DIAGNOSA PENYAKIT PARKINSON MENGGUNAKAN METODE EKSTRAKSI CIRI WAVELET PACKET DECOMPOSITION (WPD) DAN METODE KLASIFIKASI KNEAREST NEIGHBOR (K-NN)

SETIANI, INDRIELNA (2022) DIAGNOSA PENYAKIT PARKINSON MENGGUNAKAN METODE EKSTRAKSI CIRI WAVELET PACKET DECOMPOSITION (WPD) DAN METODE KLASIFIKASI KNEAREST NEIGHBOR (K-NN). S1 thesis, Universitas Mercu Buana Jakarta.

Preview	Text (HAL COVER) 01 Cover.pdf Download (195kB) | Preview
Preview	Text (ABSTRAK) 02 Abstrak.pdf Download (60kB) | Preview
	Text (BAB I) 03 Bab I.pdf Restricted to Registered users only Download (76kB)
	Text (BAB II) 04 Bab II.pdf Restricted to Registered users only Download (309kB)
	Text (BAB III) 05 Bab III.pdf Restricted to Registered users only Download (276kB)
	Text (BAB IV) 06 Bab IV.pdf Restricted to Registered users only Download (287kB)
	Text (BAB V) 07 Bab V.pdf Restricted to Registered users only Download (17kB)
	Text (DAFTAR PUSTAKA) 08 Daftar Pustaka.pdf Restricted to Registered users only Download (22kB)
	Text (LAMPIRAN) 09 Lampiran.pdf Restricted to Registered users only Download (171kB)

Abstract

Parkinson's disease is a disease that attacks the gradual degeneration of nerve cells in the midbrain that regulates body movement. This disease arises due to damage to nerve cells called the substantia nigra, which functions to send signals or messages to the nerves in the spine as a controller of the muscles in the body. Until now, Parkinson's disease can not be completely cured. However, Parkinson's disease can be overcome with early detection in an effort to prevent sufferers from getting worse. This final project performs feature extraction from web database physiobank. Data is the recording of pressure on the soles of the feet when walking for a certain time. This decisive pressure value will be the basis for early detection of Parkinson's. This study designs a system that can detect a person's Parkinson's disease symptoms through recorded data using the Wavelet Packet Decomposition (WPD) feature extraction method and the classification method used is K-Nearest Neighbor (KNN). In this study, the authors used 186 data, 100 data for Parkinson's patients and 86 other data for healthy people. Data processing will use the WPD method with classification using KNN. From this study, it was obtained an accuracy of 98.94% using the mother wavelet db2 with a value of k = 3 and using cross validation with a value of 0.05. Keywords : Parkinson, WPD, KNN Penyakit Parkinson merupakan salah satu penyakit yang menyerang degenerasi sel saraf bertahap pada otak bagian tengan yang mengatur pergerakan tubuh. Penyakit ini timbul akibat rusaknya sel saraf bernama substantia nigra yang berfungsi mengirim sinyal atau pesan ke saraf di tulang belakang sebagai pengendali otot–otot pada tubuh. Hingga saat ini penyakit Parkinson belum bisa disembuhkan secara total. Namun penyakit Parkinson ini bisa ditanggulangi dengan adanya deteksi secara dini dalam upaya mencegah penderita menjadi lebih parah. Tugas Akhir ini melakukan ekstraksi ciri dari rekaman data dari web database physiobank. Data tersebut adalah rekaman tekanan di telapak kaki pada saat berjalan dalam rentang waktu tertentu. Nilai tekanan yang terukur inilah yang akan dijadikan dasar deteksi dini penyakit Parkinson. Penelitian ini merancang suatu sistem yang dapat mendeteksi gejala penyakit Parkinson seseorang melalui rekaman data sinyal menggunakan metode ekstrasi ciri Wavelet Packet Decomposition (WPD) dan metode klasifikasi yang digunakan adalah K-Nearest Neighbor (KNN). Penilitian kali ini penulis menggunakan data sebanyak 186 data, 100 data sebagai data pasien parkinson dan 86 data lainnya merupakan data orang sehat. Pengolahan data menggunakan metode WPD dengan klasifikasi menggunakan KNN. Dari penelitian ini didapatkan akurasi senilai 98.94% dengan menggunakan mother wavelet db2 dengan nilai k=3 dan menggunakan cross validation dengan nilai 0.05. Kata Kunci : Parkinson, WPD, KNN

Item Type:	Thesis (S1)
Call Number CD:	FT/ELK. 22 117
Call Number:	ST/14/23/067
NIM/NIDN Creators:	41420120123
Uncontrolled Keywords:	Parkinson, WPD, KNN
Subjects:	600 Technology/Teknologi > 620 Engineering and Applied Operations/Ilmu Teknik dan operasi Terapan 600 Technology/Teknologi > 620 Engineering and Applied Operations/Ilmu Teknik dan operasi Terapan > 621 Applied Physics/Fisika terapan 600 Technology/Teknologi > 620 Engineering and Applied Operations/Ilmu Teknik dan operasi Terapan > 621 Applied Physics/Fisika terapan > 621.3 Electrical Engineering, Lighting, Superconductivity, Magnetic Engineering, Applied Optics, Paraphotic Technology, Electronics Communications Engineering, Computers/Teknik Elektro, Pencahayaan, Superkonduktivitas, Teknik Magnetik, Optik Terapan, Tekn
Divisions:	Fakultas Teknik > Teknik Elektro
Depositing User:	ADELINA HASNA SETIAWATI
Date Deposited:	29 Mar 2023 08:10
Last Modified:	29 Mar 2023 08:10
URI:	http://repository.mercubuana.ac.id/id/eprint/75680

Actions (login required)

View Item