Aditya, Wahyu (2017) Klasifikasi Penyakit Parkinson Menggunakan Artificial Neural Network (Ann) Berdasarkan Ekstraksi Fitur Multifractal Detrended Fluctuation Analysis (Mfdfa) Pada Sinyal Gait. Undergraduate thesis, Institut Teknologi Sepuluh Nopember.
Preview |
Text
5213100127-Undergraduate_Theses.pdf - Published Version Download (4MB) | Preview |
Abstract
Penyakit Parkinson adalah sebuah kelainan pada sistem saraf pusat, yang meliputi sebuah degenerasi awal dari beberapa sel saraf pada bagian terdalam dari otak yang dinamakan basal ganglia dan secara khusus sebuah kehilangan sel-sel saraf (neurons) pada sebuah bagian dari batang otak yang dinamakan substantia nigra. Yang mana cell-cell ini membuat reaksi kimia saraf (neurochemical) untuk membuat pesan agar dapat mengkooridnasikan gerakan yang normal.
Berdasarkan data BPS pada tahun 2015 jumlah lansia sebanyak 20 juta, dan 200.000 orang diantaranya menderita Parkinson. Berdasarkan data yang dikeluarkan oleh perhimpunan spesialis saraf di Indonesia, angka penderita Parkinson sudah mencapai 400.000 orang. Jumlah penderita Parkinson di Indonesia diperkirakan meningkat 75.000 setiap tahunnya.
Pada penelitian ini digunakan Multifractal Detrended Fluctuation Analysis (MFDFA). Penggunaan MFDFA ini dikarenakan terdapatnya variasi spasial dan temporal pada sinyal gait.
Pada penelitian ini dilakukan uji coba 1 dengan menambah nilai pada q dan uji coba 2 dilakukan dengan menambah nilai pada scale. Hasil dari ekstraksi fitur Multifractal Detrended Fluctuation Analysis (MFDFA) didapatakan signifikansi dengan p-value 1 sebesar 0.049 , p-value 2 sebesar 0.014, p-value 3 sebesar 0.015 , p-value 4 sebesar 0.007, Kemudian pada klasifikasi AAN didapatkan hasil akurasi terbaik pada 4 inputan klasifikasi dengan nilai akurasi 63.04%.
Hasil dari penelitian ini dapat digunakan pada penelitian selanjutnya dengan menggunakan metode klasifikasi yang berbeda dan dapat digunakan dalam dunia medis untuk memprediksi penyakit parkinson agar dapat dilakukan tindakan preventif kedepannya.
===================================================================================================
Parkinson disease is an abnormalities in central nerve system, that consist of early degenaration of some nerve cell in the deepest part of brain, that called as basal ganglia and specifically it is a lost of some nerve cells in a part of brain stem called subtantia nigra . This cells makes nerve chemical reactions (neurochemical) to make a massage that coordinate normal moves.
Based on Central Bureau of Statistics the number of elder people in 2015 is about 20 million people, and 200000 of them are suffer from parkinson disease. Based on the data by the association of indonesia nerve spesialist, the number of people that suffered from parkinson disease are about 400000, and it’s increases every year.
This research, is using Multifractal Detrended Fluctuatuin Analysis (MFDFA) . The reason in using MFDFA method, is because there’s spatial and temporal variation in gait signal. The result of extraction method of Multifractal Detrended Fluctuatuin Analysis (MFDFA) obtain significant result in p-value 1 for about 0.049, p-value 2 for about 0.014, p-value 3 for about 0.015, and p-value 4 for about 0.007, and from The classification of AAN it obtained The Best result in 4 input classification with accuration value for about 63.04%.
The result of this research would be used in subsequent research by using other classificaion methods and in the Medical World do predict parkinson disease in case do Make preventive Action in The future
| Item Type: | Thesis (Undergraduate) |
|---|---|
| Additional Information: | RSSI 006.3 Adi k-1 |
| Uncontrolled Keywords: | Gait signal, Parkinson Disease, MFDFA, Classification |
| Subjects: | Q Science Q Science > QA Mathematics > QA76.87 Neural networks (Computer Science) R Medicine > R Medicine (General) |
| Divisions: | Faculty of Information Technology > Information System > 57201-(S1) Undergraduate Thesis |
| Depositing User: | Wahyu Wahyu Aditya |
| Date Deposited: | 30 Oct 2017 03:17 |
| Last Modified: | 05 Mar 2019 02:54 |
| URI: | http://repository.its.ac.id/id/eprint/42195 |
Actions (login required)
 |
View Item |