PENGGUNAAN TEMPORAL DATA MINING PADA DATA PENGGUNAAN TEMPORAL DATA MINING PADA DATA ELECTROENCEPHALOGRAPHY (EEG) UNTUK KLASIFIKASI PENYAKIT EPILEPSI DENGAN BACKPROPAGATION.
PENGGUNAAN TEMPORAL DATA MINING PADA DATA
ELECTROENCEPHALOGRAPHY (EEG) UNTUK KLASIFIKASI PENYAKIT
EPILEPSI DENGAN BACKPROPAGATION
TUGAS AKHIR
Diajukan untuk Memenuhi Sebagian Persyaratan Mencapai
Derajat Sarjana Teknik Informatika
Disusun oleh :
Stephanus Deo Aquino
12 07 07091
PROGRAM STUDI TEKNIK INFORMATIKA
FAKULTAS TEKNOLOGI INDUSTRI
UNIVERSITAS ATMA JAYA YOGYAKARTA
2016
i
HALAMAN PENGESAHAN
PENGGUNAAN TEMPORAL DATA MINING PADA DATA
ELECTROENCEPHALOGRAPHY (EEG) UNTUK KLASIFIKASI PENYAKIT
EPILEPSI DENGAN BACKPROPAGATION
Laporan
ini telah diperiksa dan disetujui
pada tanggal
__
____________
_____
Oleh:
Dosen Pembimbing 1
Dosen Pembimbing 2
Ir. Djoko Budiyanto, M.Eng
Dra. Ernawati, M.T.
ii
Kata Pengantar
Puji
syukur
kepada
Tuhan
atas
semua
karunia
dan
berkat-Nya yang telah dilimpahkan kepada penulis sehingga
penulis
baik.
dapat
Tugas
mahasiswa
menyelesaikan
akhir
Program
Progra
am
laporan
merupakan
meru
rup
pak
kan
Studi
tugas
tu
skripsi ini dengan
yang
Teknik
diwajibkan
Informatika
I formatika
In
pada
Fakultas
Industri
setelah
Teknologi Indu
dustri Universitas Atma Jaya Yogyakarta
Yo
lulus
mata
ta
kuliah
teori,
teor
o i,
praktikum,
prakti
pr
iku
k m,
dan
kerja
ke
praktek.
Tujuan dari
dari pembuatan
pemb
m ua
uata
t n skripsi
skri
sk
rips
psi
i ini
in
ni adalah
adal
ad
alah
a sebagai
i salah satu
syarat
syar
rat untuk
untu
uk
mencapai
men
enca
capai
derajat sarjana
sarja
jana
na Teknik
Tek
knik Informatika
Inf
formatika
dari
Program
da
ari Prog
ogra
ram
m Studi
i Teknik
Teknik Informatika
Informatik
ika
a
Industri
I
ndust
tri
Fakultas
Fakul
ulta
tas
s
Teknologi
Tek
kno
n logi
Universitas
Univ
versitas Atma Jaya Yogyakarta.
Yogyakarta
a.
Penulis
Pe
Penuli
lis
menyadari
bahwa
dalam
pembuatan
pembu
b atan
an
skripsi
skrip
psi
tidak
ini
i t
ida
ak terlepas dari bantuan berbagai pihak
ak yang
yan
ang
g telah
tela
ah
menyumbangkan
me
meny
nyumba
bangkan pikiran, tenaga, dukungan, bimbingan,
bimbinga
an, dan
dan doa
a
ke
kepada
a penulis baik secara langsung maupun tidak langsung.
lan
ngs
gsun
u g.
Oleh sebab itu, penulis mengucapkan terimakasih kepada
kep
pada :
1.
Tuhan
Tuhan
Yesus Kristus
arahan
dan
harapan,
yang
telah memberikan petunjuk,
petunju
uk,
,
serta
melimpahkan
karunia
karu
unia
dan
n
berkat-Nya
b
erkat-Nya kepada
kepa
ke
pada
da penulis.
penulis.
2.
Bapak
Dr. A.
Teguh
uh Siswantoro
Siswa
want
ntoro selaku Dekan
Fakultas
Fakult
ltas
as
Teknologi Industri Universitas
Unive
versitas Atma Jaya Yogyakarta.
Yogyakarta
a.
3.
Bapak
Ba
Bapa
p k B. Yudi Dwiandiyanta, S.T., M.T., selaku
sela
lak
ku Ketua
Ket
etua
Program
Pr
Prog
ogra
ram
m
Studi
Stud
St
udi
i
Industri
In
Industr
tri
i
4.
Teknik
Tekn
Te
knik
ik
Universitas
Un
niv
iver
rsi
sitas
Informatika
Inf
nfor
orma
mati
tika
ka
Atma
a
Fakultas
Fak
akul
ulta
tas
s
Teknologi
Tekn
Te
knol
ologi
Jaya
Jaya Yogyakarta.
Yog
ogya
yakart
ta.
Dr Ir. Djoko
o Budiyanto,
Budiy
yanto, M.Eng.,
Bapak
Bapa
Ba
pak
k Dr.
selaku
se
sela
laku Dosen
Pembimbing I yang telah
telah meluangkan
me
eluangkan waktu dan pikiran
untuk memberi bimbingan,
bimbin
ngan, petunjuk
pet
tunjuk dan pengarahan kepada
penulis sehingga skripsi
skr
ripsi ini
ini dapat diselesaikan dengan
baik.
5.
Ibu
Dra. Ernawati, M.T.,
M.T
.T.,
selaku Dosen Pembimbing II
yang telah
waktu
pikiran
untuk
t l h meluangkan
l
k
kt dan
d
iki
t k memberi
b i
bimbingan,
petunjuk
dan
pengarahan
kepada
penulis
sehingga skripsi ini dapat diselesaikan dengan baik.
iii
6.
Teman-teman
Research
Group
Data
Engineering
and
Information System Universitas Atmajaya Yogyakarta yang
telah
membantu
penulis
dalam
memberikan
saran
dan
pengalamannya.
7.
Seluruh
St
taf
Dosen dan Staf
Pengajar
Fakultas Teknologi
Industri Universitas
Unive
ers
rsitas Atma Jaya
a Yogyakarta yang telah
membantu penulis
penulis selama masa kuliah
ah di Program Studi
Teknik
Informati
ika
Informatika
Fakultas
Teknol
ologi
Teknologi
Industri
Universitas
Univ
versitas
s Atma
Atm Jaya
Jay
aya
a Yogyakarta.
Y gy
Yo
gyak
akar
arta
a.
8.
Seluruh
Seluruh keluarga
kelu
luar
arga
g Papa, Mama, Mas
s Rio,
Rio
Ri
o, Mas Rio, Dek Esa,
Dek Lili,
Lili
Li
li, Debora
a sekeluarga
sekeluarga
k
dan keluarga
ga besar
besar terkasih
ter
e kasih
dan
yang
selalu
memberikan
ya
ang s
elal
lu mendoakan serta member
rik
i an dorongan,
doro
do
r ngan, dan
mo
moti
tivasi
si kepada penulis agar dapat menyelesaikan
menye
yelesa
aik
ikan
an kuliah
kul
liah
motivasi
9.
dengan
d
enga
an
baik.
Semua
Semu
mua
teman
dan
sahabat
angkatan
2012
201
0 2
Teknik
Te
k
Informatika
In
nformatika Atma Jaya Yogyakarta Willy, Pandhu,
Pandh
hu, Ganang,
Gana
Ga
nang,
Rika,
R
ika,
Reni,
Titi,
Deta,
Yoris,
Adit,
Tanta,
Tan
nta,
Ian,
Ian,
n,
anggota
a
nggota KKN SiDeKa, anggota KSM (Amoobee). Terima
Teri
ima kasih
kas
sih
h
sudah menjadi sahabat sekaligus keluarga yang baik
k dan
an
selalu
s
elalu
memberi
selama
a
penulis
pen
enul
ulis
is
dukungan
dan
masukkan
melaksanakan
mel
elak
aksanaka
kan
n studi
stud
st
udi
i S1
bagi
penulis
penuli
lis
s
di
di Universitas
Universi
ita
tas
s
Atma Jaya Yogyakarta.
10 Teman-teman
10.
disebutkan
di
disebutk
tkan
dan
pihak
lain
yang
tidak
mungkin
mung
mu
ngk
kin
satu
sat
atu
u per
per satu yang
yan
ang
g telah
tela
te
lah
h membantu
memban
antu
tu selama
sel
ela
ama
pengerjaan
pe
p
ngerjaan
an Tugas
Tugas Akhir
ir ini.
ini
ni.
Penulis
Pe
Penu
nuli
lis menyadari bahwa
bahwa skripsi ini masih
masi
ma
sih
h jauh
jauh dari
sempurna
karena
keterbatasan
keterb
batasan
waktu
waktu
dan
pengetahuan
yang
dimiliki penulis. Oleh karena itu
itu segala kritik dan saran
yang
bersifat
membangun
n
sangat
sang
gat
diharapkan.
Akhir
kata,
semoga skripsi ini dapat berguna
berg
guna dan bermanfaat bagi semua
pihak.
Yogyakarta,
April 2016
Penulis
iv
DAFTAR ISI
HALAMAN PENGESAHAN ................................. ii
Kata Pengantar .................................... iii
DAFTAR ISI ........
...............
.....................v
..........................................v
DAFTAR TABEL .
.........................
.............vii
......................................
vii
DAFTAR GAMBAR
GAM
AMBAR ........
...
...
....
. ....
................... viii
....................................
INTISA
ARI ......
...
...
.............
...
...
...
............
. ... xvii
INTISARI
.........................................
BAB
B 1 PENDAHULUAN
PEND
DAH
AHULUAN ..
.............
...........
............1
...................................1
1.1 Latar
Lat
atar
a
Belakang ......................
....
........
. .1
Belakang
...............................1
1.
.2 Rumusan
Rum
musan Masalah ....................
.....
...
.......4
1.2
...............................4
1.
1
3 Batasan
Batasan Masalah ......................
.....
....
....4
4
1.3
...............................4
1.
1.4
Tujuan....................................
.....5
Tujuan
........................................5
1
.5 Sistematika Penulisan .........................
.5
1.5
.........................5
BAB 2 TINJAUAN PUSTAKA DAN LANDASAN TEORI ......
.......7
7
............7
2.
2
1 Tinjauan Pustaka ........................
...
.....
.7
2.1
..............................7
2.2 Dasar
ar Teori
Teo
eori
ri ....
....
.........
......................
. 12
..................................
2.2.1. Data Mining ....
.........................
... 1
2
.............................
12
2.
2
2.2. Artificial Neuron Network (ANN) ...
2.
......
....15
2.2.2.
..........
15
2.2.
2 3. Temporal
Tem
mpo
pora
ral Data
ta Mining
Min
inin
ing ......
....
. ..........
....
.. 18
2.2.3.
.....................
2.
2.2
2.4
4. E
lectroenceph
le
p alogra
raphy (EEG
G) ........
......21
2.2.4.
Electroencephalography
(EEG)
.............
21
2.2.5. Principle Component
Co
omponent
t Analysis dan Independent
Component Analysis ........
....................... 23
..............................
BAB 3 METODOLOGI PENELI
ITIAN .
....................... 31
PENELITIAN
........................
3.1.
Data Electroencep
phal
lograph (EEG). ...........31
Electroencephalograph
........... 31
3.2.
Pemotongan Data (Da
Data Windowing) ............33
(Data
............ 33
3.3.
Ektraksi Parameter .......................... 34
3.4.
Klasifikasi Data ............................ 36
3.5.
Evaluasi ................................... 40
v
BAB 4 HASIL DAN PEMBAHASAN ......................... 42
4.1 Kelas Pada Data EEG (Raw Data) ................ 42
4.2 Pemotongan Data dan Ekstraksi Parameter ....... 44
4.3 Klasifikasi dan Hasil Klasifikasi ............. 88
BAB 5 KESIMPULAN D
AN SARAN ........
................. 152
DAN
........................
5.1.
Kesim
mpulan ................................ 152
Kesimpulan
5.2.
S
aran ........
...
...
. ..
...
....
............
.........153
Saran
.....................................
153
DAFTA
AR PUSTAKA
A ..
...
...................
...........
. ....154
DAFTAR
....................................
154
vi
DAFTAR TABEL
Tabel 4.1. Jumlah Segmen Hasil dari Pemotongan ........... 45
Tabel 4.2. Kelompok Data ................................ 89
Tabel 4.3. Hasil Eksperimen
Eksperi
rime
men Kelas
Kela
las
s Data 1 Pemotongan 1 detik
........................................................
...................
....................
.................... 91
Tabel 4.4. Hasil
Has
asil Eksperimen Kelas Data 1 Pemotongan
Pemo
Pe
m tongan 2 detik
..........
..............
.......................
............ 95
........................................................
Tabel 4.5.
4.5. Hasil
il Eksperimen
Eks
ksperi
ime
men
n Kelas
Kela
Ke
las Data
Da a 1 Pemotongan
Pemotonga
gan 5 detik
.....
........
.............................
........
. ......
...... 99
........................................................
Tabel
Ta
abel 4.6.
4.
.6. Hasil
Hasil Eksperimen
Eksperimen Kelas Data
a 1 Pemotongan
Pemo
m to
tong
ngan 10
0 detik
.......
.....................................
