<![CDATA[Epilepsi merupakan salah satu penyakit neurologis kronis yang dapat menyerang sekitar 50 juta orang di semua usia. Di Indonesia terdapat lebih dari 1.400.000 kasus Epilepsi setiap tahun dengan 70.000 pertambahan kasus setiap tahunnya. Sekitar 40-50% terjadi pada anak-anak. Salah satu pemeriksaan Epilepsi menggunakan Elektroensephalogram (EEG) yang mengidentifikasikan frekuensi 2,8-5,4 Hz, dan loncatan amplitudo atau berbentuk spike. Agar pemeriksaan cukup akurat, sinyal EEG dalam domain waktu perlu diproses dalam domain lain untuk identifikasi adanya Epilepsi. Pada penelitian ini telah dibangun sistem identifikasi Epilepsi menggunakan transformasi Wavelet dan Learning Vector Quantization (LVQ). Pembelajaran dan pengujian menggunakan set data EEG dari University of Bonn. Data terdiri atas empat kondisi, yaitu orang normal mata terbuka (Z), orang normal mata tertutup (O), penderita Epilepsi saat serangan (S), dan penderita Epilepsi saat tidak terjadi serangan (F). Sinyal EEG direkam dengan frekuensi sampling 173,5 Hz selama 23,6 detik sehingga setiap set data mempunyai 4097 titik. Wavelet untuk mengekstraksi sinyal EEG yang mempunyai frekuensi sampling menjadi 2,8-5,4 Hz. Sistem identifikasi menggunakan LVQ dengan fitur spektral daya pada frekuensi 2,8-5,4 Hz dan nilai absolut dari amplitudo rata-rata setiap seperempat detik. Sehingga diperoleh 220 fitur. Sistem telah diuji menggunakan data S dan Z dengan akurasi 67% terhadap data non latih. Penggunaan Wavelet dapat meningkatkan akurasi dari 67% menjadi 72%. Penambahan fitur rata-rata amplitudo dapat meningkatkan akurasi menjadi 94%. Sistem juga telah diuji menggunakan set data ZO dan FS dengan hasil 73% tanpa ekstraksi Wavelet, 65% dengan ekstraksi Wavelet dan 75% untuk Wavelet dengan fitur lengkap. Sistem identifikasi juga telah diuji terhadap data latih dengan akurasi 100%.]]>
