Klasifikasi Tahapan Tidur Berdasar Sinyal EEG Menggunakan MRMR dan Support Vector Machine
ANITA RAHMA S, Drs. Agus Harjoko, M.Sc, Ph.D
2022 | Skripsi | S1 ELEKTRONIKA DAN INSTRUMENTASIKlasifikasi tahapan tidur menggunakan multikanal memerlukan komputasi yang tinggi dan kurang efisien dalam implementasinya. Pendekatan menggunakan kanal tunggal, pemilihan kanal yang efisien dan bekerja lebih baik dalam ekstraksi menjadi tantangan dalam pengembangan ASSC. Namun perlu diperhatikan bahwa pemilihan kanal dalam penggunaan kanal tunggal mempengaruhi kualitas sinyal dan informasi yang didapat dari sinyal tersebut, sehingga diperlukan penentuan kanal antara Fpz-Cz dan Pz-Oz yang memberikan hasil lebih akurat dalam pengklasifikasian tahapan tidur. Penelitian ini membandingkan kanal tunggal Fpz-Cz dan Pz-Oz dalam klasifikasi tahapan tidur menggunakan MRMR dan SVM One vs One. MRMR diimplementasikan untuk mengetahui informasi yang didapatkan dari masing-masing kanal melalui penyeleksian fitur-fitur yang dianggap sebagai pembeda. Perbedaan informasi yang diperoleh dari seleksi fitur menentukan hasil klasifikasi yang dilakukan menggunakan metode SVM One vs One. SVM One vs One digunakan untuk mengklasifikasikan sinyal EEG ke dalam tiga tahapan tidur yaitu Wake, LS+REM dan SWS. Hasil klasifikasi tiga tahapan tidur menggunakan SVM One vs One menunjukkan bahwa kanal Pz-Oz lebih baik 1,4% dalam klasifikasi tahapan tidur dengan akurasi sebesar 95,8%.
Sleep stage classification using multi-channel requires high computational efficiency and is less efficient in its implementation. The approach of using a single channel, efficient channel selection, and working better in extraction is a challenge in the development of ASSC. However, it should be noted that the channel selection in the use of a single channel affects the signal quality and the information obtained from the signal, so it is necessary to determine the channel between Fpz-Cz and Pz-Oz which gives more accurate results in classifying sleep stages. This study compared the single-channel Fpz-Cz and Pz-Oz in the classification of sleep stages using MRMR and SVM One vs One. MRMR is implemented to find out the information obtained from each channel through the selection of features that are considered as differentiators. The difference in information obtained from feature selection determines the results of the classification carried out using the SVM One vs One method. SVM One vs One is used to classify EEG signals into three sleep stages, namely Wake, LS+REM, and SWS. The results of the three sleep stages classification using SVM One vs One showed that the Pz-Oz channel was 1,4% better in the sleep stage classification with an accuracy of 95,8%.
Kata Kunci : MRMR, SVM, Sleep Stage Classification
