Klasifikasi Epileptiform dan Wicket Spikes Menggunakan Metode Key-Point Based Local Binary Pattern

Abstract

Epilepsi adalah gangguan kronis otak disebabkan oleh adanya lepasan muatan listrik abnormal yang berlebihan di neuron-neuron otak secara berlebihan di neuron-neuron otak secara paroksismal dan disebabkan oleh berbagai etiologi, bukan disebabkan oleh penyakit otak akut. Sampai saat ini jumlah penderita Epilepsi mencapai 50 juta di seluruh dunia. Di Indonesia diperkirakan kesalahan diagnosis epilepsi mencapai 20-30%. Salah satu metode yang lazim digunakan untuk pemeriksaan epilepsi adalah dengan melakukan perekaman Electroencephalogram (EEG) kemudian dilanjutkan dengan melakukan diagnosis berdasarkan hasil rekaman sinyal EEG yang dihasilkan. Proses pemeriksaan secara manual oleh dokter ini merupakan proses yang panjang dan melelahkan sehingga tidak jarang menyebabkan terjadinya kesalahan dan over-diagnosis. Salah satu jenis sinyal EEG yang cukup sering salah dianggap sebagai sinyal tanda epilepsi adalah Wicket spikes. Wicket spikes merupakan sinyal wicket yang muncul saat pasien mengalami tidur ringan pada saat pemeriksaan EEG, bentuknya yang mirip sering disalah-artikan sebagai epileptiform sharp wave. Pada penelitian ini, diajukan metode Key-Point Local Binary Pattern dan Support Vector Machine untuk melakukan klasifikasi antara Epileptiform dan Wicket spikes. Metode yang diajukan termasuk pendeteksian Key-Point pada sinyal yang sebelumnya telah melalui proses konvolusi dengan filter gaussian. Local Binary Pattern kemudian akan dihasilkan berdasarkan lokasi Key-Point. Kemudian hasil histogram tersebut akan dimasukkan ke dalam Support Vector Machine untuk diklasifikasikan. Hasil proses klasifikasi berupa hyperplane yang mengklasifikasikan tiga kelas yaitu normal, epileptiform dan wicket spikes. Didapatkan metode yang diajukan memiliki tingkat keberhasilan sebesar 96% persen untuk klasifikasi pada Epileptiform dan Wicket spikes dan lebih besar dari yang ada pada saat ini.