APLIKASI WEB UNTUK DETEKSI SKIZOFRENIA MENGGUNAKAN SINYAL ELECTROENCEPHALOGRAPHY (EEG) DENGAN DEEP LEARNING

2107412046, Dea Luthfina Azzahra (2025) APLIKASI WEB UNTUK DETEKSI SKIZOFRENIA MENGGUNAKAN SINYAL ELECTROENCEPHALOGRAPHY (EEG) DENGAN DEEP LEARNING. D4 thesis, Politeknik Negeri Jakarta.

[thumbnail of Identitas Skripsi - Bab 1 & Bab 5] Text (Identitas Skripsi - Bab 1 & Bab 5)
2107412046_Dea Luthfina Azzahra_Identitas Skripsi.pdf

Download (2MB)
[thumbnail of Isi Skripsi - Bab 2 s.d. Bab 4] Text (Isi Skripsi - Bab 2 s.d. Bab 4)
2107412046_Dea Luthfina Azzahra_Isi Skripsi.pdf
Restricted to Hanya Civitas Akademika PNJ

Download (4MB)
[thumbnail of Artikel Jurnal] Text (Artikel Jurnal)
2107412046_Dea Luthfina Azzahra_Artikel Jurnal Multinetics.pdf
Restricted to Hanya Staff Repositori

Download (1MB)

Abstrak

Electroencephalogram (EEG) merupakan alat non-invasif yang digunakan untuk memantau aktivitas otak dan mendiagnosis berbagai gangguan neurologis dan psikologis, termasuk skizofrenia. Skizofrenia adalah gangguan mental kronis yang memengaruhi jutaan orang di seluruh dunia. Analisis sinyal EEG secara manual membutuhkan waktu yang lama dan melelahkan, sehingga diperlukan pendekatan otomatis berbasis teknologi. Penelitian ini bertujuan mengembangkan sistem deteksi skizofrenia berbasis deep learning menggunakan data sinyal EEG. Data yang digunakan bersifat non-publik dan berbentuk raw signal data yang melalui tahap prapemrosesan dan data yang diekstraksi fitur menggunakan metode Real Fast Fourier Transform (RFFT). Dua arsitektur model yang diuji dalam penelitian ini adalah 1D Convolutional Neural Network (CNN) dan Long Short-Term Memory (LSTM). Hasil pengujian menunjukkan bahwa model 1D CNN dengan bantuan feature extraction menggunakan RFFT memberikan hasil klasifikasi terbaik dengan akurasi sebesar 99%. Model terbaik ini kemudian diintegrasikan ke dalam aplikasi web sebagai alat bantu diagnosis skizofrenia berbasis EEG dan dilakukan User Acceptance Test (UAT) oleh peneliti dengan skor sebesar 82.0% untuk model dan 91.45% untuk aplikasi web.

Tipe Dokumen: Thesis / Skripsi / Tugas Akhir (D4)
Subjek: 000 - Komputer, Informasi dan Referensi Umum > 000 Ilmu komputer, ilmu pengetahuan dan sistem-sistem > 000 Ilmu komputer, informasi dan pekerjaan umum
000 - Komputer, Informasi dan Referensi Umum > 000 Ilmu komputer, ilmu pengetahuan dan sistem-sistem > 001 Ilmu pengetahuan
000 - Komputer, Informasi dan Referensi Umum > 000 Ilmu komputer, ilmu pengetahuan dan sistem-sistem > 004 Pemrosesan data dan ilmu komputer
000 - Komputer, Informasi dan Referensi Umum > 000 Ilmu komputer, ilmu pengetahuan dan sistem-sistem > 005 Pemrograman komputer, program dan data
Bidang, Unit, atau Jurusan Yang Ditujukan: Teknik Informatika dan Komputer > Teknik Informatika D4
User ID Pengunggah: Dea Luthfina Azzahra
Date Deposited: 25 Jul 2025 06:18
Last Modified: 25 Jul 2025 06:18
URI: https://repository.pnj.ac.id/id/eprint/29677

Actions (login required)

View Item
View Item