DETEKSI PENYAKIT EPILEPSI DENGAN LEAST SQUARE ERROR

Abstract

Epilepsi didefinisikan sebagai sindrom yang ditandai dengan fungsi otak sesaat dan paroxysm yang  dimanifestasikan dalam interupsi atau kehilangan kesadaran, motorik, sensorik, psikologi, otonom gerak, serta episodik. Hambatan utama yang harus dihadapi adalah kurangnya dokter spesialis yang dibutuhkan dan biaya untuk menanganinya pengobatan epilepsi. Penelitian ini ditujukan untuk pengembangan perangkat lunak untuk mendeteksi sindrom epilepsi terhadap sinyal yang terekam dari  7 elektroda dan 3 ciri statistik. Keberhasilan dari membedakan bentuk sinyal epilepsi dan non epilepsi adalah dilakukan dengan menggunakan ekstraksi ciri kemudian seleksi ciri  LSE dan metode klasifikasi dilakukan secara khusus melalui Back propagasi Neural Network (BPNN). Berdasarkan hasil keseluruhan akhir menunjukkan bahwa akurasi dalam deteksi epilepsi dengan seleksi ciri LSE mencapai 96,9%.