View/Open

Author
Rendi , Alexander Hutagalung

Date Published
06 Jul 2026

Advisor
M. Syamsuddin Wisnubroto, S.Si., M.Si.,
Indah Suciati, M.Mat.,

Subject
Sains Data

Publisher

Epilepsi merupakan gangguan neurologis akibat aktivitas listrik abnormal pada otak yang dapat menyebabkan kejang berulang. Penelitian ini bertujuan menerapkan deteksi kejang otomatis berbasis sinyal electroencephalography (EEG) menggunakan Independent Component Analysis (ICA) dan Universum Twin Support Vector Machine (UTSVM). Data diperoleh dari University of Siena Epilepsy Database dengan frekuensi sampling 512 Hz. Tahapan penelitian meliputi penyaringan sinyal menggunakan FIR band-pass filter 1–50 Hz, segmentasi menjadi epoch berdurasi 2 detik, pemisahan komponen menggunakan ICA, ekstraksi fitur statistik dan bandpower, standardisasi fitur, reduksi dimensi menggunakan PCA, seleksi fitur menggunakan CDR, serta klasifikasi menggunakan UTSVM. Optimasi hyperparameter dilakukan menggunakan grid search dengan 5-fold stratified cross-validation. Pada data uji akhir, model memperoleh akurasi 99,61%, balanced accuracy 84,90%, precision 70,00%, recall 70,00%, F1-score 70,00%, dan specificity 99,80%. Hasil tersebut menunjukkan bahwa kombinasi ICA, PCA, CDR, dan UTSVM dapat digunakan untuk mendeteksi kejang epilepsi berbasis EEG.

URI
https://repo.itera.ac.id/depan/submission/SB2607040002

Keyword
Deteksi Kejang Epilepsi EEG ICA UTSVM