Noberta Ellen (2021) Klasifikasi Epilepsi Dan Non Epilepsi Sinyal Electroencephalogram (EEG) Menggunakan Power Spectral Density (Psd) Dan Backpropagation. Skripsi thesis, UNIVERSITAS AIRLANGGA.

	Text (HALAMAN JUDUL) 1. HALAMAN JUDUL.pdf Download (1MB)
	Text (ABSTRAK) 2. ABSTRAK .pdf Download (928kB)
	Text (DAFTAR ISI) 3. DAFTAR ISI.pdf Download (880kB)
	Text (PENDAHULUAN) 4. BAB I PENDAHULUAN.pdf Download (901kB)
	Text (TINJAUAN PUSTAKA) 5. BAB II TINJAUAN PUSTAKA.pdf Restricted to Registered users only until 14 June 2024. Download (1MB) | Request a copy
	Text (METODE PENELITIAN) 6. BAB III METODE PENELITIAN.pdf Restricted to Registered users only until 14 June 2024. Download (1MB) | Request a copy
	Text (HASIL DAN PEMBAHASAN) 7. BAB IV HASIL DAN PEMBAHASAN.pdf Restricted to Registered users only until 14 June 2024. Download (1MB) | Request a copy
	Text (KESIMPULAN SARAN) 8. BAB V KESIMPULAN DAN SARAN.pdf Restricted to Registered users only until 14 June 2024. Download (861kB) | Request a copy
	Text (DAFTAR PUSTAKA) 9. DAFTAR PUSTAKA.pdf Download (848kB)
	Text (LAMPIRAN) 10. LAMPIRAN.pdf Restricted to Registered users only until 14 June 2024. Download (1MB) | Request a copy
	Text (PERNYATAAN EMBARGO) KKC KK MPF.21-21-081611333071_Noberta Ellen_Embargo - Noberta Ellen.pdf Restricted to Registered users only Download (316kB) | Request a copy

Abstract

Sinyal Electroencephalogram (EEG) adalah sinyal yang mampu memberikan informasi kondisi otak tertentu seperti epilepsi. Pola yang dihasilkan sinyal EEG dapat digunakan untuk mendiagnosis kondisi epilepsi dan normal. Hanya saja analisis dengan hanya memperhatikan pola dengan mengamatinya kurang efisien jika dilakukan dalam jangka panjang. Penelitian ini mengajukan metode klasifikasi sinyal EEG dengan menggunakan Power Spectral Density (PSD) dan Backpropagation. Sinyal EEG yang digunakan pada penelitian terdiri dari 5 kelompok data yaitu A, B, C, D dan E, dimana setiap kelompok terdiri dari 100 data. Pembagian data untuk training 70%, testing 15%, dan validasi 15%. Pada penelitian ini, sinyal EEG melewati 2 tahap yaitu ekstraksi fitur dengan Power Spectral Density (PSD) dan kemudian sinyal diklasifikasikan dengan Backpropagation. Hasil yang didapat dari uji coba penelitian, metode yang diusulkan mendapat akurasi yang tertinggi pada variasi 2 hidden layer yang memiliki masing-masing 50 neuron dengan presentase akurasi training sebesar 95,6% dan akurasi testing sebesar 82%. Berdasarkan evaluasi, metode yang diusulkan dapat digunakan sebagai proses klasifikasi sinyal EEG normal dan epilepsi.

Actions (login required)

View Item