PENERAPAN METODE ALGORITMA ARTIFICIAL NEURAL NETWORK DENGAN LONG SHORT TERM MEMORY NETWORK (LSTM) UNTUK KLASIFIKASI SINY ELECTROENCEPHALOGRAM (EEG)

Penelitian ini merupakan penelitian menggunakan metode deksripsi kualitatif. Data yang digunakan dalam penelitian ini adalah sekunder. Tujuan dilakukannya penelitian ini untuk memahami konsep dan teori yang berkaitan dengan klasifikasi sinyal EEG dalam metode algoritma saraf tiruan dengan autoencoder pengurangan kebisingan bertumpuk. Artificial neural network adalah sistem pemrosesan data yang memiliki sifat yang mirip dengan jaringan saraf biologis di otak manusia. Tujuan dari jaringan syaraf tiruan adalah untuk menciptakan suatu sistem yang dapat belajar dengan sendirinya mengingat informasi dan kondisi. Epilepsi adalah gangguan pada sistem saraf otak manusia, yang menyebabkan berbagai reaksi dalam tubuh manusia. Epilepsi dapat didiagnosis dengan elektroensefalogram (EEG). Penelitian ini menggunakan data dari Rumah Sakit Anak Boston (Shoeb, 2019). Setiap pasien memiliki rekaman dalam kondisi normal dan pada saat serangan. Semua data bentuk gelombang disimpan dalam file dengan ekstensi .edf. dengan sampling rate 256 sampel per detik. Hasil accuracy sebelum di training bernilai 58%. Untuk hasil yang lebih besar batch size menjadi 44 (minibatch).