Melola Discovery

← Melola Discovery

Jurnal SINTA 2

KOMPARASI METODE SCICA DAN WICA PADA PRAPROSES DATA EEG OTAK MANUSIA UNTUK DETEKSI PENYAKIT EPILEPSI

JUTI: Jurnal Ilmiah Teknologi Informasi · Vol. 14 No. 2 (2016) · pp. 127–134

DOI
10.12962/j24068535.v14i2.a564
ISSN
2406-8535, 1412-6389
Published
2016-07-01
Publisher
Institut Teknologi Sepuluh Nopember
Language
eng

Abstract

Epilepsi merupakan salah satu kelainan pada otak manusia yang tidak dapat disembuhkan. Penyakit ini menimbulkan kejang pada tubuh dan sangat mengganggu aktivitas. Pada tingkat yang parah, epilepsi dapat membahayakan nyawa penderitanya. Oleh sebab itu, epilepsi harus dideteksi secara dini agar penderita segera mendapatkan penanganan yang tepat sehingga keadaannya tidak memburuk. Pada penelitian ini, deteksi epilepsi dilakukan dengan menggunakan beberapa metode, yaitu Independent Component Analysis (ICA), Wavelet Transform (WT), dan Multilayer Perceptron (MLP). Hasil deteksi diklasifikasikan ke dalam tiga kelas, yaitu normal, epilesi tidak kejang, dan epilepsi kejang. Data rekaman electroencephalogram (EEG) yang digunakan berasal dari ''Klinik für Epileptologie, Universität Bonn” yang diperoleh secara online. Data tersebut merupakan EEG single channel sehingga harus menggunakan teknik-teknik ICA untuk single channel, seperti Single Channel Independent Component Analysis (SCICA) dan Wavelet Independent Component Analysis (WICA). Penelitian ini membandingkan kedua teknik tersebut dalam melakukan praproses data sehingga akan terlihat teknik mana yang lebih baik. Hasil pendeteksian terbaik dihasilkan dari model yang menggunakan teknik SCICA sebagai penghilang derau dan ektraksi fitur Discrete Wavelet Transform Daubechies 6 dengan 4 level. Berdasarkan uji coba, metode tersebut menghasilkan akurasi sebesar 92.09%.

Collaboration network of the authors

40 authors · 69 co-authorship links · 17 across different organisations · showing the 40 most connected

Hover or tap a name to highlight its co-authors. Double-click to open the author's page.

  • Institut Teknologi Sepuluh Nopember
  • University of Brawijaya
  • Universitas Airlangga
  • Hasanuddin University
  • University of Indonesia
  • North Sumatra Islamic University
  • Universitas Muhammadiyah Malang
  • Other organisations
  • Affiliation unknown
  • Different organisations
  • Same organisation
  • Affiliation unknown
  • Thicker line = more joint articles · bigger circle = more articles
Show as table
Co-authorOrganisationJoint articles
Nanik SuciatiInstitut Teknologi Sepuluh Nopember11
Diana PurwitasariInstitut Teknologi Sepuluh Nopember8
Siti RochimahInstitut Teknologi Sepuluh Nopember4
Hendra MesraHasanuddin University4
Anny YuniartiInstitut Teknologi Sepuluh Nopember3
Hari GinardiInstitut Teknologi Sepuluh Nopember2
Ahmad SaikhuInstitut Teknologi Sepuluh Nopember2
Hilya TsaniyaInstitut Teknologi Sepuluh Nopember2
Riyanarto SarnoInstitut Teknologi Sepuluh Nopember2
Eha Renwi AstutiUniversitas Airlangga2
Ramadhan Hardani PutraUniversitas Airlangga2
Ahmad Hayam BrilianAffiliation unknown2
Bilqis AmaliahInstitut Teknologi Sepuluh Nopember1
M. Rahmat WidyantoUniversity of Indonesia1
Jayanti Yusmah SariInstitut Teknologi Sepuluh Nopember1
Mutmainnah MuchtarInstitut Teknologi Sepuluh Nopember1
Evan TanuwijayaInstitut Teknologi Sepuluh Nopember1
Yuita Arum SariUniversity of Brawijaya1
Ratih Kartika DewiUniversity of Brawijaya1
Yudhi PurwanantoInstitut Teknologi Sepuluh Nopember1
Junaidi JunaidiNorth Sumatra Islamic University1
Faida RoyaniAffiliation unknown1
Dewi RosidaAffiliation unknown1
Ricky Eka PutraAffiliation unknown1
Evy Kamilah RatnasariInstitut Teknologi Sepuluh Nopember1
Michael Ndung'uAffiliation unknown1
Gigih Prasetyo CahyonoAffiliation unknown1
Nur HayatinUniversitas Muhammadiyah Malang1
Mustika MentariInstitut Teknologi Sepuluh Nopember1
Ahmad Hifdhul AbrorUIN Sunan Ampel Surabaya1
Gama Wisnu FajariantoInstitut Teknologi Sepuluh Nopember1
Rizal Setya PerdanaUniversity of Brawijaya1
Fahrur RoziInstitut Teknologi Sepuluh Nopember1
Stendy Budi Hartono SakurPoliteknik Negeri Nusa Utara1
Mirza Galih KurniawanInstitut Teknologi Sepuluh Nopember1
Christian Sri Kusuma AdityaInstitut Teknologi Sepuluh Nopember1
Mamluatul Hani’ahAffiliation unknown1

