Garuda - Garba Rujukan Digital

AUTOMATIC ABNORMAL WAVES DETECTION FROM THE ELECTROENCEPHALOGRAM OF EPILEPSY WITH DWT Noertjahjani, Siswandari
PROSIDING SEMINAR NASIONAL & INTERNASIONAL 2014: PROSIDING SEMINAR NASIONAL HASIL - HASIL PENELITIAN & PENGABDIAN
Publisher : Universitas Muhammadiyah Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (573.136 KB)

This paper proposes a feature extraction and recognition algorithm for interictal and ictal EEG signals using Discrit Wavelet Transform (DWT).Patients seizure consist 4 Males, 6 Females ages 3-35 years. Clinical status epileptic without seizure 10 Males, 18 Female, ages 10-40 years. Clinical status non epileptic 8 Male, 5 Female ages 8-42 years. Numerical data were acquired with EEG system at Karyadi hospital Semarang 2008-2013. The categorization is confirmed by Fast Fourier Transform (FFT) analysis. The dataset includes waves such as sharp, spike through DWT ( For this a mother daubechies 7, coiflets 1 and coiflets 5) of EEG records.The experimental results show that this algorithm can achieve the sensitivity of 94.00% and pecificity of 93.75% for interictal and ictal EEGs,and the sensitivity of 92.50% and specificity of 92.75%, total accuracy of 91.21% for normal and ictal EEGs on data sets.Besides,the experiment with interictal and ictal EEGs from karyadi Hospital data set also yields sensitivity of 90.05% . specificity of 95% and total accuracy of 94.63% .Automatic seizure detection is very helpful to review prolonged EEGs.The research carried out so far was to find the prospect of this digital signal processing on EEG waves to support the doctors work in this field.

PENDETEKSIAN GELOMBANG ABNORMAL PADA HASIL REKAMAN ELEKTROENSEFALOGRAFI KASUS EPILEPSI DENGAN MENGGUNAKAN METODE SPECTROGRAM Siswandari Noertjahjani
MEDIA ELEKTRIKA Vol 6, No 2 (2013): MEDIA ELEKTRIKA
Publisher : PSTE UNIMUS

The application of a digital signal processing to EEG waves is to acquire the shapes of the respective autocorrelation and power spectral density functions, as well as to find the parameters values of the associated specific waves understood as “spikes” and “sharps”. Based on a sufficiently large number of patients with a variety of symptoms, we expect to draw some consistent and distinct relations between the specific forms of the autocorrelations as well as the power spectral densities and their associated diagnostic aspects. The acquired parameters values of the “spikes” and “sharps” are intended to establish a procedure to determine or classify the respective phenomena, automatically with a computer. The research carried out so far was to find the prospect of this digital signal processing on EEG waves to support the doctors’ work in this field.

PERBEDAAN EEG EPILEPSI DENGAN MENGUNAKAN WAVELET PADA ELEKTRODA FP2-FP1 DAN F3-F7 Siswandari Noertjahjani
MEDIA ELEKTRIKA Vol 14, No 2 (2021): Media Elektrika
Publisher : PSTE UNIMUS

Electroencephalogram (EEG) telah digunakan untuk klinis diagnosa epilepsi selama beberapa dekade. Jika dibandingkan dengan metode lain seperti Electrocorticogram (ECOG), EEG adalah metode yang aman untuk mendeteksi aktivitas otak. Analisis klinis atas EEG untuk pengidentifikasi kejang adalah tepat. Namun, performance EEG secara otomatis berbasis metode yang tergantung pada jenis fitur yang dianalisis dan bagaimana EEG digunakan untuk mengklasifikasikan sinyal. Sinyal yang digunakan FP1-FP2 dan F3-F7. Epilepsi merupakan salah satu penyakit neurologis yang utama. Epilepsi didefinisikan sebagai suatu sindrom yang ditandai oleh gangguan fungsi otak yang bersifat sementara dan paroksismal. Wavelet adalah alat analisis frekuensi-waktu yang efektif untuk dianalisis sinyal transien.

EKSTRAKSI CIRI EPILEPSI PADA REKAMAN EEG BERDASARKAN CIRI RATA-RATA, STANDARDEVIASI, MINIMAL DAN KURTOSIS Siswandari Noertjahjani; Zainal Muttaqin; Yuriz Bakhtiar
MEDIA ELEKTRIKA Vol 12, No 2 (2019): MEDIA ELEKTRIKA
Publisher : PSTE UNIMUS

Epilepsi sering dihubungkan dengan disabilitas fisik, disabilitas mental, dan konsekuensi psikososial yang berat bagi penyandangnya. Penyakit epilepsi yang tidak ditangani segera dapat merusak otak. EEG digunakan untuk merekam otak dan membedakan pola sinyal EEG epilepsi dan normal diperlukan suatu ciri untuk masing masing pola. Ciri yang akan dipakai untuk mewakili sinyal EEG berasal dari 4 ciri statistik yaitu rata-rata, standar deviasi, minimal, kurtosis dengan 11 elektroda FP1, FP2, F7, F3, T7,T8 , Pz, O1, O2, P3, P4. Hasil menunjukkan nilai standar deviasi pada penyandang epilepsi lebih tinggi dari pada ciri rata- rata, minimal dan kurtosis