. ....
...
....
.....
. 102
.......................................................
Tabe
el 4.7.
4.7.
. Hasil Eksperimen Kelas Data 2 Pemotongan
Pemot
ton
o gan
n 2 detik
deti
ik
Tabel
...
..............................................
.....
...
... 106
10
06
.......................................................
Ta
Tabe
bel 4.8.
4.8. Hasil Eksperimen Kelas Data 2 Pemotongan
Pemotonga
an 2 detik
deti
de
t k
Tabel
.
....................................................
...
. 110
.......................................................
Tabel
l 4.9. Hasil Eksperimen Kelas Data 2 Pemotongan 5 detik
deti
ik
.....
...............................................
..... 114
4
.......................................................
Ta
abe
b l 4.10. Hasil Eksperimen Kelas Data 2 Pemotongan
n 10
10
Tabel
..................................................
detik
k ........
.............
. ..................
.............. 117
117
Tabel
Ta
T
bel 4.11. Hasil Eksperimen
en Kelas
Kelas Data 3 Pemotongan 1 detik
det
etik
ik
.......................................................
..
....................................................
...
. 121
121
Tabel
Ta
Tabe
bel
l 4.12.
4.12
12. Hasil
Hasil
il Eksperimen
Eksp
Ek
sper
erim
i en Kelas
Kel
elas
as Data
Dat
ata 3 Pemotongan
Pemotong
gan 2 detik
det
etik
.......................................................
...
..............
...
.........
.....
............
...
.............
....
. 125
Tabe
bel 4.13.
4.13
13. Hasil
Has
Ha
sil Eksperimen
Eksper
rim
i en Kelas
Kel
las Data 3 Pemotongan
Pemoto
Pe
ton
ngan
n 5 detik
Tabel
.......................................................
.........................
.......
......................... 128
Tabel 4.14. Hasil Eksperimen
Eksper
rimen Kelas
Kel
las Data 3 Pemotongan 10
..................................................
detik ...................
................................ 132
Tabel 4.15. Perbandingan Hasil
Hasi
il dengan Penelitian yang
Sebelumnya ........................................... 1327
vii
DAFTAR GAMBAR
Gambar 2.1. Arsitektur Multi Layer Precepton (Haselstainer &
Pfurtscheller, 2000). .................................................................................
....
................................................................................
Gambar 2.2. External
Exte
ernal Temporal Processing
g (Haselstainer &
Pfurtscheller,
r, 2000). .................................................................................
..................................................................................
Gambar 2.3.
2.3. Internal Temporal
Tem
empo
pora
r l Processing
Proc
Pr
oces
essi
s ng (Haselstainer
(Hasels
lstainer &
Pfurtscheller,
Pfurts
scheller, 2000).
200
000)
0). .................................................................................
...........................................
. .........................................
Gambar
Gam
mbar 2.4.
2.4
.4. Penempatan
P nempat
Pe
atan
an Elektrode dengan
den
enga
gan Sistem
Sist
tem Internasional
Interna
nasional
10-20.
(Song,
10
(So
Song, 2011)....................................................................................
2011)...........................................................
20
..............................
Gambar
Gamb
bar 2.5.
2.5.
. Parameter Skewness..............................................................
Skewness..................................................
.................
Gambar
Ga
ambar 2.6.
2.6. Parameter Kurtosis..............................................................
Kurtosis.................................................
....
...............
Gambar
Gamb
Ga
m ar
r
2.7. Tampilan Awal WEKA ...........................................................
..............................................................
Gambar
Gamba
ar 3.1. grafik data pada dataset Z segmen Z001..................
Gambar
Gamba
ar 3.2. grafik data pada dataset Z segmen Z001 pada
pada 1
detik
...................................................................................................
de k pertama
pertama...........................................................................................
.........
Gambar 3.3. Pengaturan
Peng
Pe
ngat
atur
uran
an Pembuatan
Pem
embuatan
an Jaringan
Jar
arin
inga
gan
n pada
pada Weka. .............
............
...
Gambar
Gambar 3.4. Hasil Jaringan yang
yan
a g Dibuat Menggunakan Weka.......
Weka
a........
Gambar
Gamb
Ga
mbar 4.1.
4.1
.1.
. Dataset
Data
Da
tase
set
t Z .................................................................................
..............................
.................
....
....
....
....
....
..................................
Gambar
Gamb
Ga
mbar
a 4.2. Dataset
Data
Da
taset O .................................................................................
...................................
....
. ..........
...........................................
Gambar
4.3.
ar 4
.3.
3 Dataset
Dataset N .................................................................................
..........
. .......................................................................
Gambar 4.4. Dataset F .................................................................................
..................................................................................
Gambar 4.5. Dataset S .................................................................................
..................................................................................
Gambar 4.6. Hasil ekstraksi
ekstraks
si parameter
pa
arameter mean pada dataset Z
dengan interval pemotongan 1 detik....................................................
Gambar 4.7. Hasil ekstraksi parameter mean pada dataset Z
dengan interval pemotongan 2 detik....................................................
Gambar 4.8. Hasil ekstraksi parameter mean pada dataset Z
dengan interval pemotongan 5 detik....................................................
viii
Gambar 4.9 Hasil ekstraksi parameter mean pada dataset Z
dengan interval pemotongan 10 detik. ................................................
Gambar 4.10. Hasil ekstraksi parameter standard deviation
pada dataset Z dengan interval pemotongan 1 detik...................
Gambar 4.11. Hasil ekstraksi
ekstr
trak
aksi
i parameter
par
aram
a eter standard deviation
pada dataset Z dengan
denga
gan interval pemotongan
pemot
ton
onga
g n 2 detik...................
Gambar 4.12. Hasil
Hasil ekstraksi parameter standard
stand
ndard deviation
pada dataset
datas
set Z dengan interval
interv
in
r al
a pemotongan
pemot
o ongan 5 detik...................
deti
de
t k...................
Gambar
r 4.13. Hasil
Has
asil
il ekstraksi
ekstr
rak
aksi
si parameter
par
aram
met
eter
er standard
sta
t ndard deviation
de
eviation
pada
a dataset
et Z dengan
den
engan interval pemotongan
pemotonga
gan 10 detik. ...............
................
Ga
Gambar
4.1
.14.
4. Hasil
Has
sil ekstraksi parameter skewness
ske
k wnes
ss pada
pa
dat
ataset
4.14.
dataset
Z dengan
de
eng
ngan
an interval
inter
erval pemotongan 1 detik.
detik...............
...........
........................
. ..
..............................................
Gamb
mba
ar 4.15.
4.1
15. Hasil ekstraksi parameter skewness
s pada
da dataset
dataset
e
Gambar
Z dengan
dengan
n interval pemotongan 2 detik.
detik.................................
...............
. ....
..............................................
Gambar
Ga
Gamb
m ar
r 4.16. Hasil ekstraksi parameter skewness pada
pa
ada dataset
dat
ataset
..............................................
Z dengan
deng
ngan interval pemotongan 5 detik.
detik...............................
.................
.
Gambar
Gamba
ar 4.17. Hasil ekstraksi parameter skewness pada
a dataset
datas
set
t
............................................
Z dengan
den
ngan interval pemotongan 10 detik.
detik........................................
......
Gambar
Gamb
bar 4.18. Hasil
Has
asil
il ekstraksi
eks
kstr
traksi parameter
param
amet
eter
r kurtosis
kur
urtosis pada
da dataset
datas
set
..............................................
Z dengan interval
int
terval
l pemotongan
pemo
oto
tong
ngan 1 detik.
det
etik
ik...............................................
4.19. Hasil ekstraksi
Ga
Gambar
i parameter kurtosis pada dataset
dat
atas
ase
et
..............................................
Z dengan
deng
de
ngan interval pemotongan 2 detik.
detik...............................
..............
. ....
Gambar
Ga
Gamb
m ar 4.20.
4.20
20. Hasil
Has
asil
il ekstraksi
ekstr
trak
aksi
si parameter
par
arameter
er kurtosis
kur
urt
tosi
sis
s pada dataset
dat
ataset
..............................................
Z dengan
deng
de
ngan
an interval
int
nter
erva
al pemotongan
pemo
oto
tongan
an 5 detik.
det
eti
ik.......
.............
. .......
......
.........
.................
Gambar 4.21. Hasil ekstraksi
ekstrak
aksi parameter
par
arameter kurtosis pada dataset
............................................
Z dengan interval pemotongan
pemoto
ongan 10 detik.
detik.............................................
Gambar 4.22. Hasil ekstraksi
ekstrak
a si parameter
par
rameter mean pada dataset O
dengan interval pemotongan
an 1 detik....................................................
de
etik....................................................
Gambar 4.23. Hasil ekstraksi
ekstraks
si parameter
parameter mean pada dataset O
dengan interval pemotongan 2 detik....................................................
Gambar 4.24. Hasil ekstraksi parameter mean pada dataset O
dengan interval pemotongan 5 detik....................................................
Gambar 4.25 Hasil ekstraksi parameter mean pada dataset O
dengan interval pemotongan 10 detik. ................................................
ix
Gambar 4.26. Hasil ekstraksi parameter standard deviation
pada dataset O dengan interval pemotongan 1 detik...................
Gambar 4.27. Hasil ekstraksi parameter standard deviation
pada dataset O dengan interval pemotongan 2 detik...................
Gambar 4.28. Hasil ekstraksi
ekstr
trak
aksi
i parameter
par
aram
a eter standard deviation
pada dataset O dengan
denga
gan interval pemotongan
pemot
ton
onga
g n 5 detik...................
Gambar 4.29. Hasil
Hasil ekstraksi parameter standard
stand
ndard deviation
pada dataset
datas
set O dengan interval
interv
in
r al
a pemotongan
pemot
o ongan 10 detik.
det
e ik. ...............
Gambar
r 4.30. Hasil
Has
asil
il ekstraksi
ekstr
rak
aksi
si parameter
par
aram
met
eter
er skewness
ske
k wness pada
pa
ada
d dataset
O dengan
de
engan interval
int
nterva
al pemotongan
pemotong
gan 1 detik.
detik.......
...............................
. ............
..............................................
Ga
Gambar
4.3
.31.
1. Hasil
Has
sil ekstraksi parameter skewness
ske
k wnes
ss pada
pa
dat
ataset
4.31.
dataset
O dengan
de
eng
ngan
an interval
inter
erval pemotongan 2 detik.
detik...............
...........
........................
. ..
..............................................
Gamb
mba
ar 4.32.
4.3
32. Hasil ekstraksi parameter skewness
s pada
da dataset
dataset
e
Gambar
O dengan
dengan
n interval pemotongan 5 detik.
detik.................................
...............
. ....
..............................................
Gambar
Ga
Gamb
m ar
r 4.33. Hasil ekstraksi parameter skewness pada
pa
ada dataset
dat
ataset
............................................
O dengan
deng
ngan interval pemotongan 10 detik.
detik.............................
.................
.
Gambar
Gamba
ar 4.34. Hasil ekstraksi parameter kurtosis pada
a dataset
datas
set
t
..............................................
O dengan
den
ngan interval pemotongan 1 detik.
detik..........................................
......
Gambar
Gamb
bar 4.35. Hasil
Has
asil
il ekstraksi
eks
kstr
traksi parameter
param
amet
eter
r kurtosis
kur
urtosis pada
da dataset
datas
set
..............................................
O dengan interval
int
terval
l pemotongan
pemo
oto
tong
ngan 2 detik.
det
etik
ik...............................................
4.36. Hasil ekstraksi
Ga
Gambar
i parameter kurtosis pada dataset
dat
atas
ase
et
..............................................
O dengan
deng
de
ngan interval pemotongan 5 detik.
detik...............................
..............
. ....
Gambar
Ga
Gamb
m ar 4.37.
4.37
37. Hasil
Has
asil
il ekstraksi
ekstr
trak
aksi
si parameter
par
arameter
er kurtosis
kur
urt
tosi
sis
s pada dataset
dat
ataset
............................................
O dengan
deng
de
ngan
an interval
int
nter
erva
al pemotongan
pemo
oto
tongan
an 10 detik.
det
de
tik.....
.............
. .......
......
.........
.................
Gambar 4.38. Hasil ekstraksi
ekstrak
aksi parameter
par
arameter mean pada dataset n
dengan interval pemotongan
pemotong
gan 1 detik....................................................
det
tik....................................................
Gambar 4.39. Hasil ekstraksi
ekstrak
a si parameter
par
rameter mean pada dataset n
dengan interval pemotongan
an 2 detik....................................................
de
etik....................................................
Gambar 4.40. Hasil ekstraksi
ekstraks
si parameter
parameter mean pada dataset n
dengan interval pemotongan 5 detik....................................................
Gambar 4.41. Hasil ekstraksi parameter mean pada dataset n
dengan interval pemotongan 10 detik. ................................................
Gambar 4.42. Hasil ekstraksi parameter standard deviation
pada dataset n dengan interval pemotongan 1 detik...................
x
Gambar 4.43. Hasil ekstraksi parameter standard deviation
pada dataset n dengan interval pemotongan 2 detik...................
Gambar 4.44. Hasil ekstraksi parameter standard deviation
pada dataset n dengan interval pemotongan 5 detik...................
Gambar 4.45. Hasil ekstraksi
ekstr
trak
aksi
i parameter
par
aram
a eter standard deviation
pada dataset n dengan
denga
gan interval pemotongan
pemot
ton
onga
g n 10 detik. ...............
