ESTD PERPUSTAKAAN UNTAD
ESTD PERPUSTAKAAN UNTAD
| JudulKLASIFIKASI GELOMBANG INTERICTAL EPILEPTIFORM DISCHARGES PADA PASIEN EPILEPSI BERDASARKAN SPEKTRUM GELOMBANG MENGGUNAKAN DEEP LEARNING |
| Nama: FERI IRAWAN |
| Tahun: 2026 |
| Abstrak Epilepsi merupakan gangguan neurologis yang ditandai dengan munculnya gelombang Interictal Epileptiform Discharges (IEDs) pada sinyal elektroensefalografi (EEG). Identifikasi IEDs masih menjadi tantangan karena karakteristik sinyal yang kompleks dan bervariasi. Penelitian ini bertujuan mengembangkan model klasifikasi berbasis deep learning dengan pendekatan Convolutional Neural Network (CNN) dan Long Short-Term Memory (LSTM) untuk menganalisis spektrum frekuensi EEG hasil transformasi Fast Fourier Transform (FFT). Dataset penelitian terdiri dari 230 sampel EEG pasien epilepsi (120 epilepsi dan 110 normal), yang direpresentasikan dalam bentuk matriks fitur 25×12 mencakup tiga segmen waktu (sebelum, saat, dan sesudah kejadian), empat parameter statistik (minimum, maksimum, rata-rata, dan standar deviasi), serta lima pita frekuensi utama (delta, theta, alpha, beta, gamma). Hasil menunjukkan bahwa LSTM memperoleh akurasi tertinggi sebesar 85,51?ngan F1-score 0,86, sedangkan CNN mencapai akurasi 73,91%. Temuan ini mengindikasikan bahwa LSTM lebih unggul dalam menangkap pola temporal EEG. Kata kunci: Elektroensafalografi, Epilepsi, Fast Fourier Transform, Convotional Neural Network, Long Short Term Memory, Interictal Epileptiform Discharges |