Abstract:
Electroencephalogram (EEG) adalah sebuah tes yang menghasilkan informasi
sinyal dari otak untuk mengevaluasi fungsi otak. Salah satu penyakit yang bisa
didiagnosa melalui pemeriksaan EEG adalah epilepsi. Seseorang penderita
epilepsi memiliki pola aktivitas otak yang tidak normal yang mengakibatkan
pasien mengalami kejang secara berulang, namun tidak adanya pola khusus untuk
membedakan antara pasien epilepsi dan non-epilepsi, maka itu perlunya
pendeteksian secara otomatis yang akurat. Pendekatan dengan metode machine
learning dapat membantu dalam hal ini, untuk itu dalam penelitian ini
menerapkan pendekatan tersebut untuk mendeteksi dan mengklasifikasikan
apakah seseorang mengidap epilepsi atau tidak dari hasil rekam EGG. Algoritma
yang diimplementasikan pada penelitian ini adalah K-Nearest Neighbour dengan
menggunakan dataset epilepsi dari UCI Machine Learning Repository. Set data
dibagi menjadi 2, yaitu 9.200 untuk training data dan 2.300 untuk testing data.
Berdasarkan hasil uji coba, nilai akurasi yang didapat adalah 94%.