Gambar 4.46. Hasil
Hasil ekstraksi parameter skewness
skewn
wness pada dataset
n dengan interval
interval pemotongan
pemoto
tong
gan
a 1 detik.
detik
i .....................
...........................
..............................................
Gambar
r 4.47. Hasil
Has
asil
il ekstraksi
ekstr
rak
aksi
si parameter
par
aram
met
eter
er skewness
ske
k wness pada
pa
ada
d dataset
n dengan
de
engan interval
int
nterva
al pemotongan
pemotong
gan 2 detik.
detik.......
...............................
. ............
..............................................
Ga
Gambar
4.4
.48.
8. Hasil
Has
sil ekstraksi parameter skewness
ske
k wnes
ss pada
pa
dat
ataset
4.48.
dataset
n dengan
de
eng
ngan
an interval
inter
erval pemotongan 5 detik.
detik...............
...........
........................
. ..
..............................................
Gamb
mba
ar 4.49.
4.4
49. Hasil ekstraksi parameter skewness
s pada
da dataset
dataset
e
Gambar
n dengan
dengan
n interval pemotongan 10 detik.
detik...............................
...............
. ....
............................................
Gambar
Ga
Gamb
m ar
r 4.50. Hasil ekstraksi parameter kurtosis pada
pa
ada dataset
dat
ataset
..............................................
n dengan
deng
ngan interval pemotongan 1 detik.
detik...............................
.................
.
Gambar
Gamba
ar 4.51. Hasil ekstraksi parameter kurtosis pada
a dataset
datas
set
t
..............................................
n dengan
den
ngan interval pemotongan 2 detik.
detik..........................................
......
Gambar
Gamb
bar 4.52. Hasil
Has
asil
il ekstraksi
eks
kstr
traksi parameter
param
amet
eter
r kurtosis
kur
urtosis pada
da dataset
datas
set
..............................................
n dengan interval
int
terval
l pemotongan
pemo
oto
tong
ngan 5 detik.
det
etik
ik...............................................
4.53. Hasil ekstraksi
Ga
Gambar
i parameter kurtosis pada dataset
dat
atas
ase
et
............................................
n dengan
deng
de
ngan interval pemotongan 10 detik.
detik.............................
..............
. ....
Gambar
Ga
Gamb
m ar 4.54.
4.54
54. Hasil
Has
asil
il ekstraksi
ekstr
trak
aksi
si parameter
par
arameter
er mean
mea
ean pada
pada dataset
datas
aset
et f
dengan
deng
de
ngan
an interval
int
nter
erva
val pemotongan
pemoto
pe
ong
ngan 1 detik....................................................
detik
ik..............
. ........
........
....
. .....
.......................
Gambar 4.55. Hasil ekstraksi
ekstrak
aksi parameter
par
arameter mean pada dataset f
dengan interval pemotongan
pemotong
gan 2 detik....................................................
det
tik....................................................
Gambar 4.56. Hasil ekstraksi
ekstrak
a si parameter
par
rameter mean pada dataset f
dengan interval pemotongan
an 5 detik....................................................
de
etik....................................................
mean pada dataset f
Gambar 4.57 Hasil ekstraksi
i parameter
pa
dengan interval pemotongan 10
10 detik. ................................................
Gambar 4.58. Hasil ekstraksi parameter standard deviation
pada dataset f dengan interval pemotongan 1 detik...................
Gambar 4.59. Hasil ekstraksi parameter standard deviation
pada dataset f dengan interval pemotongan 2 detik...................
xi
Gambar 4.60. Hasil ekstraksi parameter standard deviation
pada dataset f dengan interval pemotongan 5 detik...................
Gambar 4.61. Hasil ekstraksi parameter standard deviation
pada dataset f dengan interval pemotongan 10 detik. ...............
ekstr
trak
aksi
i parameter
par
aram
a eter skewness pada dataset
Gambar 4.62. Hasil ekstraksi
pe
detik
k...
. ............................................
f dengan interval pemotongan
1 detik.
..............................................
Hasil ekstraksi parameter skewness
skewn
wness pada dataset
Gambar 4.63. Hasil
interval pemotongan
pemoto
tong
gan
a 2 detik.
detik
i .....................
...........................
f dengan interval
..............................................
r 4.64. Hasil
Has
asil
il ekstraksi
ekstr
rak
aksi
si parameter
par
aram
met
eter
er skewness
ske
k wness pada
pa
ada
d dataset
Gambar
de
engan interval
int
nterva
al pemotongan
pemotong
gan 5 detik.
detik.......
...............................
. ............
f dengan
..............................................
Ga
4.6
.65.
5. Hasil
Has
sil ekstraksi parameter skewness
ske
k wnes
ss pada
pa
dat
ataset
Gambar
4.65.
dataset
de
eng
ngan
an interval
inter
erval pemotongan 10 detik.
detik.............
...........
........................
. ..
f dengan
............................................
Gamb
mba
ar 4.66.
4.6
66. Hasil ekstraksi parameter kurtosis
s pada
da dataset
dataset
e
Gambar
dengan
n interval pemotongan 1 detik.
detik.................................
...............
. ....
f dengan
..............................................
Gambar
Gamb
Ga
m ar
r 4.67. Hasil ekstraksi parameter kurtosis pada
pa
ada dataset
dat
ataset
f dengan
..............................................
deng
ngan interval pemotongan 2 detik.
detik...............................
.................
.
Gambar
Gamba
ar 4.68. Hasil ekstraksi parameter kurtosis pada
da dataset
datas
set
t
f dengan
..............................................
den
ngan interval pemotongan 5 detik.
detik..........................................
......
Gambar
Gamb
bar 4.69. Hasil
Has
asil
il ekstraksi
eks
kstr
traksi parameter
param
amet
eter
r kurtosis
kur
urtosis pada
da dataset
datas
set
f dengan interval
............................................
int
terval
l pemotongan
pemo
oto
tong
ngan 10
10 detik.
deti
de
tik
k..........................................
....
Gambar
4.70. Hasil ekstraksi
Ga
i parameter mean pada dataset
et s
dengan
deng
de
gan interval pemotongan 1 detik....................................................
detik.....................................
....................
Gambar
Gamb
Ga
m ar 4.71.
4.71
71. Hasil
Has
asil
il ekstraksi
ekstr
trak
aksi
si parameter
par
arameter
er mean
mea
ean pada
pada dataset
datas
aset
et s
dengan
deng
de
ngan
an interval
int
nter
erva
val pemotongan
pemoto
pe
ong
ngan 2 detik....................................................
detik
ik..............
. ........
........
....
. .....
.......................
Gambar 4.72. Hasil ekstraksi
ekstrak
aksi parameter
par
arameter mean pada dataset s
dengan interval pemotongan
pemotong
gan 5 detik....................................................
det
tik....................................................
Gambar 4.73 Hasil ekstraksi
ekstraks
k i parameter
para
ameter mean pada dataset s
dengan interval pemotongan
an 10 detik.
detik. ................................................
Gambar 4.74. Hasil ekstraksi
ekstraks
si parameter
parameter standard deviation
pada dataset s dengan interval
interv
val pemotongan 1 detik...................
Gambar 4.75. Hasil ekstraksi parameter standard deviation
pada dataset s dengan interval pemotongan 2 detik...................
Gambar 4.76. Hasil ekstraksi parameter standard deviation
pada dataset s dengan interval pemotongan 5 detik...................
xii
Gambar 4.77. Hasil ekstraksi parameter standard deviation
pada dataset s dengan interval pemotongan 10 detik. ...............
Gambar 4.78. Hasil ekstraksi parameter skewness pada dataset
s dengan interval pemotongan 1 detik. ..............................................
Gambar 4.79. Hasil ekstraksi
ekstr
trak
aksi
i parameter
par
aram
a eter skewness pada dataset
s dengan interval pemotongan
pe
detik
k...
. ............................................
2 detik.
..............................................
Gambar 4.80. Hasil
Hasil ekstraksi parameter skewness
skewn
wness pada dataset
s dengan interval
interval pemotongan
pemoto
tong
gan
a 5 detik.
detik
i .....................
...........................
..............................................
Gambar
r 4.81. Hasil
Has
asil
il ekstraksi
ekstr
rak
aksi
si parameter
par
aram
met
eter
er skewness
ske
k wness pada
pa
ada
d dataset
s dengan
de
engan interval
int
nterva
al pemotongan
pemotong
gan 10 detik.
detik.....
...............................
. ............
............................................
Ga
Gambar
4.8
.82.
2. Hasil
Has
sil ekstraksi parameter kurtosis
kur
u tosi
is pada
pa
dat
ataset
4.82.
dataset
s dengan
de
eng
ngan
an interval
inter
erval pemotongan 1 detik.
detik...............
...........
........................
. ..
..............................................
Gamb
mba
ar 4.83.
4.8
83. Hasil ekstraksi parameter kurtosis
s pada
da dataset
dataset
e
Gambar
s dengan
dengan
n interval pemotongan 2 detik.
detik.................................
...............
. ....
..............................................
Gambar
Ga
Gamb
m ar
r 4.84. Hasil ekstraksi parameter kurtosis pada
pa
ada dataset
dat
ataset
..............................................
s dengan
deng
ngan interval pemotongan 5 detik.
detik...............................
.................
.
Gambar
Gamba
ar 4.85. Hasil ekstraksi parameter kurtosis pada
a dataset
datas
set
t
............................................
s dengan
den
ngan interval pemotongan 10 detik.
detik........................................
......
Gambar
Gamb
bar 4.86. Grafik
Gra
rafi
fik
k Perbandingan
Perb
Pe
rbandingan Nilai
Nil
ilai
ai Learning
Lea
earning Rate
te dan
Pelatihan.........................................
Kombinasi Node
N de Terhadap
No
Terh
hada
dap
p Waktu
Wa
Pela
Pe
lati
tih
han..........................................
4.87. Grafik Perbandingan
Ga
Gambar
Perbandi
ingan Nilai Learning Rate dan
dan
Kombinasi
..................................................................
Komb
Ko
mbin
inasi Node Terhadap MAE.
MAE...................................................
..............
. ....
Gambar
G
ambar 4.88.
am
4.88
88. Grafik
Graf
Gr
afik
ik Perbandingan
Perba
band
ndin
inga
gan
n Nilai
Nila
l i Learning
Learni
Le
ning
ng Rate
Rate dan
dan
Kombinasi
Ko
omb
mbin
inas
asi
i Node
Node Terhadap
Ter
erh
hada
ap Akurasi.
Akur
ura
asi...........................................................
...................
. ........
........
....
. .....
.......................
Gambar 4.89.Grafik Perbandingan
Perband
ndingan
n Nilai Learning Rate dan
Kombinasi Node Terhadap Waktu Pelatihan.........................................
Pe
elatihan.........................................
Gambar 4.90. Grafik Perbandingan
Perban
a dingan
n Nilai Learning Rate dan
..................................................................
Kombinasi Node Terhadap MAE.
MAE...................................................................
MA
................................................................................................................................
............................................................
......................................................................
Gambar 4.91. Grafik Perbandingan Nilai Learning Rate dan
Kombinasi Node Terhadap Akurasi. .........................................................
Tabel 4.5. Hasil Eksperimen Kelas Data 1 Pemotongan 5 detik
................................................................................................................................
xiii
Gambar 4.92. Grafik Perbandingan Nilai Learning Rate dan
Kombinasi Node Terhadap Waktu pelatihan.......................................
Gambar 4.93. Grafik Perbandingan Nilai Learning Rate dan
Kombinasi Node Terhadap MAE.................................................................
Gambar 4.94. Grafik Perbandingan
Perb
rban
andi
dingan
an Nilai Learning Rate dan
Kombinasi Node Terhadap
Terha
had
dap Akurasi.
Akurasi.............
............................................
.......................................................
Gambar 4.95. Grafik
Grafik Perbandingan Nilai Learning
Learn
rning Rate dan
Kombinasi Node
Node Terhadap
p Akurasi.
Akur
u as
a i.......
............................
. .......................
.......................................................
Gambar
r 4.96. Grafik
Gra
rafi
fik
k Perbandingan
Perb
ban
ndi
ding
ngan
an Nilai
Nil
ilai
ai Learning
Learning Rate
Ra
ate
t dan
Komb
binasi Node
No
Ter
erhadap Akurasi.
Akurasi.................
..........................................
Kombinasi
Terhadap
.......................................................
Ga
Gambar
4.9
.97.
7. Grafik
Gra
afi
fik Perbandingan Nilai Learning
Lea
e rnin
ng Rate
Ra
an
4.97.
dan
Komb
bin
nas
asi
i Node
de Terhadap Akurasi.
Akurasi...........................
. .................................
Kombinasi
.......................................................
Gamb
mba
ar 4.98.
4.9
98. Grafik Perbandingan Nilai Learning
g Rate
te dan
dan
Gambar
Ko
ombinas
si Node Terhadap Waktu Pelatihan.......................................
Pelatihan...........................
...............
. ..
Kombinasi
Gambar
Ga
Gamb
m ar
r 4.99. Grafik Perbandingan Nilai Learning Rate
Ra
ate dan
dan
Kombinasi
................................................................
Kombin
Ko
nasi Node Terhadap MAE.
