Identifikasi epilepsi melalui Electroencephalography (EEG) menggunakan Convolutional Neural Network (CNN)

Nadyah, Izaz (2022) Identifikasi epilepsi melalui Electroencephalography (EEG) menggunakan Convolutional Neural Network (CNN). Sarjana thesis, UIN Sunan Gunung Djati Bandung.

[img]
Preview
Text (COVER)
1_cover.pdf

Download (96kB) | Preview
[img]
Preview
Text (ABSTRAK)
2_abstrak.pdf

Download (92kB) | Preview
[img]
Preview
Text (DAFTAR ISI)
3_daftarisi.pdf

Download (91kB) | Preview
[img]
Preview
Text (BAB I)
4_bab1.pdf

Download (92kB) | Preview
[img] Text (BAB II)
5_bab2.pdf
Restricted to Registered users only

Download (2MB) | Request a copy
[img] Text (BAB III)
6_bab3.pdf
Restricted to Registered users only

Download (599kB) | Request a copy
[img] Text (BAB IV)
7_bab4.pdf
Restricted to Registered users only

Download (463kB) | Request a copy
[img] Text (BAB V)
8_bab5.pdf
Restricted to Registered users only

Download (77kB) | Request a copy
[img] 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 View Item