Perpustakaan Digital ITB

Sinyal elektroensefalograf (EEG) adalah aktivitas elektrik yang terjadi di otak dan direkam pada permukaan kepala menggunakan alat elektroensefalogram. EEG mencerminkan beberapa status fungsi dari otak. Sinyal EEG memiliki kontribusi yang unik dan berarti untuk memahami fungsi elektrik pada otak. Sinyal ini biasa diinterpretasikan secara visual oleh elektroensefalografer (EEGers) untuk digunakan sebagai salah satu instrumen diagnosis penyakit pada otak. Analisis visual pada orang sadar mencakup penilaian ritme background dan graphoelement. Normalitas dan abnormalitas dapat ditentukan berdasarkan penilaian parameterparameter tersebut. Sayangnya analisis visual memiliki beberapa kekurangan, yang pertama reliabilitasnya cukup rendah karena sangat bergantung pada kapabilitas dan pengalaman EEGer, serta kedua, apabila resolusi spasial EEG semakin meningkat membutuhkan waktu yang cukup lama dalam penilaiannya. Oleh karena itu analisis otomatis berbasis komputer mulai dikembangkan karena dapat meningkatkan reliabilitas penilaian serta mampu melakukan proses perhitungan yang cepat untuk data yang besar. Pada penelitian ini dikembangkan suatu metode untuk menjustifikasi abnormalitas sinyal EEG berbasis parameter kuantitatif dengan mengadopsi metode yang digunakan oleh klinisi dalam diagnosis. Akan tetapi hasil perhitungan adopsi ini ternyata tidak secara deterministik dapat langsung menentukan normal atau tidak normalnya sinyal EEG. Sehingga dilakukan analisis probabilistik menggunakan 14 buah fitur dari hasil kalkulasi parameter pada total 130 data EEG normal dan abnormal. Diperoleh hasil bahwa tingkat akurasi klasifikasi abnormalitas sinyal EEG menggunakan 10-fold cross validation pada kNN dan DA yaitu 76.15% dan 78.46%. Selain itu algoritma memiliki potensi untuk dapat diterapkan dalam klasifikasi EEG abnormal dengan kasus yang lebih spesifik karena dengan metode kNN dan LDA mampu melakukan klasifikasi epilepsi dengan sensitivitas >50%. Sehingga dapat dikatakan bahwa fitur hasil ekstraksi dari parameter adopsi analisis visual mampu membedakan antara sinyal EEG normal dan abnormal.