PENGGUNAAN TEMPORAL DATA MINING PADA DATA ELECTROENCEPHALOGRAPHY (EEG) UNTUK KLASIFIKASI PENYAKIT EPILEPSI DENGAN BACKPROPAGATION

Deo Aquino, Stephanus (2016) PENGGUNAAN TEMPORAL DATA MINING PADA DATA ELECTROENCEPHALOGRAPHY (EEG) UNTUK KLASIFIKASI PENYAKIT EPILEPSI DENGAN BACKPROPAGATION. S1 thesis, UAJY.

[img] Text (Halaman Judul)
0TF07091.pdf

Download (745Kb)
[img] Text (Bab I)
1TF07091.pdf

Download (262Kb)
[img] Text (Bab II)
2TF07091.pdf

Download (1078Kb)
[img] Text (Bab III)
3TF07091.pdf
Restricted to Registered users only

Download (500Kb)
[img] Text (Bab IV)
4TF07091.pdf
Restricted to Registered users only

Download (7Mb)
[img] Text (Bab V)
5TF07091.pdf

Download (235Kb)

Abstract

Electroencephalography (EEG) adalah sebuah teknik pemeriksaan menggunakan alat elektromedis yang digunakan untuk merekam aktivitas listrik dari otak manusia. Salah epilepsi yang ada pada manusia. Proses penggalian informasi untuk mengetahui hasil pada data EEG membutuhkan perhatian pada unsur waktu yang terkandung dalam data agar informasi didapatkan secara maksimal. Pada penelitian ini, dibahas bagaimana cara menggunakan Temporal Data Mining untuk melakukan klasifikasi penyakit epilepsi berdasarkan data hasil perekaman EEG serta bagaimana menganalisis hasil klasifikasi menggunakan Backpropagation. Ekstraksi parameter yang digunakan adalah mean, standard deviasi, variance, skewness dan kurtosis yang akan digunakan sebagai inputan kedalam jaringan. Parameter yang digunakan adalah parameter yang terdapat pada Principle Component Analysis (PCA) dan Independent Component Analysis (ICA). Dalam penelitian ini dilakukan digunakan metode Eksternal Temporal Data Mining dengan cara memotong data kedalam 1 detik, 2 detik, 5 detik, dan 10 detik. Unsur waktu yang terkandung dalam data sangat berpengaruh dalam tingkat keberhasilan klasifikasi. Dari hasil penelitian ini, diketahui bahwa semakin besar waktu pemotongan maka akan semakin baik kualitas data. Hasil klasifikasi memberikan akurasi terbaik sebesar 100% dalam menangani kondisi epilepsi saat kejang dan kondisi sehat, 86,4979% dalam menangani kondisi sehat, epilepsi kejang dan epilepsi tidak kejang, serta 65,1477% dalam menangani kondisi sehat, kondisi epilepsi kejang, kondisi epilepsi tidak kejang, dan kondisi pada saat pembentukan hippocampus.

Item Type: Thesis (S1)
Uncontrolled Keywords: Temporal Data Mining, Klssifikasi , Epilepsi, Electrocephalography, Backpropagation.
Subjects: Teknik Informatika > Enterprise Inf System
Divisions: Fakultas Teknologi Industri > Teknik Informatika
Depositing User: Editor UAJY
Date Deposited: 12 Jul 2016 09:26
Last Modified: 12 Jul 2016 09:26
URI: http://e-journal.uajy.ac.id/id/eprint/9841

Actions (login required)

View Item View Item