Skirpsi Presentasi
Skirpsi Presentasi
Disusun oleh,
Renata Brigita Noviene
1610501099
Bb BAB 1 PENDAHULUAN
B BAB V PENUTUP
Title Lorem Ipsum
BAB 1
BAB I
Title Lorem Ipsum
Jaringan otak manusia
yang hidup menghasilkan
Otak merupakan organ Electroenchephalograph
gelombang listrik yang
tubuh yang sangat vital (EEG) adalah alat yang
berfluktuasi yang disebut
dan menjadi pusat didesain untuk merekam
brainwave atau
koordinasi dalam tubuh aktivitas listrik pada otak
gelombang otak.
manusia dengan elektrode yang
Gelombang otak
ditempel di kulit kepala.
menandakan aktifitas
pikiran seseorang
OTAK EEG Aktifitas listrik pada otak
LATAR BELAKANG
Gelombang otak normal Metode FFT digunakan
ditandai dengan hasil dua untuk mengekstraksi ciri
sisi otak menunjukkan gelombang otak dari hasil Menerapkan metode
pola serupa dari aktivitas rekaman EEG yang backpropagation untuk
listrik dan tidak adanya selanjutnya diklasifikasi mendeteksi gelombang
gelombang otak yang menjadi gelombang otak otak normal dan abnormal
lambat dan sebaliknya normal dan abnormal dari hasil rekaman EEG
pada Gelombang otak menggunakan metode k-
abnormal means clustering.
Penelitian ini bertujuan untuk mengklasifikasi gelombang otak dan mendeteksi gelombang
otak normal dan gelombang otak abnormal dari hasil rekaman aktivitas listrik pada otak
a. Membantu tenaga medis untuk mengklasifikasi gelombang otak dari hasil rekaman
b. Membantu tenaga medis untuk mendeteksi gelombang otak normal dan gelomabang otak
1. Mengunakan data citra hasil rekaman gelombang otak menggunakan hasil rekaman dari
electroencephalograph (EEG)
2. Menekankan penerapan metode backpropagation dalam deteksi gelombang otak normal dan
Backpropagation
Backpropagation adalah algoritma pembelajaran untuk mengurangi tingkat
kesalahan dengan menyesuaikan bobotnya berdasarkan perbedaan antara
keluaran dan tujuan yang diinginkan
Backpropagation memiliki tiga lapisan dalam proses pelatihannya, yaitu input
layer, hidden layer dan output layer
Metode backpropagation bekerja melalui proses iteratif menggunakan sampel data
yang telah dikumpulkan (data latih) menggunakan metode yang membandingkan
nilai prediksi jaringan terhadap setiap sampel data.
Title Lorem Ipsum
BAB 1
BAB III
Mulai
Studi Literatur
Pengujian Sistem
METODE PENELITIAN
Apakah sistem
beroperasi
sesuai rencana?
Analisis
Kesimpulan
Selesai
Diagaram Perencanaan Sistem
28,1374 dan nilai median terkecil ditunjukkan pada data ke 30 yaitu 21,
3970. Nilai mean tertinggi ditunjukkan pada data ke 33 yaitu 37, 7489 dan
ciri normal .
sebanyak 40 data.
Metode Backpropagation
Data pengujian (testing) adalah data yang digunakan dalam proses pengujian 21,3970 > 𝑁𝑜𝑟𝑚𝑎𝑙 < 28,5531
𝑀𝑒𝑑𝑖𝑎𝑛 = ൬ ൰
28,5531 > 𝐴𝑏𝑛𝑜𝑟𝑚𝑎𝑙 < 31,9552
pada aplikasi yang telah melewati proses pelatihan. Sebelum melakukan proses
30,4994 > 𝑁𝑜𝑟𝑚𝑎𝑙 < 37,7489
pelatihan dan pengujian terlebih dahulu membagi data tersebut, pembagian data 𝑀𝑒𝑎𝑛 =൬ ൰
37,7489 > 𝐴𝑏𝑛𝑜𝑟𝑚𝑎𝑙 < 44,4464
pada pelatihan adalah 40:8 dan pada pengujian adalah 18:4.
34,6658 > 𝑁𝑜𝑟𝑚𝑎𝑙 < 42,8265
𝑆𝑡𝑎𝑛𝑑𝑎𝑟 = ൬ ൰
42,8265 > 𝐴𝑏𝑛𝑜𝑟𝑚𝑎𝑙 < 53,6063
Hasil Pengujian Sistem
• Data yang digunakan dalam pengujian sistem yaitu 18 data gelombang otak normal dan 4 data gelombang abnormal. Gelombang
abnormal pada otak memiliki ciri pola gelombang spike, sharp dan memiliki nilai aktivitas yang lebih tinggi dari gelombang
normal.
• Alat electroenchaphalograph (EEG) yang berada dirumah sakit belum bisa menafsirkan pola spike, sharp dan juga nilai dari
gelombang itu sendiri secara otomatis, maka dari itu diagnosa tenaga medis yang dilakukan secara visual dan sangat subjektif
terhadap pemeriksaan hasil electroenchaphalograph (EEG).
• Hasil diagnosa tenaga medis gelombang T1-T3 di diagnosa sebagai gelombang abnormal.
• Hasil diagnosa tenaga medis gelombang P4-02 didiagnosa sebagai gelombang abnormal
Hasil pengujian sistem dari gelombang T1-T3 dengan hasil uji yaitu gelombang
abnormal
Hasil pengujian sistem dari gelombang P4-02 dengan hasil uji yaitu gelombang normal
IMPLEMENTASI SISTEM
Title Lorem Ipsum
BAB 1
BAB V
KESIMPULAN
1. Antarmuka yang dibangun menggunakan metode citra digital HSV, segmentasi, dan ekstraksi ciri, serta klasifikasi
backpropagation dapat digunakan dalam pengklasifikasian jenis gelombang otak.
2. Parameter yang digunakan pada penelitian ini menggunakan 8 hidden layer dengan neuron 100, learning rate 0.5,
maksimum epoch 100000, dan target error 0.0001
3. Hasil pengujian pada antarmuka terdapat dua buah citra gelombang otak abnormal yang tidak terdeteksi, sedangkan pada
citra gelombang otak normal semua citra dapat terdeteksi dengan baik. Tingkat akurasi yang terukur pada hasil pengujian
yaitu sebesar 90.91% dari 100 neuron dan epoch 100000.
4. Parameter pengujian yang digunakan seperti pembagian data, learnig rate, jumlah epoch, jumlah neuron, jumlah hidden
layer, serta kualitas
SARAN
1. Antarmuka pengujian dibangun menggunakan aplikasi pengolah data dan pemrograman Matlab serta tampilan
antarmuka masih sederhana dan bersifat statis, untuk itu perlu adanya penambahan fitur ataupun keterangan pada
antarmuka agar lebih dinamis dan mudah dipahami.
2. Metode pengolahan citra masih bersifat umum, sehingga untuk penelitian selanjutnya dapat menambahkan
beberapa metode pengolahan citra yang lain agar hasil yang dapatkan dapat lebih baik.
3. Penggunaan metode backpropagation, dapat dikembangkan ataupun dikolaborasikan dengan model trainlm,
traincfg maupun dengan metode yang lain.
TERIMA KASIH