MAE...................................................
...............
.
Gambar
Gamba
ar 4.100. Grafik Perbandingan Nilai Learning Rate
Rat
te dan
Kombinasi
.......................................................
K
Ko
mbi
inasi Node Terhadap Akurasi.
Akurasi.....................................................
....
Gambar
Rate
Gamb
bar 4.101. Grafik
Graf
Gr
afik
ik Perbandingan
Per
erbandingan
n Nilai
Nila
Ni
lai
i Learning
Le
Ra
ate dan
Pelatihan.......................................
Kombinasi Node
N de Terhadap
No
Terh
hada
dap
p Waktu
Wa
Pela
Pe
lati
tih
han........................................
4.102. Grafik Perbandingan
Ga
Gambar
Perband
din
i gan Nilai Learning Rate dan
dan
Kombinasi
................................................................
Komb
Ko
mbin
inasi Node Terhadap MAE.
MAE...................................................
..............
. ..
Gambar
Ga
Gamb
m ar 4.103.
4.103
103. Grafik
Graf
Gr
afik
ik Perbandingan
Per
rba
band
ndin
inga
gan
n Nilai
Ni
ila
lai
i Learning
Learni
Le
ning
ng Rate
Rate
e dan
da
Kombinasi
Ko
omb
mbin
inas
asi
i Node
Node Terhadap
Ter
erh
hada
ap Akurasi.
Akur
ura
asi.........................................................
...................
. ........
........
....
. .....
.....................
Gambar 4.104. Grafik Perbandingan
Perba
bandinga
gan Nilai Learning Rate dan
Kombinasi Node Terhadap Waktu Pelatihan.......................................
Pe
elatihan.......................................
Gambar 4.105. Grafik Perbandingan
Perba
b ndinga
an Nilai Learning Rate dan
................................................................
Kombinasi Node Terhadap MAE.
MAE.................................................................
MA
Gambar 4.106. Grafik Perbandingan
Perban
ndin
ingan Nilai Learning Rate dan
.......................................................
Kombinasi Node Terhadap Akurasi.
Akur
rasi........................................................
Gambar 4.107. Grafik Perbandingan Nilai Learning Rate dan
Kombinasi Node Terhadap Waktu Pelatihan.......................................
Gambar 4.108. Grafik Perbandingan Nilai Learning Rate dan
Kombinasi Node Terhadap MAE.................................................................
xiv
Gambar 4.109. Grafik Perbandingan Nilai Learning Rate dan
Kombinasi Node Terhadap Akurasi. .......................................................
Gambar 4.110. Grafik Perbandingan Nilai Learning Rate dan
Kombinasi Node Terhadap Waktu Pelatihan.......................................
Per
erba
bandi
dinga
gan
n Nilai Learning Rate dan
Gambar 4.111. Grafik Perbandingan
Terha
had
dap MAE.
MAE.......................
. ..........................................
Kombinasi Node Terhadap
................................................................
. Grafik Perbandingan Nilai Learning
Lear
arning Rate dan
Gambar 4.112.
Node Terhadap
p Akurasi.
Akur
u as
a i.......
............................
. .......................
Kombinasi Node
.......................................................
r 4.113. Grafik
Graf
Gr
afik
ik Perbandingan
Per
rba
band
ndin
inga
gan Nilai
Nila
Ni
lai
i Learning
L arning Rate
Le
Rat
a e dan
Gambar
Komb
binasi Node
No
Ter
erhadap Waktu Pelatihan.......................................
Pelatihan.
n..............................
. ..........
Kombinasi
Terhadap
Ga
4.1
.114
14. Grafik
Gr
raf
afik Perbandingan Nilai
i Learning
L arni
Le
ing Rate
Rate dan
da
Gambar
4.114.
Komb
bin
nas
asi
i Node
de Terhadap MAE.
MAE...................................
...........
........................
.
Kombinasi
................................................................
Gamb
mba
ar 4.115.
4.1
115. Grafik Perbandingan Nilai Learning
n Rate
Rat
ate
e dan
Gambar
Ko
ombinas
si Node Terhadap Akurasi.
Akurasi...........................................
...
...........
.....
Kombinasi
.......................................................
Gambar
Gamb
Ga
m ar
r 4.116. Grafik Perbandingan Nilai Learning Rate
Rate dan
da
Kombinasi
Kombin
Ko
nasi Node Terhadap Waktu Pelatihan.......................................
Pelatihan........................................
.
Gambar
Gamba
ar 4.117. Grafik Perbandingan Nilai Learning Rate
Rat
te dan
Kombinasi
................................................................
K mbi
Ko
inasi Node Terhadap MAE.
MAE..............................................................
....
Gambar
Rate
Gamb
bar 4.118. Grafik
Graf
Gr
afik
ik Perbandingan
Per
erbandingan
n Nilai
Nila
Ni
lai
i Learning
Le
Rat
ate dan
Kombinasi Node
.......................................................
N de Terhadap
No
Terh
hada
dap
p Akurasi.
Akuras
Ak
si.
i........................................................
Gambar
4.119. Grafik Perbandingan
Ga
Perband
din
i gan Nilai Learning Rate dan
dan
Kombinasi
Komb
Ko
mbin
inasi Node Terhadap Waktu Pelatihan.......................................
Pelatihan.......................................
. ..
Gambar
Gamb
Ga
m ar 4.120.
4.120
120. Grafik
Graf
Gr
afik
ik Perbandingan
Per
rba
band
ndin
inga
gan
n Nilai
Ni
ila
lai
i Learning
Learni
Le
ning
ng Rate
Rate
e dan
da
Kombinasi
Ko
omb
mbin
inas
asi
i Node
Node Terhadap
Ter
erh
hada
ap MAE.
E ................................................................
...........................
.............
. .......
......
.........
...............
Gambar 4.121. Grafik Perbandingan
Perba
bandinga
gan Nilai Learning Rate dan
Kombinasi Node Terhadap Akurasi.
.......................................................
Akurasi........................................................
Gambar 4.122. Grafik Perbandingan
Perba
b ndinga
an Akurasi, MAE, dan Waktu
Pelatihan di Setiap Pemotongan
Pemoto
tongan Waktu pada Kelas Data 1.......
Gambar 4.123. Confusion Matrix
Mat
trix
ix dari Jaringan dengan Learning
Rate 0,2 dengan Kombinasi Hidden
Hi
idden Layer 10 dan 15 pada Kelas
Data 1 dengan pemotongan 2 detik......................................................
Gambar 4.124. Grafik Perbandingan Akurasi, MAE, dan Waktu
Pelatihan di Setiap Pemotongan Waktu pada Kelas Data 2......
xv
Gambar 4.125. Confusion Matrix dari Jaringan dengan Learning
Rate 0.1 dengan Kombinasi Hidden Layer 15 dan 5 pada Kelas
Data 2 dengan pemotongan 10 detik. ...................................................
Gambar 4.126. Grafik Perbandingan Akurasi, MAE, dan Waktu
Pelatihan di Setiap Pemotongan Waktu pada Kelas Data 3......
dengan Learning
Gambar 4.127. Confusion
Confus
usi
ion Matrix dari Jaringan
Ja
Rate 0,3 dengan
n Kombinasi
Kombinasi Hidden Layer 15
15 dan 15 pada Kelas
Data 3 dengan
denga
an pemotongan
an 5 detik.
detik.........................
..............................
.....................................................
Gambar 4.133.
4.133. Grafik
G af
Gr
afik
i Optimal
Opt
ptim
imal
a Akurasi
Aku
kura
rasi
si (kiri)
(kiri) dan MAE(kanan)
M E(kanan)
MA
pada Kelompok
Kelompok Data
Data 1.
1. ...............................................................................
............................................
...........................
. .............
Ga
ambar 4.134.
4.1
.134
34. Grafik
ik Optimal
Optimal Akurasi
si (kiri)
(kiri) dan
dan MAE(kanan)
MAE(ka
kanan)
Gambar
p
ada Kelompok
Kel
elom
ompo
p k Data
Da
...................................................................................
pada
2. ...............................................................................
Gamb
bar 4.135.
4.135
35. Grafik Optimal Akurasi (kiri) dan
da MAE(kanan)
MAE(
MA
E(ka
kanan)
)
Gambar
pada
da Kelompok
Kelo
ompok Data 3. ...............................................................................
.....................................................................
....
. ..
.........
xvi
Penggunaan Temporal Data Mining pada Data
Electroencephalography (EEG) untuk Klasifikasi Penyakit
Epilepsi dengan Backpropagation
INTISARI
Stephanus
Deo Aquino
(12
07 07091)
p
q
(
)
Electroencep
pha
halography (EEG) adalah
adalah sebuah teknik
Electroencephalography
pemeriksaan menggunakan
me
enggunakan alat elektromedis
elektrome
edi
d s yang digunakan
untuk merekam
mereka
kam
m aktivitas
aktivita
as listrik dari otak
ota
ak manusia. Salah
kegunaannya
satu kegun
naannya dari EEG
EEG adalah
ad
dalah untuk
untuk mendeteksi
mende
dete
t ksi penyakit
epilepsi
i yang ada pada
p da manusia.
pa
man
anus
usia
ia. Proses
Pros
Pr
oses
e penggalian
penggalia
ian informasi
untuk mengetahui
ui hasil
hasil pada
pad
ada data
dat EEG
EEG membutuhkan
membutuhkan
n perhatian
pada
a unsur waktu
tu yang
yang terkandung dalam
dal
lam data
a agar informasi
informasi
didapatkan
dida
dapatkan
an secara
sec
e ara maksimal.
ma
aks
ksi
imal.
Pada
penelitian
ini,
dibahas
bagaimana
cara
Pa
ada
penel
eli
itian
dibah
has
bag
agai
aimana
menggunakan
m
eng
ggu
una
naka
kan Temporal
Tem
Te
mporal Data Mining untuk melakukan
mel
elak
a uk
kan klasifikasi
kla
asifi
ikasi
penyakit
peny
yak
akit
it epilepsi
epi
pilepsi berdasarkan data hasil perekaman
per
rek
e aman
an EEG
EEG serta
ser
erta
bagaimana
menganalisis
hasil
klasifikasi
menggunakan
baga
gaim
ima
ana
i
men
engg
ggunak
kan
Backpropagation.
Back
ckpr
prop
pagation. Ekstraksi parameter yang digunakan
digu
unaka
an adalah
adala
ah
mean,
deviasi, variance, skewness dan kurtosis
me
ean
an, standard
st
kur
u to
tosi
sis
s yang
g
akan
ak
an digunakan
digunakan sebagai inputan kedalam jaringan.
. Parameter
Par
aram
amet
e er
r
yang digunakan
ya
digunakan adalah parameter yang terdapat pada
a Principle
Pri
rinc
cip
i le
Component
Compon
Co
onent Analysis (PCA) dan Independent Component
t Analysis
Ana
naly
lysi
is
(ICA).
(ICA)
). Dalam penelitian ini dilakukan digunakan
digunaka
an metode
meto
ode
Eksternal
memotong
Ekste
ernal Temporal Data Mining dengan cara
memot
tong data
data
a
kedalam
kedal
lam 1 detik, 2 detik, 5 detik, dan 10 detik.
waktu
yang
terkandung
dalam
data
sangat
Unsur
a
sanga
gat
t
berpengaruh
berp
rpe
engaruh dalam
dala
lam
m tingkat
ting
ti
ngkat keberhasilan
keberh
rhas
asil
ilan
an klasifikasi.
klasifika
asi
si. Dari
Da
ari
hasil penelitian
pene
eli
liti
tian
an ini,
ini
ni,
, diketahui
dike
di
k tahu
hui bahwa
bahw
ba
hwa
a semakin
sema
se
maki
kin besar waktu
wa
akt
ktu
u
pemotongan maka akan semakin
sem
emak
a in baik kualitas data. Hasil
Has
asil
il
klasifikasi
k
lasifikasi memberikan akurasi
akura
rasi terbaik sebesar 100% dalam
dala
da
lam
menangani
m
me
nangani kondisi epilepsi saat kejang dan kondisi
na
i sehat,
seh
ehat
at,
86,4979%
86,4
86
,497
979%
9% dalam
dal
a am
a menangani
men
enan
anga
gani kondisi sehat,
seh
ehat
at,
, epilepsi
epilep
ep
epsi
si kejang
kej
ejan
ang
g dan
dan
epilepsi
epil
ep
ilep
epsi
si tidak
tid
idak
ak kejang,
kej
ejan
ang,
g, serta
ser
rta 65,1477%
65,
5,14
1477
77%
% dalam
dala
da
lam
m menangani
mena
me
nang
ngani
kondisi
kond
ko
ndisi sehat,
t, kondisi
kondisi epilepsi
epi
pile
lep
psi kejang,
keja
jang
ng,
, kondisi epilepsi
epil
ep
ilepsi
tidak
ti
ida
dak
k kejang,
keja
ke
jang
ng, dan
dan kondisi
kond
dis
isi pada
pad
da saat
sa
aat pembentukan
pemb
mben
e tu
tuka
kan
n hippocampus.
hipp
hi
ppoc
campus.
Kata Kunci: Temporal Data
Da
ata Mining,
Minin
i g, Klssifikasi , Epilepsi,
Electrocephalography, Backpropagation.
Ba
ackpropag
gation.