DETEKSI EPILEPSI DENGAN PCA Siswandari Noertjahjani; Aris Kiswanto; Heri Dwi Santosa
PROSIDING SEMINAR NASIONAL & INTERNASIONAL 2017: Prosiding Seminar Nasional Publikasi Hasil-Hasil Penelitian dan Pengabdian Masyarakat
Publisher : Universitas Muhammadiyah Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar

The main purpose of this study is to early detection of symptoms of epilepsy symptoms on the introduction of normal EEG signaling patterns with epilepsy (abnormal) EEG signals. There are 5 characteristics of statistics used are mean, variant, kurtosis, entropy, skweness. Electrodes used in EEGs usually have 19 channels: FP1, FP2, F7, F3, F2, F4, F8, C3, CZ, C4, P3, P4, PZ, O1 and OZ. While in this research only use FP1 electrode with 2 second signal cutting. Extraction of normal wave characteristics and epilepsy using PCA (principle componen analysis). PCA method is very appropriate to use if the existing datahas a large number of variables and has a correlation between variables such as EEG signals. The calculation of the principal component analysis is based on the calculation of eigenvalues and eigenvectorsexpressing the dissemination of data from a dataset and capable of reducing the high dimension to a low dimension, without losing the information contained in the original data.Keywords-epilepsy, EEG, FP1

PERBEDAAN EEG EPILEPSI DENGAN MENGUNAKAN WAVELET PADA ELEKTRODA FP2-FP1 DAN F3-F7 Siswandari Noertjahjani
MEDIA ELEKTRIKA Vol 14, No 2 (2021): Media Elektrika
Publisher : PSTE UNIMUS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26714/me.14.2.2021.114-122

Electroencephalogram (EEG) telah digunakan untuk klinis diagnosa epilepsi selama beberapa dekade. Jika dibandingkan dengan metode lain seperti Electrocorticogram (ECOG), EEG adalah metode yang aman untuk mendeteksi aktivitas otak. Analisis klinis atas EEG untuk pengidentifikasi kejang adalah tepat. Namun, performance EEG secara otomatis berbasis metode yang tergantung pada jenis fitur yang dianalisis dan bagaimana EEG digunakan untuk mengklasifikasikan sinyal. Sinyal yang digunakan FP1-FP2 dan F3-F7. Epilepsi merupakan salah satu penyakit neurologis yang utama. Epilepsi didefinisikan sebagai suatu sindrom yang ditandai oleh gangguan fungsi otak yang bersifat sementara dan paroksismal. Wavelet adalah alat analisis frekuensi-waktu yang efektif untuk dianalisis sinyal transien.

Identifikasi Epilepsi Dengan Segmentasi 5 S Pada Klasifikasi Extreme Learning Machine Siswandari Noertjahjani; Yanuarita Tursinawati; Tito Pinandita
Jurnal ICT: Information Communication & Technology Vol. 22 No. 2 (2022): JICT-IKMI, December 2022
Publisher : LPPM STMIK IKMI Cirebon

Show Abstract | Download Original | Original Source | Check in Google Scholar

Epilepsi adalah penyakit tidak menular yang ditandai dengan kejang akibat pelepasan listrik episodik tidak wajar atau banyak dari sel saraf dengan bermacam etiologinya. EEG adalah alat untuk merekam gelombang otak epilepsi. Perekaman EEG yang terlalu lama akan membutuhkan biaya tinggi dan membosankan. Pembacaan data EEG yang banyak juga akan melelahkan dan bisa terjadi kekeliruan. Dengan pengolahan sinyal digital yang baik maka penelitian ini menggunakan metode dengan data yang disegmentasi sinyal 5 s di daerah Temporal (T3) kemudian setelah disegmentasi dihitung ciri mean, varian, standar deviasi, kurtosis, dan skewness. Data yang digunakan pada penelitian ini adalah 75 epilepsi dan 75 normal. Untuk mencapai akurasi yang tinggi maka klasifikasi yang digunakan Extreme Learning Machine (ELM) pada sinyal di filter dengan konvolusi least square linier phase FIR. Hasil akurasi yang diperoleh 99,8 % dengan ciri standar deviasi dengan sensivity 93,3 % dan spesitivity 96,3% kemudian ciri varian dengan akurasi 82,2% , sensitivity 80,6% dan spesitivity 81,4%.

