<![CDATA[Klasifikasi gangguan jiwa berbasisElectroencephalography (EEG) telah menjadi bidangpenelitian yang berkembang dalam kecerdasan buatan(Artificial Intelligence - AI). Penelitian ini bertujuanuntuk mengevaluasi pengaruh parameter tambahan, yaituusia dan IQ, terhadap performa model Artificial NeuralNetwork (ANN) dalam klasifikasi gangguan jiwa berbasisEEG. Data EEG yang digunakan berasal dari datasetpublik dan dikategorikan berdasarkan dua jenis gangguan,yaitu Schizophrenia dan Post-Traumatic Stress Disorder(PTSD), serta kelompok Healthy Control. Sebanyaksembilan model ANN dikembangkan dengan kombinasiparameter berbeda, meliputi Power Spectral Density(PSD), Functional Connectivity (FC), usia, dan IQ.Proses klasifikasi dilakukan dengan Neural Network padalayer aktivasi sigmoid, sementara preprocessing datamencakup normalisasi menggunakan StandardScaler danpenyeimbangan data menggunakan Synthetic MinorityOver-sampling Technique (SMOTE). Evaluasi modeldilakukan berdasarkan metrik akurasi, sensitivity,specificity, dan AUC.Hasil penelitian menunjukkan bahwa model denganparameter usia dan IQ memberikan peningkatan performayang signifikan dibandingkan model tanpa keduaparameter tersebut. Model terbaik, yaitu PTSD IQ,mencapai akurasi testing sebesar 99,89% dengan standardeviasi rendah (0,17%), sensitivitas dan AUC sempurna(100%), menunjukkan kinerja yang unggul dibandingkanmetode sebelumnya seperti Elastic Net. Penambahanvariabel usia dan IQ terbukti meningkatkan kemampuangeneralisasi model, khususnya pada klasifikasi PTSD,serta berkontribusi dalam mengatasi ketidakseimbangankelas pada data Schizophrenia melalui teknik SMOTE +undersampling. Temuan ini menegaskan bahwa usia danIQ merupakan variabel penting dalam klasifikasigangguan jiwa berbasis EEG, serta memperkuat potensipenggunaan model Artificial Neural Network (ANN)sebagai sistem diagnosis berbasis kecerdasan buatan dibidang kesehatan mental.Kata Kunci— EEG, Artificial Neural Network, klasifikasigangguan jiwa, IQ, Age.]]>
Copyrights © 2025