Dosen Pembimbing 1: Ir. A. Djoko
Djok
ko Budiyanto, M.Eng., Ph.D.
Dosen Pembimbing 2: Dra. Ernawati,
Er
rna
awati, M.T.
xvii
ELECTROENCEPHALOGRAPHY (EEG) UNTUK KLASIFIKASI PENYAKIT
EPILEPSI DENGAN BACKPROPAGATION
TUGAS AKHIR
Diajukan untuk Memenuhi Sebagian Persyaratan Mencapai
Derajat Sarjana Teknik Informatika
Disusun oleh :
Stephanus Deo Aquino
12 07 07091
PROGRAM STUDI TEKNIK INFORMATIKA
FAKULTAS TEKNOLOGI INDUSTRI
UNIVERSITAS ATMA JAYA YOGYAKARTA
2016
i
HALAMAN PENGESAHAN
PENGGUNAAN TEMPORAL DATA MINING PADA DATA
ELECTROENCEPHALOGRAPHY (EEG) UNTUK KLASIFIKASI PENYAKIT
EPILEPSI DENGAN BACKPROPAGATION
Laporan
ini telah diperiksa dan disetujui
pada tanggal
__
____________
_____
Oleh:
Dosen Pembimbing 1
Dosen Pembimbing 2
Ir. Djoko Budiyanto, M.Eng
Dra. Ernawati, M.T.
ii
Kata Pengantar
Puji
syukur
kepada
Tuhan
atas
semua
karunia
dan
berkat-Nya yang telah dilimpahkan kepada penulis sehingga
penulis
baik.
dapat
Tugas
mahasiswa
menyelesaikan
akhir
Program
Progra
am
laporan
merupakan
meru
rup
pak
kan
Studi
tugas
tu
skripsi ini dengan
yang
Teknik
diwajibkan
Informatika
I formatika
In
pada
Fakultas
Industri
setelah
Teknologi Indu
dustri Universitas Atma Jaya Yogyakarta
Yo
lulus
mata
ta
kuliah
teori,
teor
o i,
praktikum,
prakti
pr
iku
k m,
dan
kerja
ke
praktek.
Tujuan dari
dari pembuatan
pemb
m ua
uata
t n skripsi
skri
sk
rips
psi
i ini
in
ni adalah
adal
ad
alah
a sebagai
i salah satu
syarat
syar
rat untuk
untu
uk
mencapai
men
enca
capai
derajat sarjana
sarja
jana
na Teknik
Tek
knik Informatika
Inf
formatika
dari
Program
da
ari Prog
ogra
ram
m Studi
i Teknik
Teknik Informatika
Informatik
ika
a
Industri
I
ndust
tri
Fakultas
Fakul
ulta
tas
s
Teknologi
Tek
kno
n logi
Universitas
Univ
versitas Atma Jaya Yogyakarta.
Yogyakarta
a.
Penulis
Pe
Penuli
lis
menyadari
bahwa
dalam
pembuatan
pembu
b atan
an
skripsi
skrip
psi
tidak
ini
i t
ida
ak terlepas dari bantuan berbagai pihak
ak yang
yan
ang
g telah
tela
ah
menyumbangkan
me
meny
nyumba
bangkan pikiran, tenaga, dukungan, bimbingan,
bimbinga
an, dan
dan doa
a
ke
kepada
a penulis baik secara langsung maupun tidak langsung.
lan
ngs
gsun
u g.
Oleh sebab itu, penulis mengucapkan terimakasih kepada
kep
pada :
1.
Tuhan
Tuhan
Yesus Kristus
arahan
dan
harapan,
yang
telah memberikan petunjuk,
petunju
uk,
,
serta
melimpahkan
karunia
karu
unia
dan
n
berkat-Nya
b
erkat-Nya kepada
kepa
ke
pada
da penulis.
penulis.
2.
Bapak
Dr. A.
Teguh
uh Siswantoro
Siswa
want
ntoro selaku Dekan
Fakultas
Fakult
ltas
as
Teknologi Industri Universitas
Unive
versitas Atma Jaya Yogyakarta.
Yogyakarta
a.
3.
Bapak
Ba
Bapa
p k B. Yudi Dwiandiyanta, S.T., M.T., selaku
sela
lak
ku Ketua
Ket
etua
Program
Pr
Prog
ogra
ram
m
Studi
Stud
St
udi
i
Industri
In
Industr
tri
i
4.
Teknik
Tekn
Te
knik
ik
Universitas
Un
niv
iver
rsi
sitas
Informatika
Inf
nfor
orma
mati
tika
ka
Atma
a
Fakultas
Fak
akul
ulta
tas
s
Teknologi
Tekn
Te
knol
ologi
Jaya
Jaya Yogyakarta.
Yog
ogya
yakart
ta.
Dr Ir. Djoko
o Budiyanto,
Budiy
yanto, M.Eng.,
Bapak
Bapa
Ba
pak
k Dr.
selaku
se
sela
laku Dosen
Pembimbing I yang telah
telah meluangkan
me
eluangkan waktu dan pikiran
untuk memberi bimbingan,
bimbin
ngan, petunjuk
pet
tunjuk dan pengarahan kepada
penulis sehingga skripsi
skr
ripsi ini
ini dapat diselesaikan dengan
baik.
5.
Ibu
Dra. Ernawati, M.T.,
M.T
.T.,
selaku Dosen Pembimbing II
yang telah
waktu
pikiran
untuk
t l h meluangkan
l
k
kt dan
d
iki
t k memberi
b i
bimbingan,
petunjuk
dan
pengarahan
kepada
penulis
sehingga skripsi ini dapat diselesaikan dengan baik.
iii
6.
Teman-teman
Research
Group
Data
Engineering
and
Information System Universitas Atmajaya Yogyakarta yang
telah
membantu
penulis
dalam
memberikan
saran
dan
pengalamannya.
7.
Seluruh
St
taf
Dosen dan Staf
Pengajar
Fakultas Teknologi
Industri Universitas
Unive
ers
rsitas Atma Jaya
a Yogyakarta yang telah
membantu penulis
penulis selama masa kuliah
ah di Program Studi
Teknik
Informati
ika
Informatika
Fakultas
Teknol
ologi
Teknologi
Industri
Universitas
Univ
versitas
s Atma
Atm Jaya
Jay
aya
a Yogyakarta.
Y gy
Yo
gyak
akar
arta
a.
8.
Seluruh
Seluruh keluarga
kelu
luar
arga
g Papa, Mama, Mas
s Rio,
Rio
Ri
o, Mas Rio, Dek Esa,
Dek Lili,
Lili
Li
li, Debora
a sekeluarga
sekeluarga
k
dan keluarga
ga besar
besar terkasih
ter
e kasih
dan
yang
selalu
memberikan
ya
ang s
elal
lu mendoakan serta member
rik
i an dorongan,
doro
do
r ngan, dan
mo
moti
tivasi
si kepada penulis agar dapat menyelesaikan
menye
yelesa
aik
ikan
an kuliah
kul
liah
motivasi
9.
dengan
d
enga
an
baik.
Semua
Semu
mua
teman
dan
sahabat
angkatan
2012
201
0 2
Teknik
Te
k
Informatika
In
nformatika Atma Jaya Yogyakarta Willy, Pandhu,
Pandh
hu, Ganang,
Gana
Ga
nang,
Rika,
R
ika,
Reni,
Titi,
Deta,
Yoris,
Adit,
Tanta,
Tan
nta,
Ian,
Ian,
n,
anggota
a
nggota KKN SiDeKa, anggota KSM (Amoobee). Terima
Teri
ima kasih
kas
sih
h
sudah menjadi sahabat sekaligus keluarga yang baik
k dan
an
selalu
s
elalu
memberi
selama
a
penulis
pen
enul
ulis
is
dukungan
dan
masukkan
melaksanakan
mel
elak
aksanaka
kan
n studi
stud
st
udi
i S1
bagi
penulis
penuli
lis
s
di
di Universitas
Universi
ita
tas
s
Atma Jaya Yogyakarta.
10 Teman-teman
10.
disebutkan
di
disebutk
tkan
dan
pihak
lain
yang
tidak
mungkin
mung
mu
ngk
kin
satu
sat
atu
u per
per satu yang
yan
ang
g telah
tela
te
lah
h membantu
memban
antu
tu selama
sel
ela
ama
pengerjaan
pe
p
ngerjaan
an Tugas
Tugas Akhir
ir ini.
ini
ni.
Penulis
Pe
Penu
nuli
lis menyadari bahwa
bahwa skripsi ini masih
masi
ma
sih
h jauh
jauh dari
sempurna
karena
keterbatasan
keterb
batasan
waktu
waktu
dan
pengetahuan
yang
dimiliki penulis. Oleh karena itu
itu segala kritik dan saran
yang
bersifat
membangun
n
sangat
sang
gat
diharapkan.
Akhir
kata,
semoga skripsi ini dapat berguna
berg
guna dan bermanfaat bagi semua
pihak.
Yogyakarta,
April 2016
Penulis
iv
DAFTAR ISI
HALAMAN PENGESAHAN ................................. ii
Kata Pengantar .................................... iii
DAFTAR ISI ........
...............
.....................v
..........................................v
DAFTAR TABEL .
.........................
.............vii
......................................
vii
DAFTAR GAMBAR
GAM
AMBAR ........
...
...
....
. ....
................... viii
....................................
INTISA
ARI ......
...
...
.............
...
...
...
............
. ... xvii
INTISARI
.........................................
BAB
B 1 PENDAHULUAN
PEND
DAH
AHULUAN ..
.............
...........
............1
...................................1
1.1 Latar
Lat
atar
a
Belakang ......................
....
........
. .1
Belakang
...............................1
1.
.2 Rumusan
Rum
musan Masalah ....................
.....
...
.......4
1.2
...............................4
1.
1
3 Batasan
Batasan Masalah ......................
.....
....
....4
4
1.3
...............................4
1.
1.4
Tujuan....................................
.....5
Tujuan
........................................5
1
.5 Sistematika Penulisan .........................
.5
1.5
.........................5
BAB 2 TINJAUAN PUSTAKA DAN LANDASAN TEORI ......
.......7
7
............7
2.
2
1 Tinjauan Pustaka ........................
...
.....
.7
2.1
..............................7
2.2 Dasar
ar Teori
Teo
eori
ri ....
....
.........
......................
. 12
..................................
2.2.1. Data Mining ....
.........................
... 1
2
.............................
12
2.
2
2.2. Artificial Neuron Network (ANN) ...
2.
......
....15
2.2.2.
..........
15
2.2.
2 3. Temporal
Tem
mpo
pora
ral Data
ta Mining
Min
inin
ing ......
....
. ..........
....
.. 18
2.2.3.
.....................
2.
2.2
2.4
4. E
lectroenceph
le
p alogra
raphy (EEG
G) ........
......21
2.2.4.
Electroencephalography
(EEG)
.............
21
2.2.5. Principle Component
Co
omponent
t Analysis dan Independent
Component Analysis ........
....................... 23
..............................
BAB 3 METODOLOGI PENELI
ITIAN .
....................... 31
PENELITIAN
........................
3.1.
Data Electroencep
phal
lograph (EEG). ...........31
Electroencephalograph
........... 31
3.2.
Pemotongan Data (Da
Data Windowing) ............33
(Data
............ 33
3.3.
Ektraksi Parameter .......................... 34
3.4.
Klasifikasi Data ............................ 36
3.5.
Evaluasi ................................... 40
v
BAB 4 HASIL DAN PEMBAHASAN ......................... 42
4.1 Kelas Pada Data EEG (Raw Data) ................ 42
4.2 Pemotongan Data dan Ekstraksi Parameter ....... 44
4.3 Klasifikasi dan Hasil Klasifikasi ............. 88
BAB 5 KESIMPULAN D
AN SARAN ........
................. 152
DAN
........................
5.1.
Kesim
mpulan ................................ 152
Kesimpulan
5.2.
S
aran ........
...
...
. ..
...
....
............
.........153
Saran
.....................................
153
DAFTA
AR PUSTAKA
A ..
...
...................
...........
. ....154
DAFTAR
....................................
154
vi
DAFTAR TABEL
Tabel 4.1. Jumlah Segmen Hasil dari Pemotongan ........... 45
Tabel 4.2. Kelompok Data ................................ 89
Tabel 4.3. Hasil Eksperimen
Eksperi
rime
men Kelas
Kela
las
s Data 1 Pemotongan 1 detik
........................................................
...................
....................
.................... 91
Tabel 4.4. Hasil
Has
asil Eksperimen Kelas Data 1 Pemotongan
Pemo
Pe
m tongan 2 detik
..........
..............
.......................
............ 95
........................................................
Tabel 4.5.
4.5. Hasil
il Eksperimen
Eks
ksperi
ime
men
n Kelas
Kela
Ke
las Data
Da a 1 Pemotongan
Pemotonga
gan 5 detik
.....
........
.............................
........
. ......
...... 99
........................................................
Tabel
Ta
abel 4.6.
4.
.6. Hasil
Hasil Eksperimen
Eksperimen Kelas Data
a 1 Pemotongan
Pemo
m to
tong
ngan 10
0 detik
.......
.....................................
. ....
...
....
.....
. 102
.......................................................
Tabe
el 4.7.
4.7.
. Hasil Eksperimen Kelas Data 2 Pemotongan
Pemot
ton
o gan
n 2 detik
deti
ik
Tabel
...
