Epilepsi atau ayan adalah sebuah penyakit neurologi yaitu penyakit yang menyerang saraf otak. Penyakit ini menyebkan neuron pada otak mengeluarkan listrik yang berlebihan sehingga mengganggu saraf motorik. Dengan memanfaatkan data dari Elektroensefalogram (EEG) yang merupakan teknik untuk mengukur aktivitas kelistrikan pada otak dengan memasang elektoda disekitar kulit kepala, maka dapat membantu dalam mendiagnosa penderita epilepsi. Penelitian ini bertujuan untuk mengklasifikasi hasil dari proses perekaman sinyal EEG untuk mendeteksi epilepsi. metode yang digunakan adalah time and frequency domain untuk proses ekstraksi fitur, Particle Swarm Optimization untuk ekstraksi fitur dan mahalonubis untuk klasifikasi. Data yang digunakan didapat dari Bern-Barcelona EEG database dengan jumlah keseluruhan data 3750 percobaan untuk 5 individu. Hasil dari penelitian ini didapatkan akurasi sebesar 78.67% dengan menggunakan 60% data sebagai data pelatihan dan menggunakan metode PSO untuk seleksi fitur.

Epilepsy or epilepsy is a neurological disease that attacks the brain's nerves. This diease cause the neurons in the brain to exert excessive electicity that distrupts the motor nerves. By utilizing data from Elektroensephalogram (EEG) which is a technique to measure electrical activity in the brain by installing elektode around the scalp, it can help in diagnosing epilepsy patients. This study aims to classify the results of the EEG signal recording process to detect epilepsy. The method used is time and frequency domain for feature extraction process, Particle Swarm Optimization for feature extraction (PSO) and Mahalanobis for classification. The data used are obtained from Bern-Barcelona EEG database with total data of 3750 experiments for 5 individuals. The results of this study obtained an accuracy of 78.67% by using 60% of data as training data and using the PSO method for feature selection.

Baca Jurnal Baca Jurnal Baca Jurnal Baca Jurnal Baca Jurnal Baca Jurnal Baca Jurnal