa, hingga hilang kesadaran. Pendektesian epilepsi sendiri dapat dilakukan dengan menggunakan Elektroensefalogram (EEG). EEG merupakan tes yang dilakukan untuk mengukur aktivitas kelistrikan dari otak untuk mendeteksi kelainan otak. Epilepsi sendiri harus segera dikenali dan dipahami prosesnya agar tidak terjadi dampak yang fatal pada penyandangnya. Oleh karena itu pemahaman pembagian kelas dengan klasifikasi terhadapat proses pada epilepsi akan bermanfaat karena dapat membantu memahami tahapan proses serta persiapan dalam melakukan penanganannya.
Sebelumnya pengklasifikasian terhadap sinyal EEG pernah dilakukan menggunakan dataset CHB-MIT yaitu dengan menerapakan metode Convolutional Neural Network satu dimensi dimana dalam tahapannya sendiri hanya mengandalkan metode CNN saja untuk melakukan pengekstrasian fitur serta melakukan pengeklasifikasiannya tanpa mengimplementasikan metode lainnya. Klasifikasi yang dilakukan pada penelitian tersebut juga dibagi kedalam tiga kelas dan dari hasil prosesnya didapatkan nilai akurasi dengan rata-ratanya sebesar 93% dan masih bisa di tingkatkan. Pada penelitan ini akan dibangun sebuah perangkat lunak website yang dapat melakukan klasifikasi terhadap sinyal EEG untuk memperbaiki nilai akurasi dari penelitian sebelumnya agar mendapatkan nilai akurasi yang lebih baik. Dataset yang digunakan merupakan dataset CHB-MIT yaitu data rekam sinyal EEG pada Children’s Hospital Boston. Dengan mengimplementasikan metode spektogram sebagai pengekstrasi fiturnya dan algoritma Convolutional Neural Network dua dimensi sebagai pengklasifikasinya kelas akan dibagi kedalam tiga kondisi yaitu normal, interiktal, dan iktal. Pada tahapan prosesnya terdapat tiga proses utama yang dilakukan sebelum melakukan pengklasifikasian yaitu ekstrasi fitur menggunakan metode spektogram, pelatihan data untuk membuat model dengan menggunakan algoritma CNN dan pengujian data masukan.
Hasil dari penelitiaan menunjukkan bahwa nilai akurasi yang didapatkan melalui proses pengkstrasian fitur dengan spektogram dan pengklasifikasian dengan CNN dua dimensi didapatkan nilai akurasinya mencapai 95,73% (ada peningkatan sebesar 2,73%). Dengan nilai akurasi yang lebih tinggi tersebut maka pembelajaran terkait pemahaman proses yang terjadi pada epilepsi akan semakin akurat dan baik.

Item Type:	Thesis (Undergraduate)
Uncontrolled Keywords:	EEG, Epilepsi, CNN, Klasifikasi, Spektogram, Website, Epilepsy, Classification, Spectogram
Subjects:	Q Science > QP Physiology > Q376.5 Electroencephalography (EEG) T Technology > T Technology (General)
Divisions:	Faculty of Intelligent Electrical and Informatics Technology (ELECTICS) > Informatics Engineering > 55201-(S1) Undergraduate Thesis
Depositing User:	Yudhistiro Adi Nugroho
Date Deposited:	14 Aug 2021 01:45
Last Modified:	14 Aug 2021 01:45
URI:	http://repository.its.ac.id/id/eprint/86490

Actions (login required)

View Item