Segmentasi Data Sinyal EEG Berdasarkan Domain Waktu Sebagai Dasar Dalam Pengolahan Sinyal Pengambilan Keputusan Dalam  Rehabilitasi Stroke

MY Teguh Sulistyono; Dyah  Ernawati; Stalina Anggraeny Dewi Amodia; Davin Hernanda Putra

doi:10.33633/joins.v9i1.9561

Authors

MY Teguh Sulistyono Universitas Dian Nuswantoro
Dyah Ernawati Universitas Dian Nuswantoro
Stalina Anggraeny Dewi Amodia Universitas Dian Nuswantoro
Davin Hernanda Putra Universitas Dian Nuswantoro

DOI:

https://doi.org/10.33633/joins.v9i1.9561

Keywords:

EEG, Stroke, Segmentasi, Cleaning Data, Band Pass Filter, Feature

Abstract

Penyakit stroke adalah salah satu penyakit kardiofaskuler jika menyerang akan menyebabkan cacad permanen dan meninggal dunia. Proses pemeriksaan membutuhkan dokter hanya berdasarkan visual unruk mendiagnosa penyakit, jika pemeriksaan dilakukan banyak dokter maka diagnose akan berbeda-beda. Unruk menghindari hal tersebut dibutuhkan alat EEG untuk mengambil aktivitas gelombang otak yang hasil pengambilan data tersebut dalam bentuk data mentah. Data mentah agar dapat dihasilkan untuk proses analisis diperlukan pemrosesan sinyal yang terdiri dari band pass filter, cleaning data, segmentasi dan decomposisi. Permasalahan selama ini yang timbul bahwa data mentah tersebt masih dalam bentuk data yang masih banyak noise baik dari pergerakan mata ataupun aktivitas otot., sehingga data mentah yang telah diolah akan menjadi dasar dalam pemilihan feature. Penelitian ini menggunakan metode penelitian menggunakan 2 tahapan yaitu data mentah dan pre processing, dimana pre processing memiliki 3 langkah yaitu band pass filter, cleaning data dan segmentasi.Hasil akhir dari penelitian ini adalah Segmentasi Data Sinyal EEG Berdasarkan Domain Waktu Sebagai Dasar Dalam Pengolahan Sinyal Pengambilan Keputusan Dalam Rehabilitasi Stroke. Kata kunci: EEG, Stroke, Segmentasi, Cleaning Data, Band Pass Filter, Feature

References

A. W. de Weerd, R. J. Veldhuizen, M. M. Veering, D. C. J. Poortvliet, and E. J. Jonkman, “Recovery from cerebral ischaemia. EEG, cerebral blood flow and clinical symptomatology in the first three years after a stroke,” Electroencephalogr. Clin. Neurophysiol., vol. 70, no. 3, pp. 197–204, 1988.

N. R. Sims and H. Muyderman, “Mitochondria, oxidative metabolism and cell death in stroke,” Biochim. Biophys. Acta - Mol. Basis Dis., vol. 1802, no. 1, pp. 80–91, 2010.

J. J. M. F. Van Der Putten, J. C. Hobart, J. A. Freeman, and A. J. Thompson, “Measuring change in disability after inpatient rehabilitation: Comparison of the responsiveness of the Barthel Index and the Functional Independence Measure,” J. Neurol. Neurosurg. Psychiatry, vol. 66, no. 4, pp. 480–484, 1999.

H. S. Jørgensen, H. Nakayama, H. O. Raaschou, J. Vive-Larsen, M. Støier, and T. S. Olsen, “Outcome and time course of recovery in stroke. Part I: Outcome. The Copenhagen stroke study,” Arch. Phys. Med. Rehabil., vol. 76, no. 5, pp. 399–405, 1995.

H. JASPER, “The ten twenty electrode system of the international federation,” Electroencephalogr. Clin. Neurophysiol., vol. 10, pp. 371–375, 1958.

H. Setiawan, W. R. Islamiyah, A. D. Wibawa, and M. H. Purnomo, (2019), “Identifying EEG Parameters to Monitor Stroke Rehabilitation using Individual Analysis,” Proc. - 2019 Int. Semin. Intell. Technol. Its Appl. ISITIA 2019, pp. 337–342.

J. Frey, “Comparison of an open-hardware electroencephalography amplifier with medical grade device in brain-computer interface applications,” PhyCS 2016 - Proc. 3rd Int. Conf. Physiol. Comput. Syst., no. August, pp. 105–114, 2016.

S. Winograd, “5. FIR Filters,” Arith. Complex. Comput., pp. 39–56, 1980.

M. Y. T. Sulistyono, D. Ernawati, W. S. Sari, and S. Hadiati Nugraini, “Artifact-EOG Denoising Using FIR-Filtering in EEG Channel Selection for Monitoring and Rehabilitation of Stroke Patients,” 2022 Int. Semin. Appl. Technol. Inf. Commun. Technol. 4.0 Smart Ecosyst. A New W. Doing Digit. Business, iSemantic 2022, pp. 82–88, 2022.