ANALISIS TIPE WAVELET COIFLETS 1 DAN COIFLETS 5 UNTUK DETEKSI PENYAKIT EPILEPSI

Abstract

Epilepsi adalah salah satu penyakit neurologis paling umum yang mempengaruhi jutaan orang dari orang-orang di seluruh dunia. Penyakit ini selalu sangat penting di bidang biomedis, karena risiko kesehatan yang ditimbulkannya. Identifikasi epilepsi secara manual pada EEG oleh ahli saraf terlatih memakan waktu, biaya yang besar dan sangat subyektif, sehingga diperlukan metode klasifikasi otomatis epilepsi atau normal. Untuk membedakan pola sinyal EEG epilepsi dan normal penelitian ini menggunakan mother wavelet coiflets 1 dan coiflets 5 dengan sinyal EEG pada elektroda F3 dan Fz. .Segmentasi sinyal EEG 1 detik dengan frekuensi sampling 256 Hz. Sinyal diurai menggunakan dekomposisi paket wavelet 3 tingkat menjadi subband aproksimasi A1, Detail D1, Detail D2, Detail D3. Hasil korelasi terbesar sinyal aprosimasinya mendekati 85% dengan menggunakan coiflets1 dan menunjukkan bahwa sistem prediksi epilepsi berbasis SVM yang diusulkan dapat mencapai prediksi yang kuat dengan akurasi 90 % dan Sensitivitasnya sekitar 91%.