SISTEM PAKAR DENGAN PENDEKATAN METODE MACHINE LEARNING (STUDI KASUS : DETEKSI EPILEPSI)

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%.