Rancang Bangun Klasifikasi Sinyal Elektroensefalografi Pada Kasus Epilepsi Dengan Random forest GSO

Abstract

Banyak sekali penelitian dengan analisis sinyal EEG dalam mendeteksi adanya penyakit epilepsi.Penelitian ini mengusulkan kerangka kerja deteksi otomatis untuk penyakit epilepsi berdasarkan pendekatan analisis frekuensi dengan menggunakan DWT sym 4 sinyal EEG pada elektroda F4 - F8 yang didekomposisi kedalam 5 subbands  frekuensi D1, D2, D3, D4, D5 dengan segmentasi 1 detik dan frekuensi sampling 256 Hz. Tiap tiap subband kemudian di korelasikan untuk mendapatkan hasil yang maksimal. Kami mengekstrak ciri dengan menggunakan entropi norm, entropi log energi dan entropi  Shannon tiap subband. Untuk meningkatkan kinerja deteksi maksimal, klasifikasi yang digunakan adalah dengan Random forest GSO dengan mengenali dua tingkat kondisi yaitu epilepsi dan normal. Model yang kami usulkan mengklasifikasikan 100 data epilepsi dan 100 data normal, dan beberapa validasi silang diadopsi untuk meningkatkan akurasi pemodelan.   Hasil eksperimen dievaluasi berdasarkan akurasi, sensitivitas dan spesitifitas. Bagan ini mempunyai potensi yang sangat signifikan dalam mendiagnosis secara klinis penyakit epilepsi dengan bantuan computer sehingga dapat membantu dokter dalam menegakkan diagnosis dengan tepat.