![](https://digilib.itb.ac.id/assets/icon/pdf.gif)
ABSTRAK Achmad Maulana Gani
PUBLIC Alice Diniarti ![](https://digilib.itb.ac.id/assets/icon/pdf.gif)
COVER Achmad Maulana Gani
PUBLIC Alice Diniarti ![](https://digilib.itb.ac.id/assets/icon/pdf.gif)
BAB 1 Achmad Maulana Gani
PUBLIC Alice Diniarti ![](https://digilib.itb.ac.id/assets/icon/pdf.gif)
BAB 2 Achmad Maulana Gani
PUBLIC Alice Diniarti ![](https://digilib.itb.ac.id/assets/icon/pdf.gif)
BAB 3 Achmad Maulana Gani
PUBLIC Alice Diniarti ![](https://digilib.itb.ac.id/assets/icon/pdf.gif)
BAB 4 Achmad Maulana Gani
PUBLIC Alice Diniarti ![](https://digilib.itb.ac.id/assets/icon/pdf.gif)
PUSTAKA Achmad Maulana Gani
PUBLIC Alice Diniarti
Electroencephalography (EEG) adalah metode pemantauan elektrofisiologis untuk melacak dan merekam pola gelombang otak. Ketika seseorang mengalami kejang epilepsi, pola gelombang otak mengalami perubahan dan perubahan ini dapat dilihat pada rekaman EEG. Dengan demikian, fokus dalam penelitian ini adalah merancang algoritma pemrosesan sinyal yang baik dan dapat melakukan ekstraksi informasi epilepsi dan melakukan klasifikasi terhadap pasien yang telah didiagnosis menderita epilepsi. Rekaman subjek, dikelompokkan menjadi 23 kasus, dikumpulkan dari 22 subjek yang terdiri dari 5 laki-laki dan 17 perempuan dalam rentang usia 3-22. Semua sampel sinyal diambil pada 256 sampel per detik dengan resolusi 16-bit, dan sebagian besar file berisi 23 kanal sinyal EEG.
Dalam penelitian ini, ekstraksi fitur dengan beberapa domain dipertimbangkan untuk masalah ini karena ia menawarkan berbagai informasi penting yang dapat dimasukkan ke dalam sistem klasifikasi. Kami menggunakan Discrete Wavelet Transform (DWT) dan Momen Statistik untuk mengekstraksi informasi penting mengenai kejang epilepsi. Analisis wavelet digunakan untuk pengawetan fitur dan sinyal denoising. Wavelet memecah sinyal dalam jumlah versi terskala dan tergeser dari fungsi wavelet dan koefisien wavelet dapat dihitung. Kinerja algoritma klasifikasi yang dirancang lalu diuji dengan dataset epilepsi. Hasil menunjukkan bahwa sistem telah mencapai akurasi tinggi dalam menentukan setiap label, ditunjukkan dengan nilai sensitivitas dan spesifisitas.