<![CDATA[Kesadaran merupakan kondisi klinis yang ditandai oleh keadaan terjaga (wakefulness) dan kemampuan menyadari diri serta lingkungan (awareness). Pada pasien kritis, khususnya di Intensive Care Unit (ICU), pemantauan kesadaran penting untuk menentukan keputusan klinis; namun penilaian konvensional seperti Glasgow Coma Scale (GCS) bersifat subjektif dan kurang optimal pada pasien terintubasi, sementara Electroencephalography (EEG) multikanal cenderung mahal dan kompleks. Penelitian ini berfokus pada pengembangan tahap awal sistem monitoring kesadaran berbasis EEG satu kanal, yaitu pemrosesan sinyal dan ekstraksi fitur yang representatif sebagai dasar analisis/pemodelan lanjutan. Sinyal EEG direkam menggunakan perangkat EEG satu kanal, kemudian dilakukan pra pemrosesan berupa normalisasi untuk mengurangi pengaruh outlier, segmentasi sinyal, serta pemilahan komponen frekuensi menggunakan Discrete Wavelet Transform (DWT) untuk memperoleh sinyal yang relevan bagi karakteristik kesadaran. Dari sinyal hasil dekomposisi tersebut diekstraksi tiga fitur utama, yaitu Sample Entropy (SampEn), Permutation Entropy (PermEn), dan Mean Absolute Value (MAV). Ketiga fitur ini disusun menjadi vektor/matriks fitur sebagai keluaran sistem yang dapat digunakan untuk tahap klasifikasi atau prediksi pada penelitian selanjutnya. Implementasi sistem disajikan melalui antarmuka berbasis perangkat lunak untuk memudahkan visualisasi sinyal dan proses ekstraksi fitur secara terstruktur. Hasil pengujian menunjukkan bahwa sistem mampu membedakan karakteristik kondisi kesadaran secara efektif. Hal ini ditandai dengan penurunan signifikan nilai rata-rata fitur pada kondisi tidak sadar dibandingkan kondisi sadar, dengan Sample Entropy berkurang dari 0,5684 hingga 0,3853, Permutation Entropy menurun dari 0,5769 ke 0,4987, serta Mean Absolute Value turun dari 0,8212 ke 0,7165. Selain itu, sistem menunjukkan performa efisien dengan rata-rata waktu komputasi 1,9494 detik per segmen, sehingga potensial untuk diterapkan sebagai landasan sistem monitoring kesadaran berbasis fitur objektif.]]>
Copyrights © 2026