..............................................
.....
...
... 106
10
06
.......................................................
Ta
Tabe
bel 4.8.
4.8. Hasil Eksperimen Kelas Data 2 Pemotongan
Pemotonga
an 2 detik
deti
de
t k
Tabel
.
....................................................
...
. 110
.......................................................
Tabel
l 4.9. Hasil Eksperimen Kelas Data 2 Pemotongan 5 detik
deti
ik
.....
...............................................
..... 114
4
.......................................................
Ta
abe
b l 4.10. Hasil Eksperimen Kelas Data 2 Pemotongan
n 10
10
Tabel
..................................................
detik
k ........
.............
. ..................
.............. 117
117
Tabel
Ta
T
bel 4.11. Hasil Eksperimen
en Kelas
Kelas Data 3 Pemotongan 1 detik
det
etik
ik
.......................................................
..
....................................................
...
. 121
121
Tabel
Ta
Tabe
bel
l 4.12.
4.12
12. Hasil
Hasil
il Eksperimen
Eksp
Ek
sper
erim
i en Kelas
Kel
elas
as Data
Dat
ata 3 Pemotongan
Pemotong
gan 2 detik
det
etik
.......................................................
...
..............
...
.........
.....
............
...
.............
....
. 125
Tabe
bel 4.13.
4.13
13. Hasil
Has
Ha
sil Eksperimen
Eksper
rim
i en Kelas
Kel
las Data 3 Pemotongan
Pemoto
Pe
ton
ngan
n 5 detik
Tabel
.......................................................
.........................
.......
......................... 128
Tabel 4.14. Hasil Eksperimen
Eksper
rimen Kelas
Kel
las Data 3 Pemotongan 10
..................................................
detik ...................
................................ 132
Tabel 4.15. Perbandingan Hasil
Hasi
il dengan Penelitian yang
Sebelumnya ........................................... 1327
vii
DAFTAR GAMBAR
Gambar 2.1. Arsitektur Multi Layer Precepton (Haselstainer &
Pfurtscheller, 2000). .................................................................................
....
................................................................................
Gambar 2.2. External
Exte
ernal Temporal Processing
g (Haselstainer &
Pfurtscheller,
r, 2000). .................................................................................
..................................................................................
Gambar 2.3.
2.3. Internal Temporal
Tem
empo
pora
r l Processing
Proc
Pr
oces
essi
s ng (Haselstainer
(Hasels
lstainer &
Pfurtscheller,
Pfurts
scheller, 2000).
200
000)
0). .................................................................................
...........................................
. .........................................
Gambar
Gam
mbar 2.4.
2.4
.4. Penempatan
P nempat
Pe
atan
an Elektrode dengan
den
enga
gan Sistem
Sist
tem Internasional
Interna
nasional
10-20.
(Song,
10
(So
Song, 2011)....................................................................................
2011)...........................................................
20
..............................
Gambar
Gamb
bar 2.5.
2.5.
. Parameter Skewness..............................................................
Skewness..................................................
.................
Gambar
Ga
ambar 2.6.
2.6. Parameter Kurtosis..............................................................
Kurtosis.................................................
....
...............
Gambar
Gamb
Ga
m ar
r
2.7. Tampilan Awal WEKA ...........................................................
..............................................................
Gambar
Gamba
ar 3.1. grafik data pada dataset Z segmen Z001..................
Gambar
Gamba
ar 3.2. grafik data pada dataset Z segmen Z001 pada
pada 1
detik
...................................................................................................
de k pertama
pertama...........................................................................................
.........
Gambar 3.3. Pengaturan
Peng
Pe
ngat
atur
uran
an Pembuatan
Pem
embuatan
an Jaringan
Jar
arin
inga
gan
n pada
pada Weka. .............
............
...
Gambar
Gambar 3.4. Hasil Jaringan yang
yan
a g Dibuat Menggunakan Weka.......
Weka
a........
Gambar
Gamb
Ga
mbar 4.1.
4.1
.1.
. Dataset
Data
Da
tase
set
t Z .................................................................................
..............................
.................
....
....
....
....
....
..................................
Gambar
Gamb
Ga
mbar
a 4.2. Dataset
Data
Da
taset O .................................................................................
...................................
....
. ..........
...........................................
Gambar
4.3.
ar 4
.3.
3 Dataset
Dataset N .................................................................................
..........
. .......................................................................
Gambar 4.4. Dataset F .................................................................................
..................................................................................
Gambar 4.5. Dataset S .................................................................................
..................................................................................
Gambar 4.6. Hasil ekstraksi
ekstraks
si parameter
pa
arameter mean pada dataset Z
dengan interval pemotongan 1 detik....................................................
Gambar 4.7. Hasil ekstraksi parameter mean pada dataset Z
dengan interval pemotongan 2 detik....................................................
Gambar 4.8. Hasil ekstraksi parameter mean pada dataset Z
dengan interval pemotongan 5 detik....................................................
viii
Gambar 4.9 Hasil ekstraksi parameter mean pada dataset Z
dengan interval pemotongan 10 detik. ................................................
Gambar 4.10. Hasil ekstraksi parameter standard deviation
pada dataset Z dengan interval pemotongan 1 detik...................
Gambar 4.11. Hasil ekstraksi
ekstr
trak
aksi
i parameter
par
aram
a eter standard deviation
pada dataset Z dengan
denga
gan interval pemotongan
pemot
ton
onga
g n 2 detik...................
Gambar 4.12. Hasil
Hasil ekstraksi parameter standard
stand
ndard deviation
pada dataset
datas
set Z dengan interval
interv
in
r al
a pemotongan
pemot
o ongan 5 detik...................
deti
de
t k...................
Gambar
r 4.13. Hasil
Has
asil
il ekstraksi
ekstr
rak
aksi
si parameter
par
aram
met
eter
er standard
sta
t ndard deviation
de
eviation
pada
a dataset
et Z dengan
den
engan interval pemotongan
pemotonga
gan 10 detik. ...............
................
Ga
Gambar
4.1
.14.
4. Hasil
Has
sil ekstraksi parameter skewness
ske
k wnes
ss pada
pa
dat
ataset
4.14.
dataset
Z dengan
de
eng
ngan
an interval
inter
erval pemotongan 1 detik.
detik...............
...........
........................
. ..
..............................................
Gamb
mba
ar 4.15.
4.1
15. Hasil ekstraksi parameter skewness
s pada
da dataset
dataset
e
Gambar
Z dengan
dengan
n interval pemotongan 2 detik.
detik.................................
...............
. ....
..............................................
Gambar
Ga
Gamb
m ar
r 4.16. Hasil ekstraksi parameter skewness pada
pa
ada dataset
dat
ataset
..............................................
Z dengan
deng
ngan interval pemotongan 5 detik.
detik...............................
.................
.
Gambar
Gamba
ar 4.17. Hasil ekstraksi parameter skewness pada
a dataset
datas
set
t
............................................
Z dengan
den
ngan interval pemotongan 10 detik.
detik........................................
......
Gambar
Gamb
bar 4.18. Hasil
Has
asil
il ekstraksi
eks
kstr
traksi parameter
param
amet
eter
r kurtosis
kur
urtosis pada
da dataset
datas
set
..............................................
Z dengan interval
int
terval
l pemotongan
pemo
oto
tong
ngan 1 detik.
det
etik
ik...............................................
4.19. Hasil ekstraksi
Ga
Gambar
i parameter kurtosis pada dataset
dat
atas
ase
et
..............................................
Z dengan
deng
de
ngan interval pemotongan 2 detik.
detik...............................
..............
. ....
Gambar
Ga
Gamb
m ar 4.20.
4.20
20. Hasil
Has
asil
il ekstraksi
ekstr
trak
aksi
si parameter
par
arameter
er kurtosis
kur
urt
tosi
sis
s pada dataset
dat
ataset
..............................................
Z dengan
deng
de
ngan
an interval
int
nter
erva
al pemotongan
pemo
oto
tongan
an 5 detik.
det
eti
ik.......
.............
. .......
......
.........
.................
Gambar 4.21. Hasil ekstraksi
ekstrak
aksi parameter
par
arameter kurtosis pada dataset
............................................
Z dengan interval pemotongan
pemoto
ongan 10 detik.
detik.............................................
Gambar 4.22. Hasil ekstraksi
ekstrak
a si parameter
par
rameter mean pada dataset O
dengan interval pemotongan
an 1 detik....................................................
de
etik....................................................
Gambar 4.23. Hasil ekstraksi
ekstraks
si parameter
parameter mean pada dataset O
dengan interval pemotongan 2 detik....................................................
Gambar 4.24. Hasil ekstraksi parameter mean pada dataset O
dengan interval pemotongan 5 detik....................................................
Gambar 4.25 Hasil ekstraksi parameter mean pada dataset O
dengan interval pemotongan 10 detik. ................................................
ix
Gambar 4.26. Hasil ekstraksi parameter standard deviation
pada dataset O dengan interval pemotongan 1 detik...................
Gambar 4.27. Hasil ekstraksi parameter standard deviation
pada dataset O dengan interval pemotongan 2 detik...................
Gambar 4.28. Hasil ekstraksi
ekstr
trak
aksi
i parameter
par
aram
a eter standard deviation
pada dataset O dengan
denga
gan interval pemotongan
pemot
ton
onga
g n 5 detik...................
Gambar 4.29. Hasil
Hasil ekstraksi parameter standard
stand
ndard deviation
pada dataset
datas
set O dengan interval
interv
in
r al
a pemotongan
pemot
o ongan 10 detik.
det
e ik. ...............
Gambar
r 4.30. Hasil
Has
asil
il ekstraksi
ekstr
rak
aksi
si parameter
par
aram
met
eter
er skewness
ske
k wness pada
pa
ada
d dataset
O dengan
de
engan interval
int
nterva
al pemotongan
pemotong
gan 1 detik.
detik.......
...............................
. ............
..............................................
Ga
Gambar
4.3
.31.
1. Hasil
Has
sil ekstraksi parameter skewness
ske
k wnes
ss pada
pa
dat
ataset
4.31.
dataset
O dengan
de
eng
ngan
an interval
inter
erval pemotongan 2 detik.
detik...............
...........
........................
. ..
..............................................
Gamb
mba
ar 4.32.
4.3
32. Hasil ekstraksi parameter skewness
s pada
da dataset
dataset
e
Gambar
O dengan
dengan
n interval pemotongan 5 detik.
detik.................................
...............
. ....
..............................................
Gambar
Ga
Gamb
m ar
r 4.33. Hasil ekstraksi parameter skewness pada
pa
ada dataset
dat
ataset
............................................
O dengan
deng
ngan interval pemotongan 10 detik.
detik.............................
.................
.
Gambar
Gamba
ar 4.34. Hasil ekstraksi parameter kurtosis pada
a dataset
datas
set
t
..............................................
O dengan
den
ngan interval pemotongan 1 detik.
detik..........................................
......
Gambar
Gamb
bar 4.35. Hasil
Has
asil
il ekstraksi
eks
kstr
traksi parameter
param
amet
eter
r kurtosis
kur
urtosis pada
da dataset
datas
set
..............................................
O dengan interval
int
terval
l pemotongan
pemo
oto
tong
ngan 2 detik.
det
etik
ik...............................................
4.36. Hasil ekstraksi
Ga
Gambar
i parameter kurtosis pada dataset
dat
atas
ase
et
..............................................
O dengan
deng
de
ngan interval pemotongan 5 detik.
detik...............................
..............
. ....
Gambar
Ga
Gamb
m ar 4.37.
4.37
37. Hasil
Has
asil
il ekstraksi
ekstr
trak
aksi
si parameter
par
arameter
er kurtosis
kur
urt
tosi
sis
s pada dataset
dat
ataset
............................................
O dengan
deng
de
ngan
an interval
int
nter
erva
al pemotongan
pemo
oto
tongan
an 10 detik.
det
de
tik.....
.............
. .......
......
.........
.................
Gambar 4.38. Hasil ekstraksi
ekstrak
aksi parameter
par
arameter mean pada dataset n
dengan interval pemotongan
pemotong
gan 1 detik....................................................
det
tik....................................................
Gambar 4.39. Hasil ekstraksi
ekstrak
a si parameter
par
rameter mean pada dataset n
dengan interval pemotongan
an 2 detik....................................................
de
etik....................................................
Gambar 4.40. Hasil ekstraksi
ekstraks
si parameter
parameter mean pada dataset n
dengan interval pemotongan 5 detik....................................................
Gambar 4.41. Hasil ekstraksi parameter mean pada dataset n
dengan interval pemotongan 10 detik. ................................................
Gambar 4.42. Hasil ekstraksi parameter standard deviation
pada dataset n dengan interval pemotongan 1 detik...................
x
Gambar 4.43. Hasil ekstraksi parameter standard deviation
pada dataset n dengan interval pemotongan 2 detik...................
Gambar 4.44. Hasil ekstraksi parameter standard deviation
pada dataset n dengan interval pemotongan 5 detik...................
Gambar 4.45. Hasil ekstraksi
ekstr
trak
aksi
i parameter
par
aram
a eter standard deviation
pada dataset n dengan
denga
gan interval pemotongan
pemot
ton
onga
g n 10 detik. ...............
