Elektronik/Digital

Klasifikasi Sinyal Epilepsi Menggunakan Metode K-Nearest Neighbor

---

Epilepsi adalah Manifestasi gangguan otak dengan berbagai etiologi, namun dengan gejala tunggal yang khas, yaitu serangan berkala dan reversibel, Epilepsi ditandai dengan kelebihan jumlah listrik yang keluar dari sel‐sel otak, yang bisa menyebabkan kejang dan gerakan abnormal. Sinyal EEG pada serangan epilepsi memiliki pola karakteristik yang memungkinkan profesional kesehatan untuk membedakannya dari kondisi normal (nonseizure). Banyak metode yang digunakan oleh peneliti untuk melakukan pengenalan pola Sinyal EEG epilepsi dan non epilepsy, pada penelitian ini menggunakan metode teknik sampling untuk melakukan ekstraksi fitur sinyal EEG dan K-NN untuk identifikasi pola sinyal EEG. Data penelitian ini menggunakan lima kelas data set sinyal EEG digital diambil dari klinik Epileptologie Universitas Bonn yaitu data set A sinyal normal mata terbuka, set B sinyal normal mata tertutup, set C masuk zona epilepsi, set D masuk epilepsy, set E epilepsi kejang.
Dalam penelitian ini, metode yang digunakan adalah menggabungkan metode Tenik Sampling dan K-NN Langkah pertama menggunakan Tenik Sampling untuk mendapatkan beberapa fitur untuk menangkap karakteristik spesifik dari EEG sinyal dan kemudian fitur-fitur tersebut digunakan sebagai masukan pada K-NN untuk mendapatkan klasifikasi terdeteksi epilepsi atau nonepilepsi.

---

Ketersediaan

Informasi Detail

Versi lain/terkait

Lampiran Berkas

Komentar

---

Anda harus masuk sebelum memberikan komentar