DETEKSI GELOMBANG INTERICTAL EPILEPTIFORM DISCHARGES MENGGUNAKAN PENDEKATAN MACHINE LEARNING DAN FAST FOURIER TRANSFORM BERBASIS UKURAN PEMUSATAN DATA

MUHAMMAD ADHIRAHMAN (2026) DETEKSI GELOMBANG INTERICTAL EPILEPTIFORM DISCHARGES MENGGUNAKAN PENDEKATAN MACHINE LEARNING DAN FAST FOURIER TRANSFORM BERBASIS UKURAN PEMUSATAN DATA. Sarjana thesis, Universitas Tadulako.

Full text not available from this repository.

Abstract

Epilepsi merupakan salah satu gangguan pada sistem saraf yang ditandai dengan aktivitas listrik otak yang abnormal. Pemeriksaan epilepsi umumnya dilakukan melalui analisis sinyal Electroencephalography (EEG). Namun, proses interpretasi sinyal EEG secara manual membutuhkan waktu yang cukup lama dan bergantung pada keahlian tenaga medis. Penelitian ini bertujuan untuk mengembangkan model machine learning menggunakan SVM dan Random Forest guna mengklasifikasikan spektrum frekuensi sinyal EEG hasil transformasi Fast Fourier Transform (FFT). Data EEG berasal dari satu pasien epilepsi dengan 230 sampel (terdiri dari 120 data epilepsi dan 110 data normal). Setiap sampel direpresentasikan dalam bentuk matriks fitur berukuran 25×12, mencakup tiga segmen waktu (sebelum, saat, dan setelah kejadian kejang), empat parameter statistik (rata-rata, kuartil bawah (????1), kuartil atas (????3), dan standar deviasi), lima channel EEG, serta lima band frekuensi utama (delta, theta, alpha, beta, dan gamma). Hasil pengujian menunjukkan bahwa metode SVM menghasilkan akurasi tertinggi sebesar 91,30%, sedangkan Random Forest menghasilkan akurasi sebesar 89,13%. Berdasarkan hasil tersebut, dapat disimpulkan bahwa kedua metode mampu mengklasifikasikan sinyal EEG normal dan epilepsi dengan baik, namun metode SVM memberikan performa yang lebih baik dibandingkan random forest. Kata kunci: Elektroensafalografi, Epilepsi, Fast Fourier Transform, Support Vector Machine, Random Forest.

Item Type: Thesis (Sarjana)
Subjects: Tadulako University - Divisions > Fakultas Matematika dan IPA > Matematika
Q Science > Matematika
Divisions: Fakultas Matematika dan IPA > Matematika
Library of Congress Subject Areas > Q Science > Matematika
Date Deposited: 19 Nov 2026 05:53
Last Modified: 19 Nov 2026 05:53
URI: https://repository.untad.ac.id/id/eprint/159430
Baca Full Text: Baca Sekarang

Actions (login required)

View Item
View Item