PENGGUNAAN TEMPORAL DATA MINING PADA DATA ELECTROENCEPHALOGRAPHY (EEG) UNTUK KLASIFIKASI PENYAKIT EPILEPSI DENGAN BACKPROPAGATION
Total View This Week0
Total View This Week0
Institusion
Universitas Atma Jaya Yogyakarta
Author
Deo Aquino, Stephanus
Subject
Enterprise Inf System
Datestamp
2016-07-12 09:26:50
Abstract :
Electroencephalography (EEG) adalah sebuah teknik pemeriksaan menggunakan alat elektromedis yang digunakan untuk merekam aktivitas listrik dari otak manusia. Salah epilepsi yang ada pada manusia. Proses penggalian informasi untuk mengetahui hasil pada data EEG membutuhkan perhatian pada unsur waktu yang terkandung dalam data agar informasi didapatkan secara maksimal. Pada penelitian ini, dibahas bagaimana cara menggunakan Temporal Data Mining untuk melakukan klasifikasi penyakit epilepsi berdasarkan data hasil perekaman EEG serta bagaimana menganalisis hasil klasifikasi menggunakan Backpropagation. Ekstraksi parameter yang digunakan adalah mean, standard deviasi, variance, skewness dan kurtosis yang akan digunakan sebagai inputan kedalam jaringan. Parameter yang digunakan adalah parameter yang terdapat pada Principle Component Analysis (PCA) dan Independent Component Analysis (ICA). Dalam penelitian ini dilakukan digunakan metode Eksternal Temporal Data Mining dengan cara memotong data kedalam 1 detik, 2 detik, 5 detik, dan 10 detik. Unsur waktu yang terkandung dalam data sangat berpengaruh dalam tingkat keberhasilan klasifikasi. Dari hasil penelitian ini, diketahui bahwa semakin besar waktu pemotongan maka akan semakin baik kualitas data. Hasil klasifikasi memberikan akurasi terbaik sebesar 100% dalam menangani kondisi epilepsi saat kejang dan kondisi sehat, 86,4979% dalam menangani kondisi sehat, epilepsi kejang dan epilepsi tidak kejang, serta 65,1477% dalam menangani kondisi sehat, kondisi epilepsi kejang, kondisi epilepsi tidak kejang, dan kondisi pada saat pembentukan hippocampus.
Electroencephalography (EEG) adalah sebuah teknik pemeriksaan menggunakan alat elektromedis yang digunakan untuk merekam aktivitas listrik dari otak manusia. Salah epilepsi yang ada pada manusia. Proses penggalian informasi untuk mengetahui hasil pada data EEG membutuhkan perhatian pada unsur waktu yang terkandung dalam data agar informasi didapatkan secara maksimal. Pada penelitian ini, dibahas bagaimana cara menggunakan Temporal Data Mining untuk melakukan klasifikasi penyakit epilepsi berdasarkan data hasil perekaman EEG serta bagaimana menganalisis hasil klasifikasi menggunakan Backpropagation. Ekstraksi parameter yang digunakan adalah mean, standard deviasi, variance, skewness dan kurtosis yang akan digunakan sebagai inputan kedalam jaringan. Parameter yang digunakan adalah parameter yang terdapat pada Principle Component Analysis (PCA) dan Independent Component Analysis (ICA). Dalam penelitian ini dilakukan digunakan metode Eksternal Temporal Data Mining dengan cara memotong data kedalam 1 detik, 2 detik, 5 detik, dan 10 detik. Unsur waktu yang terkandung dalam data sangat berpengaruh dalam tingkat keberhasilan klasifikasi. Dari hasil penelitian ini, diketahui bahwa semakin besar waktu pemotongan maka akan semakin baik kualitas data. Hasil klasifikasi memberikan akurasi terbaik sebesar 100% dalam menangani kondisi epilepsi saat kejang dan kondisi sehat, 86,4979% dalam menangani kondisi sehat, epilepsi kejang dan epilepsi tidak kejang, serta 65,1477% dalam menangani kondisi sehat, kondisi epilepsi kejang, kondisi epilepsi tidak kejang, dan kondisi pada saat pembentukan hippocampus.
Download
book
BibTex
Latex, Jabref
cloud_download
Original Resource
url resource Institution