Gambar 4.46. Hasil
Hasil ekstraksi parameter skewness
skewn
wness pada dataset
n dengan interval
interval pemotongan
pemoto
tong
gan
a 1 detik.
detik
i .....................
...........................
..............................................
Gambar
r 4.47. Hasil
Has
asil
il ekstraksi
ekstr
rak
aksi
si parameter
par
aram
met
eter
er skewness
ske
k wness pada
pa
ada
d dataset
n dengan
de
engan interval
int
nterva
al pemotongan
pemotong
gan 2 detik.
detik.......
...............................
. ............
..............................................
Ga
Gambar
4.4
.48.
8. Hasil
Has
sil ekstraksi parameter skewness
ske
k wnes
ss pada
pa
dat
ataset
4.48.
dataset
n dengan
de
eng
ngan
an interval
inter
erval pemotongan 5 detik.
detik...............
...........
........................
. ..
..............................................
Gamb
mba
ar 4.49.
4.4
49. Hasil ekstraksi parameter skewness
s pada
da dataset
dataset
e
Gambar
n dengan
dengan
n interval pemotongan 10 detik.
detik...............................
...............
. ....
............................................
Gambar
Ga
Gamb
m ar
r 4.50. Hasil ekstraksi parameter kurtosis pada
pa
ada dataset
dat
ataset
..............................................
n dengan
deng
ngan interval pemotongan 1 detik.
detik...............................
.................
.
Gambar
Gamba
ar 4.51. Hasil ekstraksi parameter kurtosis pada
a dataset
datas
set
t
..............................................
n dengan
den
ngan interval pemotongan 2 detik.
detik..........................................
......
Gambar
Gamb
bar 4.52. Hasil
Has
asil
il ekstraksi
eks
kstr
traksi parameter
param
amet
eter
r kurtosis
kur
urtosis pada
da dataset
datas
set
..............................................
n dengan interval
int
terval
l pemotongan
pemo
oto
tong
ngan 5 detik.
det
etik
ik...............................................
4.53. Hasil ekstraksi
Ga
Gambar
i parameter kurtosis pada dataset
dat
atas
ase
et
............................................
n dengan
deng
de
ngan interval pemotongan 10 detik.
detik.............................
..............
. ....
Gambar
Ga
Gamb
m ar 4.54.
4.54
54. Hasil
Has
asil
il ekstraksi
ekstr
trak
aksi
si parameter
par
arameter
er mean
mea
ean pada
pada dataset
datas
aset
et f
dengan
deng
de
ngan
an interval
int
nter
erva
val pemotongan
pemoto
pe
ong
ngan 1 detik....................................................
detik
ik..............
. ........
........
....
. .....
.......................
Gambar 4.55. Hasil ekstraksi
ekstrak
aksi parameter
par
arameter mean pada dataset f
dengan interval pemotongan
pemotong
gan 2 detik....................................................
det
tik....................................................
Gambar 4.56. Hasil ekstraksi
ekstrak
a si parameter
par
rameter mean pada dataset f
dengan interval pemotongan
an 5 detik....................................................
de
etik....................................................
mean pada dataset f
Gambar 4.57 Hasil ekstraksi
i parameter
pa
dengan interval pemotongan 10
10 detik. ................................................
Gambar 4.58. Hasil ekstraksi parameter standard deviation
pada dataset f dengan interval pemotongan 1 detik...................
Gambar 4.59. Hasil ekstraksi parameter standard deviation
pada dataset f dengan interval pemotongan 2 detik...................
xi
Gambar 4.60. Hasil ekstraksi parameter standard deviation
pada dataset f dengan interval pemotongan 5 detik...................
Gambar 4.61. Hasil ekstraksi parameter standard deviation
pada dataset f dengan interval pemotongan 10 detik. ...............
ekstr
trak
aksi
i parameter
par
aram
a eter skewness pada dataset
Gambar 4.62. Hasil ekstraksi
pe
detik
k...
. ............................................
f dengan interval pemotongan
1 detik.
..............................................
Hasil ekstraksi parameter skewness
skewn
wness pada dataset
Gambar 4.63. Hasil
interval pemotongan
pemoto
tong
gan
a 2 detik.
detik
i .....................
...........................
f dengan interval
..............................................
r 4.64. Hasil
Has
asil
il ekstraksi
ekstr
rak
aksi
si parameter
par
aram
met
eter
er skewness
ske
k wness pada
pa
ada
d dataset
Gambar
de
engan interval
int
nterva
al pemotongan
pemotong
gan 5 detik.
detik.......
...............................
. ............
f dengan
..............................................
Ga
4.6
.65.
5. Hasil
Has
sil ekstraksi parameter skewness
ske
k wnes
ss pada
pa
dat
ataset
Gambar
4.65.
dataset
de
eng
ngan
an interval
inter
erval pemotongan 10 detik.
detik.............
...........
........................
. ..
f dengan
............................................
Gamb
mba
ar 4.66.
4.6
66. Hasil ekstraksi parameter kurtosis
s pada
da dataset
dataset
e
Gambar
dengan
n interval pemotongan 1 detik.
detik.................................
...............
. ....
f dengan
..............................................
Gambar
Gamb
Ga
m ar
r 4.67. Hasil ekstraksi parameter kurtosis pada
pa
ada dataset
dat
ataset
f dengan
..............................................
deng
ngan interval pemotongan 2 detik.
detik...............................
.................
.
Gambar
Gamba
ar 4.68. Hasil ekstraksi parameter kurtosis pada
da dataset
datas
set
t
f dengan
..............................................
den
ngan interval pemotongan 5 detik.
detik..........................................
......
Gambar
Gamb
bar 4.69. Hasil
Has
asil
il ekstraksi
eks
kstr
traksi parameter
param
amet
eter
r kurtosis
kur
urtosis pada
da dataset
datas
set
f dengan interval
............................................
int
terval
l pemotongan
pemo
oto
tong
ngan 10
10 detik.
deti
de
tik
k..........................................
....
Gambar
4.70. Hasil ekstraksi
Ga
i parameter mean pada dataset
et s
dengan
deng
de
gan interval pemotongan 1 detik....................................................
detik.....................................
....................
Gambar
Gamb
Ga
m ar 4.71.
4.71
71. Hasil
Has
asil
il ekstraksi
ekstr
trak
aksi
si parameter
par
arameter
er mean
mea
ean pada
pada dataset
datas
aset
et s
dengan
deng
de
ngan
an interval
int
nter
erva
val pemotongan
pemoto
pe
ong
ngan 2 detik....................................................
detik
ik..............
. ........
........
....
. .....
.......................
Gambar 4.72. Hasil ekstraksi
ekstrak
aksi parameter
par
arameter mean pada dataset s
dengan interval pemotongan
pemotong
gan 5 detik....................................................
det
tik....................................................
Gambar 4.73 Hasil ekstraksi
ekstraks
k i parameter
para
ameter mean pada dataset s
dengan interval pemotongan
an 10 detik.
detik. ................................................
Gambar 4.74. Hasil ekstraksi
ekstraks
si parameter
parameter standard deviation
pada dataset s dengan interval
interv
val pemotongan 1 detik...................
Gambar 4.75. Hasil ekstraksi parameter standard deviation
pada dataset s dengan interval pemotongan 2 detik...................
Gambar 4.76. Hasil ekstraksi parameter standard deviation
pada dataset s dengan interval pemotongan 5 detik...................
xii
Gambar 4.77. Hasil ekstraksi parameter standard deviation
pada dataset s dengan interval pemotongan 10 detik. ...............
Gambar 4.78. Hasil ekstraksi parameter skewness pada dataset
s dengan interval pemotongan 1 detik. ..............................................
Gambar 4.79. Hasil ekstraksi
ekstr
trak
aksi
i parameter
par
aram
a eter skewness pada dataset
s dengan interval pemotongan
pe
detik
k...
. ............................................
2 detik.
..............................................
Gambar 4.80. Hasil
Hasil ekstraksi parameter skewness
skewn
wness pada dataset
s dengan interval
interval pemotongan
pemoto
tong
gan
a 5 detik.
detik
i .....................
...........................
..............................................
Gambar
r 4.81. Hasil
Has
asil
il ekstraksi
ekstr
rak
aksi
si parameter
par
aram
met
eter
er skewness
ske
k wness pada
pa
ada
d dataset
s dengan
de
engan interval
int
nterva
al pemotongan
pemotong
gan 10 detik.
detik.....
...............................
. ............
............................................
Ga
Gambar
4.8
.82.
2. Hasil
Has
sil ekstraksi parameter kurtosis
kur
u tosi
is pada
pa
dat
ataset
4.82.
dataset
s dengan
de
eng
ngan
an interval
inter
erval pemotongan 1 detik.
detik...............
...........
........................
. ..
..............................................
Gamb
mba
ar 4.83.
4.8
83. Hasil ekstraksi parameter kurtosis
s pada
da dataset
dataset
e
Gambar
s dengan
dengan
n interval pemotongan 2 detik.
detik.................................
...............
. ....
..............................................
Gambar
Ga
Gamb
m ar
r 4.84. Hasil ekstraksi parameter kurtosis pada
pa
ada dataset
dat
ataset
..............................................
s dengan
deng
ngan interval pemotongan 5 detik.
detik...............................
.................
.
Gambar
Gamba
ar 4.85. Hasil ekstraksi parameter kurtosis pada
a dataset
datas
set
t
............................................
s dengan
den
ngan interval pemotongan 10 detik.
detik........................................
......
Gambar
Gamb
bar 4.86. Grafik
Gra
rafi
fik
k Perbandingan
Perb
Pe
rbandingan Nilai
Nil
ilai
ai Learning
Lea
earning Rate
te dan
Pelatihan.........................................
Kombinasi Node
N de Terhadap
No
Terh
hada
dap
p Waktu
Wa
Pela
Pe
lati
tih
han..........................................
4.87. Grafik Perbandingan
Ga
Gambar
Perbandi
ingan Nilai Learning Rate dan
dan
Kombinasi
..................................................................
Komb
Ko
mbin
inasi Node Terhadap MAE.
MAE...................................................
..............
. ....
Gambar
G
ambar 4.88.
am
4.88
88. Grafik
Graf
Gr
afik
ik Perbandingan
Perba
band
ndin
inga
gan
n Nilai
Nila
l i Learning
Learni
Le
ning
ng Rate
Rate dan
dan
Kombinasi
Ko
omb
mbin
inas
asi
i Node
Node Terhadap
Ter
erh
hada
ap Akurasi.
Akur
ura
asi...........................................................
...................
. ........
........
....
. .....
.......................
Gambar 4.89.Grafik Perbandingan
Perband
ndingan
n Nilai Learning Rate dan
Kombinasi Node Terhadap Waktu Pelatihan.........................................
Pe
elatihan.........................................
Gambar 4.90. Grafik Perbandingan
Perban
a dingan
n Nilai Learning Rate dan
..................................................................
Kombinasi Node Terhadap MAE.
MAE...................................................................
MA
................................................................................................................................
............................................................
......................................................................
Gambar 4.91. Grafik Perbandingan Nilai Learning Rate dan
Kombinasi Node Terhadap Akurasi. .........................................................
Tabel 4.5. Hasil Eksperimen Kelas Data 1 Pemotongan 5 detik
................................................................................................................................
xiii
Gambar 4.92. Grafik Perbandingan Nilai Learning Rate dan
Kombinasi Node Terhadap Waktu pelatihan.......................................
Gambar 4.93. Grafik Perbandingan Nilai Learning Rate dan
Kombinasi Node Terhadap MAE.................................................................
Gambar 4.94. Grafik Perbandingan
Perb
rban
andi
dingan
an Nilai Learning Rate dan
Kombinasi Node Terhadap
Terha
had
dap Akurasi.
Akurasi.............
............................................
.......................................................
Gambar 4.95. Grafik
Grafik Perbandingan Nilai Learning
Learn
rning Rate dan
Kombinasi Node
Node Terhadap
p Akurasi.
Akur
u as
a i.......
............................
. .......................
.......................................................
Gambar
r 4.96. Grafik
Gra
rafi
fik
k Perbandingan
Perb
ban
ndi
ding
ngan
an Nilai
Nil
ilai
ai Learning
Learning Rate
Ra
ate
t dan
Komb
binasi Node
No
Ter
erhadap Akurasi.
Akurasi.................
..........................................
Kombinasi
Terhadap
.......................................................
Ga
Gambar
4.9
.97.
7. Grafik
Gra
afi
fik Perbandingan Nilai Learning
Lea
e rnin
ng Rate
Ra
an
4.97.
dan
Komb
bin
nas
asi
i Node
de Terhadap Akurasi.
Akurasi...........................
. .................................
Kombinasi
.......................................................
Gamb
mba
ar 4.98.
4.9
98. Grafik Perbandingan Nilai Learning
g Rate
te dan
dan
Gambar
Ko
ombinas
si Node Terhadap Waktu Pelatihan.......................................
Pelatihan...........................
...............
. ..
Kombinasi
Gambar
Ga
Gamb
m ar
r 4.99. Grafik Perbandingan Nilai Learning Rate
Ra
ate dan
dan
Kombinasi
................................................................
Kombin
Ko
nasi Node Terhadap MAE.
MAE...................................................
...............
.
Gambar
Gamba
ar 4.100. Grafik Perbandingan Nilai Learning Rate
Rat
te dan
Kombinasi
.......................................................
