Klasifikasi Sinyal Gait Pada Penyakit Parkinson Menggunakan Optimasi Adaptive Moment Estimation (ADAM) Berdasarkan Ekstraksi Multifractal Spectrum

Lulu, Rahma Fadilla (2020) Klasifikasi Sinyal Gait Pada Penyakit Parkinson Menggunakan Optimasi Adaptive Moment Estimation (ADAM) Berdasarkan Ekstraksi Multifractal Spectrum. Undergraduate Thesis thesis, Institut Teknologi Telkom Purwokerto.

Preview	Text ABSTRACT.pdf - Accepted Version Download (245kB) | Preview
Preview	Text ABSTRAK.pdf - Accepted Version Download (250kB) | Preview
	Text COVER.pdf - Accepted Version Download (466kB)
Preview	Text BAB I.pdf - Accepted Version Download (314kB) | Preview
Preview	Text BAB II.pdf - Accepted Version Download (711kB) | Preview
Preview	Text BAB III.pdf - Accepted Version Download (1MB) | Preview
	Text BAB IV.pdf - Accepted Version Restricted to Registered users only Download (435kB)
Preview	Text BAB V.pdf - Accepted Version Download (290kB) | Preview
Preview	Text DAFTAR PUSTAKA.pdf - Accepted Version Download (270kB) | Preview

Abstract

Parkinson adalah salah satu penyakit degenerative dengan gejala penurunan fungsi sistem, jaringan dan fungsi tubuh lainnya yang sering dikaitkan dengan proses penuaan. Parkinson menyerang system syaraf yang menyebabkan penderita mengalami gemetar berlebih dan mengalami kesulitan berbicara, dan merupakan pernyakit dengan jumlah pasien terbanyak kedua setelah penyakit Alzheimer. Analisa pola berjalan pada pasien Parkinson menggunakan sinyal gait untuk mengindentifikasi pola berjalan pada pasien Parkinson. Analisis sinyal gait terdiri dari 2 fase, yaitu 60% fase menapak (stance phase) dan 40% fase mengayun (swing fase). Pada proses analisi gait sinyal ini menghasilkan gaya reaksi tanah pada fase menapak (stance phase) yang disebut Vertical Ground Reaction Force (VGRF) dengan satuan Newton. Sebelum membuat model klasifikasi, sinyal gait akan melakukan pre-processing menggunakan ektraksi fitur Multifractal Detrended Fluctuation Analysis (MFDFA) dengan nilai scale=[8,16,32,64,128,256,512,1024] dan nilai q=[-5,-4,-3,-2,-1,0,1,2,3,4,5] untuk mencari nilai jarak dan kelengkungan. Hasil dari ekstraksi fitur tersebut akan dibuat model klasifikasi menggunakan Multilayer Perceptron dengan optimasi Adaptive moment estimation (ADAM) menghasilkan akurasi sebesar 76% dengan parameter Multilayer Perceptron hidden layer 400, iterasi 400, momentum 0,5 dan learning rate 0,2. Lalu pengujian dengan menggunakan K-fold cross validation menghasilkan akurasi sebesar 52% dan confusion matrix dengan akurasi 76%. Kata Kunci: Gait, Klasifikasi, Parkinson, Jaringan Syaraf Tiruan, Adaptive Moment Estimastion, MFDFA.

Actions (login required)

View Item