Deteksi Epilepsi Dengan Diskrit Wavelet Transform Siswandari Noertjahjani
Jurnal ICT: Information Communication & Technology Vol. 23 No. 1 (2023): JICT-IKMI, Juli 2023
Publisher : LPPM STMIK IKMI Cirebon

Show Abstract | Download Original | Original Source | Check in Google Scholar

Pendukung diagnosis epilepsi adalah dengan menggunakan EEG. Namun, langkah ini membutuhkan waktu yang relatif lama dan membutuhkan tenaga ahli. Untuk membedakan antara pola sinyal EEG epilepsi dan normal, diperlukan fungsi untuk setiap pola. Berdasarkan fitur tersebut, sinyal EEG diidentifikasi dan diklasifikasikan menggunakan Pengklasifikasi. Ciri yang akan mewakili sinyal EEG epilepsi dan normal berasal dari 2 ciri mean,standar deviasi dan energi. Elektroda yang digunakan merupakan superposisi dari FP1 dan FP2. Sinyal yang diekstraks berdasarkan ciri domain waktu frekuensi menggunakan dwt Daubechies 8 (db8) . Kemampuan ciri-ciri dalam membedakan sinyal EEG epilepsi dan sinyal EEG normal dianalisa menggunakan metode seleksi ciri F score, Ciri terbaik hasil seleksi diuji menggunakan klasifikasi algoritme Back Propagation Neural Networks (BPNN), K-nearest Neighbor (KNN), Support Vector Machine dan Extreme Learning Machine (ELM). Teknik berbasis DWT dengan klasifikasi Extreme Learning Machine mempunyai akurasi 98 % pada D5 dengan menggunakan ciri standar deviasi. Sedangkan ciri energi, akurasi tertinggi pada D5 dengan klasifikasi yang sama dan mempunyai akurasi yang lebih rendah

Detection of Eeg Records in Cases of Epilepsy Using Fir and Standard Deviation Siswandari Noertjahjani; Aisyah Lahdji; Zainal Muttaqin; Yuris Bakhtiar
Prosiding Seminar Nasional Unimus Vol 3 (2020): Optimalisasi Hasil Penelitian dan Pengabdian Masyarakat Menuju Kemandirian di Tengah P
Publisher : Universitas Muhammadiyah Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar

Epilepsi didefinisikan sebagai kumpulan gejala dan tanda-tanda klinis yang muncul disebabkan gangguan fungsi otak secara intermiten, yang terjadi akibat lepasnya muatan listrik abnormal atau berlebihan dari neuron-neuron secara paroksismal dengan berbagai macam etiologi. Deteksi epilepsi dengan sinyal EEG melalui FIR dan ciri standar deviasi mampu memisahkan sinyal EEG epilepsi dan Normal dengan elektroda P3 dan P4. Kata Kunci : EEG, Normal, Epileps

Efektifitas Pemanfaatan Arang Bonggol Jagung Sebagai Filler Komposit Resin Epoksi Untuk Isolator Listrik Julaipah Julaipah; Moh Toni Prasetyo; Siswandari Noertjahjani; Radiktyo Nindyo Sumarno
Prosiding Seminar Nasional Unimus Vol 5 (2022): Inovasi Riset dan Pengabdian Masyarakat Guna Menunjang Pencapaian Sustainable Developm
Publisher : Universitas Muhammadiyah Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar

Seiring dengan perkembangan zaman, isolator sangat dibutuhkan dalam jaringan transmisi maupun distribusi. Material isolator dalam jaringan tersebut berbeda – beda. Penggunaan isolator tegangan tinggi dari bahan porselen, kaca, dan keramik banyak digunakan sehingga pengganti material isolator polimer harus dikembangkan. Isolator polimer yang digunakan adalah resin epoksi. Penelitian menggunakan bahan polimer resin epoksi dengan perbandingan 1:1 ditambah dengan variasi ukuran nilai material pengisi serbuk arang bonggol jagung dan lem kaca dengan nilai persentase masing – masing 5%, 10%, 15%, 20%, 25%. Berbagai variasi nilai bahan pengisi digunakan untuk mengetahui pengaruh komposisi bahan pengisi serbuk arang bonggol jagung terhadap sudut kontak dan arus bocor. Penelitian dilakukan di laboratorium menurut standar IEC 587:1984. Berdasarkan hasil uji komposisi bahan yang telahdilakukan, arang bonggol jagung mempunyai kandungan silika sebesar 42,06%. Diperoleh data pada pengujian sudut kontak, RTV 40 mempunyai sudut kontak terbaik diantara sampel yang lainnya dengan nilai sebesar 75,20. Pada pengujian arus bocor, RTV 40 memiliki kualitas yang baik diantara sampel yang lainnya. RTV 40 memiliki waktu penjajakan terlama saat proses kebocoran arus. Saat terjadi proses penjajakan kebocoran arus, bahan uji akan mengalami erosi atau pengapuran bahan secara permanenpada jalur yang dilewati tetesan polutan. Berdasarkan hasil penelitian yang telah dilakukan, penambahan bahan pengisi dapat mempengaruhi kualitas suatu bahan isolator, semakin banyak bahan pengisi dapat memperlambat terjadinya kebocoran arus. Kata Kunci : isolator, resin epoksi, arang bonggol jagung, polimer, kebocoran arus

Title

Found 11 Documents
Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title Search

Found 11 Documents Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title

Found 11 Documents
Search