Affiliations come from OpenAlex; journal OAI-PMH metadata carries none. Authors without an OpenAlex ID are matched by name, which can merge or split people.

Metadata source: OAI-PMH (metadata jurnal) https://juti.if.its.ac.id/index.php/juti/oai, first harvested 26 Okt 2026, last seen 26 Okt 2026.
Original metadata (oai_dc) 
<oai_dc:dc xmlns="http://www.openarchives.org/OAI/2.0/" xmlns:dc="http://purl.org/dc/elements/1.1/" xmlns:oai_dc="http://www.openarchives.org/OAI/2.0/oai_dc/" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:schemaLocation="http://www.openarchives.org/OAI/2.0/oai_dc/  http://www.openarchives.org/OAI/2.0/oai_dc.xsd">
	<dc:title xml:lang="en">KOMPARASI METODE SCICA DAN WICA PADA PRAPROSES DATA EEG OTAK MANUSIA UNTUK DETEKSI PENYAKIT EPILEPSI</dc:title>
	<dc:creator xml:lang="en">Bagusmulya, Aditya</dc:creator>
	<dc:creator xml:lang="en">Tjandrasa, Handayani</dc:creator>
	<dc:creator xml:lang="en">Fatichah, Chastine</dc:creator>
	<dc:description xml:lang="en">Epilepsi merupakan salah satu kelainan pada otak manusia yang tidak dapat disembuhkan. Penyakit ini menimbulkan kejang pada tubuh dan sangat mengganggu aktivitas. Pada tingkat yang parah, epilepsi dapat membahayakan nyawa penderitanya. Oleh sebab itu, epilepsi harus dideteksi secara dini agar penderita segera mendapatkan penanganan yang tepat sehingga keadaannya tidak memburuk. Pada penelitian ini, deteksi epilepsi dilakukan dengan menggunakan beberapa metode, yaitu Independent Component Analysis (ICA), Wavelet Transform (WT), dan Multilayer Perceptron (MLP). Hasil deteksi diklasifikasikan ke dalam tiga kelas, yaitu normal, epilesi tidak kejang, dan epilepsi kejang. Data rekaman electroencephalogram (EEG) yang digunakan berasal dari ''Klinik für Epileptologie, Universität Bonn” yang diperoleh secara online. Data tersebut merupakan EEG single channel sehingga harus menggunakan teknik-teknik ICA untuk single channel, seperti Single Channel Independent Component Analysis (SCICA) dan Wavelet Independent Component Analysis (WICA). Penelitian ini membandingkan kedua teknik tersebut dalam melakukan praproses data sehingga akan terlihat teknik mana yang lebih baik. Hasil pendeteksian terbaik dihasilkan dari model yang menggunakan teknik SCICA sebagai penghilang derau dan ektraksi fitur Discrete Wavelet Transform Daubechies 6 dengan 4 level. Berdasarkan uji coba, metode tersebut menghasilkan akurasi sebesar 92.09%.</dc:description>
	<dc:publisher xml:lang="en">Institut Teknologi Sepuluh Nopember</dc:publisher>
	<dc:date>2016-07-01</dc:date>
	<dc:type>info:eu-repo/semantics/article</dc:type>
	<dc:type>info:eu-repo/semantics/publishedVersion</dc:type>
	<dc:type xml:lang="en">Peer-reviewed Article</dc:type>
	<dc:format>application/pdf</dc:format>
	<dc:identifier>https://juti.if.its.ac.id/index.php/juti/article/view/564</dc:identifier>
	<dc:identifier>10.12962/j24068535.v14i2.a564</dc:identifier>
	<dc:source xml:lang="en">JUTI: Jurnal Ilmiah Teknologi Informasi; Vol 14, No. 2, Juli 2016; 127-134</dc:source>
	<dc:source>2406-8535</dc:source>
	<dc:source>1412-6389</dc:source>
	<dc:source>10.12962/j24068535.v14i2</dc:source>
	<dc:language>eng</dc:language>
	<dc:relation>https://juti.if.its.ac.id/index.php/juti/article/view/564/315</dc:relation>
</oai_dc:dc>