EVALUASI PERFORMA ALGORITMA MACHINE LEARNING DAN DEEP LEARNING PADA RANCANG BANGUN APLIKASI BERBASIS ANDROID MENGGUNAKAN FITUR SIGNAL EEG (ELECTROENSEFALOGRAM)

Penelitian ini bertujuan mengevaluasi dan membandingkan kinerja empat algoritma
klasifikasi SVM, KNN, Random Forest, dan CNN dalam mendeteksi kejang
epilepsi berbasis sinyal EEG, serta mengintegrasikan hasil terbaik ke dalam aplikasi
Android NeuroSense. Data EEG dari University of Bonn dan CHB-MIT diproses
melalui preprocessing (filtering 0,5 – 40 Hz, normalisasi Z-score, segmentasi 10
detik), ekstraksi fitur DWT db4 level 4, dan pelatihan model dengan 5-Fold CrossValidation. Evaluasi dilakukan berdasarkan akurasi klasifikasi dan efisiensi
komputasi. Hasil menunjukkan CNN sebagai algoritma terbaik dengan akurasi
98,1%, presisi 97,8%, recall 98,0%, dan F1-score 97,9%, serta waktu inferensi 18
ms dan penggunaan memori 160 MB. SVM unggul dalam efisiensi (15 ms, 45 MB)
sedangkan Random Forest memberikan keseimbangan terbaik (akurasi 95,6%,
inferensi 21 ms, memori 85 MB). Hasil penelitian menunjukkan bahwa
Convolutional Neural Network (CNN) merupakan algoritma dengan performa
klasifikasi terbaik, mencapai akurasi 98,1%, presisi 97,8%, recall 98,0%, dan F1-
score 97,9%. Nilai recall yang tinggi (98,0%) mengindikasikan bahwa CNN sangat
efektif dalam mendeteksi kejadian kejang yang sebenarnya terjadi true positive
sehingga meminimalkan risiko false negative yang berbahaya dalam konteks
deteksi dini epilepsi. Nilai presisi yang tinggi (97,8%) juga menunjukkan bahwa
CNN mampu meminimalkan false positive (alarm palsu) yang dapat menyebabkan
kecemasan berlebihan pada pasien atau pendamping. Kontribusi penelitian berupa
peta performa komparatif yang mengisi research gap kurangnya perbandingan
langsung dan minimnya analisis efisiensi, serta aplikasi NeuroSense berbasis
TensorFlow Lite untuk deteksi on-device. Penelitian selanjutnya direkomendasikan
menggunakan dataset lebih besar, cross-patient validation, dan uji klinis pada
populasi pasien luas.
Kata Kunci: Epilepsi, EEG, SVM, KNN, Random Forest, CNN, Android,
NeuroSense, Deteksi Kejang.