K
Ko
mbi
inasi Node Terhadap Akurasi.
Akurasi.....................................................
....
Gambar
Rate
Gamb
bar 4.101. Grafik
Graf
Gr
afik
ik Perbandingan
Per
erbandingan
n Nilai
Nila
Ni
lai
i Learning
Le
Ra
ate dan
Pelatihan.......................................
Kombinasi Node
N de Terhadap
No
Terh
hada
dap
p Waktu
Wa
Pela
Pe
lati
tih
han........................................
4.102. Grafik Perbandingan
Ga
Gambar
Perband
din
i gan Nilai Learning Rate dan
dan
Kombinasi
................................................................
Komb
Ko
mbin
inasi Node Terhadap MAE.
MAE...................................................
..............
. ..
Gambar
Ga
Gamb
m ar 4.103.
4.103
103. Grafik
Graf
Gr
afik
ik Perbandingan
Per
rba
band
ndin
inga
gan
n Nilai
Ni
ila
lai
i Learning
Learni
Le
ning
ng Rate
Rate
e dan
da
Kombinasi
Ko
omb
mbin
inas
asi
i Node
Node Terhadap
Ter
erh
hada
ap Akurasi.
Akur
ura
asi.........................................................
...................
. ........
........
....
. .....
.....................
Gambar 4.104. Grafik Perbandingan
Perba
bandinga
gan Nilai Learning Rate dan
Kombinasi Node Terhadap Waktu Pelatihan.......................................
Pe
elatihan.......................................
Gambar 4.105. Grafik Perbandingan
Perba
b ndinga
an Nilai Learning Rate dan
................................................................
Kombinasi Node Terhadap MAE.
MAE.................................................................
MA
Gambar 4.106. Grafik Perbandingan
Perban
ndin
ingan Nilai Learning Rate dan
.......................................................
Kombinasi Node Terhadap Akurasi.
Akur
rasi........................................................
Gambar 4.107. Grafik Perbandingan Nilai Learning Rate dan
Kombinasi Node Terhadap Waktu Pelatihan.......................................
Gambar 4.108. Grafik Perbandingan Nilai Learning Rate dan
Kombinasi Node Terhadap MAE.................................................................
xiv
Gambar 4.109. Grafik Perbandingan Nilai Learning Rate dan
Kombinasi Node Terhadap Akurasi. .......................................................
Gambar 4.110. Grafik Perbandingan Nilai Learning Rate dan
Kombinasi Node Terhadap Waktu Pelatihan.......................................
Per
erba
bandi
dinga
gan
n Nilai Learning Rate dan
Gambar 4.111. Grafik Perbandingan
Terha
had
dap MAE.
MAE.......................
. ..........................................
Kombinasi Node Terhadap
................................................................
. Grafik Perbandingan Nilai Learning
Lear
arning Rate dan
Gambar 4.112.
Node Terhadap
p Akurasi.
Akur
u as
a i.......
............................
. .......................
Kombinasi Node
.......................................................
r 4.113. Grafik
Graf
Gr
afik
ik Perbandingan
Per
rba
band
ndin
inga
gan Nilai
Nila
Ni
lai
i Learning
L arning Rate
Le
Rat
a e dan
Gambar
Komb
binasi Node
No
Ter
erhadap Waktu Pelatihan.......................................
Pelatihan.
n..............................
. ..........
Kombinasi
Terhadap
Ga
4.1
.114
14. Grafik
Gr
raf
afik Perbandingan Nilai
i Learning
L arni
Le
ing Rate
Rate dan
da
Gambar
4.114.
Komb
bin
nas
asi
i Node
de Terhadap MAE.
MAE...................................
...........
........................
.
Kombinasi
................................................................
Gamb
mba
ar 4.115.
4.1
115. Grafik Perbandingan Nilai Learning
n Rate
Rat
ate
e dan
Gambar
Ko
ombinas
si Node Terhadap Akurasi.
Akurasi...........................................
...
...........
.....
Kombinasi
.......................................................
Gambar
Gamb
Ga
m ar
r 4.116. Grafik Perbandingan Nilai Learning Rate
Rate dan
da
Kombinasi
Kombin
Ko
nasi Node Terhadap Waktu Pelatihan.......................................
Pelatihan........................................
.
Gambar
Gamba
ar 4.117. Grafik Perbandingan Nilai Learning Rate
Rat
te dan
Kombinasi
................................................................
K mbi
Ko
inasi Node Terhadap MAE.
MAE..............................................................
....
Gambar
Rate
Gamb
bar 4.118. Grafik
Graf
Gr
afik
ik Perbandingan
Per
erbandingan
n Nilai
Nila
Ni
lai
i Learning
Le
Rat
ate dan
Kombinasi Node
.......................................................
N de Terhadap
No
Terh
hada
dap
p Akurasi.
Akuras
Ak
si.
i........................................................
Gambar
4.119. Grafik Perbandingan
Ga
Perband
din
i gan Nilai Learning Rate dan
dan
Kombinasi
Komb
Ko
mbin
inasi Node Terhadap Waktu Pelatihan.......................................
Pelatihan.......................................
. ..
Gambar
Gamb
Ga
m ar 4.120.
4.120
120. Grafik
Graf
Gr
afik
ik Perbandingan
Per
rba
band
ndin
inga
gan
n Nilai
Ni
ila
lai
i Learning
Learni
Le
ning
ng Rate
Rate
e dan
da
Kombinasi
Ko
omb
mbin
inas
asi
i Node
Node Terhadap
Ter
erh
hada
ap MAE.
E ................................................................
...........................
.............
. .......
......
.........
...............
Gambar 4.121. Grafik Perbandingan
Perba
bandinga
gan Nilai Learning Rate dan
Kombinasi Node Terhadap Akurasi.
.......................................................
Akurasi........................................................
Gambar 4.122. Grafik Perbandingan
Perba
b ndinga
an Akurasi, MAE, dan Waktu
Pelatihan di Setiap Pemotongan
Pemoto
tongan Waktu pada Kelas Data 1.......
Gambar 4.123. Confusion Matrix
Mat
trix
ix dari Jaringan dengan Learning
Rate 0,2 dengan Kombinasi Hidden
Hi
idden Layer 10 dan 15 pada Kelas
Data 1 dengan pemotongan 2 detik......................................................
Gambar 4.124. Grafik Perbandingan Akurasi, MAE, dan Waktu
Pelatihan di Setiap Pemotongan Waktu pada Kelas Data 2......
xv
Gambar 4.125. Confusion Matrix dari Jaringan dengan Learning
Rate 0.1 dengan Kombinasi Hidden Layer 15 dan 5 pada Kelas
Data 2 dengan pemotongan 10 detik. ...................................................
Gambar 4.126. Grafik Perbandingan Akurasi, MAE, dan Waktu
Pelatihan di Setiap Pemotongan Waktu pada Kelas Data 3......
dengan Learning
Gambar 4.127. Confusion
Confus
usi
ion Matrix dari Jaringan
Ja
Rate 0,3 dengan
n Kombinasi
Kombinasi Hidden Layer 15
15 dan 15 pada Kelas
Data 3 dengan
denga
an pemotongan
an 5 detik.
detik.........................
..............................
.....................................................
Gambar 4.133.
4.133. Grafik
G af
Gr
afik
i Optimal
Opt
ptim
imal
a Akurasi
Aku
kura
rasi
si (kiri)
(kiri) dan MAE(kanan)
M E(kanan)
MA
pada Kelompok
Kelompok Data
Data 1.
1. ...............................................................................
............................................
...........................
. .............
Ga
ambar 4.134.
4.1
.134
34. Grafik
ik Optimal
Optimal Akurasi
si (kiri)
(kiri) dan
dan MAE(kanan)
MAE(ka
kanan)
Gambar
p
ada Kelompok
Kel
elom
ompo
p k Data
Da
...................................................................................
pada
2. ...............................................................................
Gamb
bar 4.135.
4.135
35. Grafik Optimal Akurasi (kiri) dan
da MAE(kanan)
MAE(
MA
E(ka
kanan)
)
Gambar
pada
da Kelompok
Kelo
ompok Data 3. ...............................................................................
.....................................................................
....
. ..
.........
xvi
Penggunaan Temporal Data Mining pada Data
Electroencephalography (EEG) untuk Klasifikasi Penyakit
Epilepsi dengan Backpropagation
INTISARI
Stephanus
Deo Aquino
(12
07 07091)
p
q
(
)
Electroencep
pha
halography (EEG) adalah
adalah sebuah teknik
Electroencephalography
pemeriksaan menggunakan
me
enggunakan alat elektromedis
elektrome
edi
d s yang digunakan
untuk merekam
mereka
kam
m aktivitas
aktivita
as listrik dari otak
ota
ak manusia. Salah
kegunaannya
satu kegun
naannya dari EEG
EEG adalah
ad
dalah untuk
untuk mendeteksi
mende
dete
t ksi penyakit
epilepsi
i yang ada pada
p da manusia.
pa
man
anus
usia
ia. Proses
Pros
Pr
oses
e penggalian
penggalia
ian informasi
untuk mengetahui
ui hasil
hasil pada
pad
ada data
dat EEG
EEG membutuhkan
membutuhkan
n perhatian
pada
a unsur waktu
tu yang
yang terkandung dalam
dal
lam data
a agar informasi
informasi
didapatkan
dida
dapatkan
an secara
sec
e ara maksimal.
ma
aks
ksi
imal.
Pada
penelitian
ini,
dibahas
bagaimana
cara
Pa
ada
penel
eli
itian
dibah
has
bag
agai
aimana
menggunakan
m
eng
ggu
una
naka
kan Temporal
Tem
Te
mporal Data Mining untuk melakukan
mel
elak
a uk
kan klasifikasi
kla
asifi
ikasi
penyakit
peny
yak
akit
it epilepsi
epi
pilepsi berdasarkan data hasil perekaman
per
rek
e aman
an EEG
EEG serta
ser
erta
bagaimana
menganalisis
hasil
klasifikasi
menggunakan
baga
gaim
ima
ana
i
men
engg
ggunak
kan
Backpropagation.
Back
ckpr
prop
pagation. Ekstraksi parameter yang digunakan
digu
unaka
an adalah
adala
ah
mean,
deviasi, variance, skewness dan kurtosis
me
ean
an, standard
st
kur
u to
tosi
sis
s yang
g
akan
ak
an digunakan
digunakan sebagai inputan kedalam jaringan.
. Parameter
Par
aram
amet
e er
r
yang digunakan
ya
digunakan adalah parameter yang terdapat pada
a Principle
Pri
rinc
cip
i le
Component
Compon
Co
onent Analysis (PCA) dan Independent Component
t Analysis
Ana
naly
lysi
is
(ICA).
(ICA)
). Dalam penelitian ini dilakukan digunakan
digunaka
an metode
meto
ode
Eksternal
memotong
Ekste
ernal Temporal Data Mining dengan cara
memot
tong data
data
a
kedalam
kedal
lam 1 detik, 2 detik, 5 detik, dan 10 detik.
waktu
yang
terkandung
dalam
data
sangat
Unsur
a
sanga
gat
t
berpengaruh
berp
rpe
engaruh dalam
dala
lam
m tingkat
ting
ti
ngkat keberhasilan
keberh
rhas
asil
ilan
an klasifikasi.
klasifika
asi
si. Dari
Da
ari
hasil penelitian
pene
eli
liti
tian
an ini,
ini
ni,
, diketahui
dike
di
k tahu
hui bahwa
bahw
ba
hwa
a semakin
sema
se
maki
kin besar waktu
wa
akt
ktu
u
pemotongan maka akan semakin
sem
emak
a in baik kualitas data. Hasil
Has
asil
il
klasifikasi
k
lasifikasi memberikan akurasi
akura
rasi terbaik sebesar 100% dalam
dala
da
lam
menangani
m
me
nangani kondisi epilepsi saat kejang dan kondisi
na
i sehat,
seh
ehat
at,
86,4979%
86,4
86
,497
979%
9% dalam
dal
a am
a menangani
men
enan
anga
gani kondisi sehat,
seh
ehat
at,
, epilepsi
epilep
ep
epsi
si kejang
kej
ejan
ang
g dan
dan
epilepsi
epil
ep
ilep
epsi
si tidak
tid
idak
ak kejang,
kej
ejan
ang,
g, serta
ser
rta 65,1477%
65,
5,14
1477
77%
% dalam
dala
da
lam
m menangani
mena
me
nang
ngani
kondisi
kond
ko
ndisi sehat,
t, kondisi
kondisi epilepsi
epi
pile
lep
psi kejang,
keja
jang
ng,
, kondisi epilepsi
epil
ep
ilepsi
tidak
ti
ida
dak
k kejang,
keja
ke
jang
ng, dan
dan kondisi
kond
dis
isi pada
pad
da saat
sa
aat pembentukan
pemb
mben
e tu
tuka
kan
n hippocampus.
hipp
hi
ppoc
campus.
Kata Kunci: Temporal Data
Da
ata Mining,
Minin
i g, Klssifikasi , Epilepsi,
Electrocephalography, Backpropagation.
Ba
ackpropag
gation.
Dosen Pembimbing 1: Ir. A. Djoko
Djok
ko Budiyanto, M.Eng., Ph.D.
Dosen Pembimbing 2: Dra. Ernawati,
Er
rna
awati, M.T.
xvii