Perpustakaan Digital ITB

Epilepsi merupakan salah satu penyakit kronis paling umum di dunia, yang mana memiliki prevalensi kasus sekitar 50 juta penduduk dunia. Kejang otak disebabkan oleh sinkronisasi pelepasan listrik yang berlebihan pada neuron dan kemudian menyebar ke seluruh otak. Siapa pun dapat terkena epilepsi tanpa memandang jenis kelamin, umur, atau kelompok etnis. Sehingga, pasien epilepsi harus berhati-hati dalam menyesuaikan diri dengan penyakit ini karena saat kejang, pasien dapat cedera atau bahkan berisiko bagi orang lain, terutama pada pengidap epilepsi yang berurusan dengan perindustrian maupun yang sedang mengendarai kendaraan. Penilitian ini bertujuan untuk merancang sistem prediksi kejadian kejang epilepsi untuk membantu pasien dalam memberikan peringatan sebelum terjadinya kejang. Dataset yang digunakan pada penelitian ini adalah CHB-MIT Scalp EEG database, Seizure Prediction Horizon (SPH) yang digunakan pada penelitian ini adalah 10 menit. Fitur yang digunakan merupakan fitur energi dan fitur Dispersion Entropy (DispEN) yang diperoleh dari dekomposisi sinyal Discrete Wavelet Transform (DWT). Metode klasifikasi dan prediksi kejadian kejang yang digunakan pada penelitian ini adalah Support Machine Vector (SVM). Hasil akurasi klasifikasi tertinggi yang diperoleh sebesar 86,2 % pada skenario percobaan menggunakan dua kelas Non-ictal dan Ictal. Sensitivitas tertinggi yang diperoleh pada system prediksi sebesar 91 % dengan rata-rata FPR terendah sebesar 0,46.