Deteksi Penyakit Epilepsi dengan Menggunakan Entropi Permutasi, K-means Clustering, dan Multilayer Perceptron

Epilepsi didefinisikan sebagai kumpulan gejala dan tanda-tanda klinis yang muncul disebabkan gangguan fungsi otak secara intermiten, yang terjadi akibat lepas muatan listrik abnormal atau berlebihan dari neuron-neuron secara paroksimal dengan berbagai macam etiologi. Banyak pasien yang tidak menyadari adanya gejala epilesi dalam dirinya. Oleh karena itu diperlukan sistem yang bisa memprediksi apakah seseorang menderita epilepsi bebas kejang, atau epilepsi kejang. Dalam artikel ini diimplementasikan perangkat lunak pendeteksi penyakit epilepsi dengan menggunakan entropi permutasi, K-means clustering, dan multilayer perceptron. Hasil model dari algoritma multilayer perceptron akan digunakan dalam proses prediksi. Dataset yang digunakan dalam proses uji coba berisi lima himpunan (A-E) EEG dari manusia sehat dan yang menderita epilepsi yang tersedia online (''Klinik für Epileptologie, Universität Bonn''). Performa terbaik yang dihasilkan oleh model adalah akurasi sebesar 96,5%, specificity sebesar 95,45%, dan sensitivity sebesar 97,97%