Nadyah, Izaz (2022) Identifikasi epilepsi melalui Electroencephalography (EEG) menggunakan Convolutional Neural Network (CNN). Sarjana thesis, UIN Sunan Gunung Djati Bandung.
|
Text (COVER)
1_cover.pdf Download (96kB) | Preview |
|
|
Text (ABSTRAK)
2_abstrak.pdf Download (92kB) | Preview |
|
|
Text (DAFTAR ISI)
3_daftarisi.pdf Download (91kB) | Preview |
|
|
Text (BAB I)
4_bab1.pdf Download (92kB) | Preview |
|
Text (BAB II)
5_bab2.pdf Restricted to Registered users only Download (2MB) | Request a copy |
||
Text (BAB III)
6_bab3.pdf Restricted to Registered users only Download (599kB) | Request a copy |
||
Text (BAB IV)
7_bab4.pdf Restricted to Registered users only Download (463kB) | Request a copy |
||
Text (BAB V)
8_bab5.pdf Restricted to Registered users only Download (77kB) | Request a copy |
||
Text (DAFTAR PUSTAKA)
9_daftarpustaka.pdf Restricted to Registered users only Download (117kB) | Request a copy |
Abstract
Penderita epilepsi akan mengalami gangguan memori, penurunan kondisi mental, kehilangan kesadaran bahkan kematian. Oleh karena itu, deteksi atau diagnosa dini untuk mengetahui epilepsi serta memberikan perawatan medis dengan tepat waktu merupakan hal yang sangat penting untuk dilakukan. Saat ini, dalam mendeteksi aktivitas epilepsi pada seseorang, ahli medis melakukannya dengan cara menginspeksi hasil visual dari sinyal Electroencephalography (EEG). Namun, analisis secara visual tersebut akan memakan banyak waktu dan tenaga, menghitung dengan banyaknya data yang dihasilkan. Pada penelitian ini, akan diusulkan model Convolutional Neural Network (CNN) untuk identifikasi otomatis epilepsi melalui sinyal EEG yang dihasilkan. Pertama, sinyal EEG akan melalui preprocessing dan normalisasi untuk mendapatkan fitur pada sinyal, yang kemudian akan dilakukan klasifikasi untuk mengidentifikasi epilepsi (seizure) dan non-epilepsi (non-seizure) dengan CNN. Hasil penelitian menunjukkan bahwa metode yang diusulkan pada penelitian ini mendapatkan nilai akurasi yang cukup tinggi yaitu 99.078% dan 82.069% untuk persentase akurasi pada proses pelatihan (training). Kemudian performa atau kinerja dari model tersebut juga dievaluasi dengan confusion matrix dan menghasilkan presisi, recall, F1-score yang baik. Hasil evaluasi tersebut mendapatkan akurasi dengan rata-rata 99,31%. Berdasarkan evaluasi tersebut, model yang diusulkan pada penelitian ini dapat digunakan sebagai metode lain dalam proses klasifikasi, deteksi atau identifikasi epilepsi pada sinyal EEG.
Item Type: | Thesis (Sarjana) |
---|---|
Uncontrolled Keywords: | Epilepsi; Electroencephalography (EEG); Convolutional Neural Network (CNN); confusion matrix. |
Subjects: | Special Computer Methods > Artificial Intelligence Physics > Data Processing and Analysis of Physics Physics > Research and Statistical Methods of Physics Medicine and Health > Medical Physics Medicine and Health > Research and Statistical Methods of Medical Science Medicine and Health > Physicians Human Anatomy, Cytology, Histology > Nervous System, Sense Organs Anatomy Diseases > Diseases of Nervous System Diseases > Miscellaneous Diseases of Nervous System |
Divisions: | Fakultas Sains dan Teknologi > Program Studi Fisika |
Depositing User: | Izaz Nadyah |
Date Deposited: | 22 Sep 2022 05:16 |
Last Modified: | 22 Sep 2022 05:16 |
URI: | https://digilib.uinsgd.ac.id/id/eprint/57373 |
Actions (login required)
View Item |