Penerepan Particle Swarm Optimization Untuk Optimasi Seleksi Kanal Pada Sinyal Eeg Menggunakan Spatial Selection

Abstrak

Abstrak Elektroensefalogram (EEG) adalah sebuah alat untuk mencatat aktivitas gelombang otak dalam kurun waktu tertentu yang terdiri dari beberapa kanal. EEG dapat digunakan untuk mendiagnosis penyakit epilepsi. Kanal EEG epilepsi dapat dianalisis melalui optimasi seleksi kanal pada sinyal EEG, yaitu menggunakan metode Spatial Selection (SS) dan Particle Swarm Optimization (PSO). Pada tugas akhir ini telah dibuat sistem untuk menyeleksi kanal EEG epilepsi dengan dan mengoptimasi kanal-kanal tersebut. Sebelum melakukan seleksi dan optimasi kanal, terlebih dahulu dilakukan klasifikasi menggunakan K-Nearest Neighbor (K-NN) untuk mendapatkan nilai K terbaik dari data yang menjadi input pada sistem seleksi dan optimasi kanal. Seleksi kanal EEG epilepsi ini menggunakan metode Spatial Selection dan proses optimasinya menggunakan metode Particle Swarm Optimization. Dari hasil Spatial selection didapatkan kanal-kanal yang kemudian dapat dioptimasi menggunakan PSO untuk mendapatkan kanal-kanal aktif yang paling optimal serta meningkatkan akurasi dari kanal-kanal tersebut. Hasil pengujian menunjukkan bahwa akurasi tertinggi dari optimasi kanal EEG setelah dilakukan seleksi kanal adalah 100% dengan menggunakan 5 dataset. Masing-masing dataset terdiri 6 data latih (3 bayi dan 3 remaja) dan 4 data uji (2 bayi dan 2 remaja). Jumlah kanal yang didapatkan juga mengalami pengerucutan dari semula yang berjumlah 23 kanal menjadi 7 kanal aktif yang paling optimal. Kata kunci : EEG, Epilepsi, K-NN, Spatial Selection, PSO. Abstract Electroencephalogram (EEG) is a tool to record brain wave activity over a certain period of time which consists of several channels. EEG can be used to diagnose epilepsy. Epileptic EEG channels can be analyzed by optimizing channel selection on the EEG signal, using Spatial Selection (SS) and Particle Swarm Optimization (PSO) methods. In this final project, a system has been created to select epilepsy EEG channels with and optimize these channels. Before selecting and optimizing the channel, the classification is done using K-Nearest Neighbor (K-NN) to get the best K value from the data that is the input to the channel selection and optimization system. The epilepsy EEG channel selection uses the Spatial Selection method and the optimization process uses the Particle Swarm Optimization method. From the results of Spatial selection, we get channels which can then be optimized using PSO to get the most optimal active channels and increase the accuracy of these channels. The test results show that the highest accuracy of EEG channel optimization after channel selection is 100% using 5 datasets. Each dataset consists of 6 training data (3 infants and 3 adolescents) and 4 test data (2 infants and 2 adolescents). The number of channels obtained also experienced a reduction from the original 23 channels to 7 active channels which were the most optimal. Keywords: EEG, Epilepsi, K-NN, Spatial Selection, PSO.