<![CDATA[Epilepsi adalah gangguan neurologis yang memengaruhi lebih dari 50 juta orang di seluruh dunia, dengan sekitar 6 juta penderita di Eropa. Penyakit ini memiliki tingkat kesalahan diagnosis yang tinggi dan dapat menyebabkan gangguan psikologis akibat stigma sosial. Klasifikasi epilepsi berdasarkan Electroencephalogram (EEG) sangat penting dalam diagnosis, namun interpretasi hasil EEG seringkali sulit dan memerlukan keahlian khusus. Kesulitan dalam mendiagnosis epilepsi secara akurat akibat interpretasi EEG yang membutuhkan pengalaman dan waktu, hal ini memengaruhi efektivitas pengobatan. Penelitian ini bertujuan untuk mengoptimalkan klasifikasi kejang epilepsi secara akurat dengan menghasilkan performa tinggi. Backpropagation Neural Network adalah salah satu metode dari pempelajaran mendalam digunakan pada kasus memprediksi klasifikasi untuk menurunkan tingkat kesalahan dalam diagnosis dan pemantauan kejang epilepsi dan non-epilepsi. Hasil dari penelitian ini menghasilkan tingkat akurasi 98,63%. Pelatihan pada split data 80:20, learning rate 0.1, jumlah neuron pada hidden layer terdapat 9 neuron, dengan 100 epoch pelatihan. Saat dilatih menggunakan data target berhasil digunakan dalam 418 diprediksi sebagai epilepsi dan 1791 sebagai non-epilepsi.]]>
Copyrights © 2025
