Klasifikasi Sinyal Electroencephalography (EEG) Pada Pasien Skizofrenia Paranoid menggunakan Recurrent Neural Network (RNN) (Studi Kasus : Data sinyal Electroencephalography (EEG) pada pasien skizofrenia paranoid dan kontrol sehat)

Abstract

Skizofrenia adalah salah satu jenis gangguan jiwa yang paling umum. Menurut Eugen Bleuler bahwa skizofrenia disebabkan oleh terputusnya hubungan antara kognisi, emosi dan perilaku, yang mengakibatkan kurangnya kesesuaian antara pikiran dan perasaan, atau antara persepsi realitas dan apa yang sebenarnya terjadi yang disebut dengan halusinasi. Di rumah sakit jiwa di Indonesia, sekitar 70% halusinasi yang dialami penderita gangguan jiwa adalah halusinasi pendengaran, 20% halusinasi visual dan 10% halusinasi penciuman, rasa dan sentuhan. Pada penelitian ini, penulis menggunakan dataset yang disediakan oleh Repository For Open Data tahun 2017 tentang Electroencephalography (EEG) pada pasien skizofrenia paranoid dan kontrol sehat. Terdapat data rekaman sinyal EEG pada 14 pasien skizofrenia paranoid dan 14 kontrol sehat. Rekaman sinyal EEG dilakukan bandpass filter dengan frekuensi batas bawah sebesar 2 Hz dan frekuensi batas atas sebesar 45 Hz. Pada tahap EEG segmentation dilakukan segmentation dengan durasi lebih pendek berdurasi 5 detik dengan overlap sebesar 1 detik. Dilakukan feature extraction menggunakan frekuensi domain. Kemudian dilakukan klasifikasi menggunakan Recurrent Neural Network (RNN) dengan fungsi aktivasi ReLU, layer dropout sebesar 0,2 dan layer dense dengan fungsi aktivasi sigmoid. Didapatkan akurasi model RNN sebesar 94,38% dan hasil classification report model RNN didapatkan macro average untuk precision, recall dan f1-score masing-masing sebesar 0,94.