Klasifikasi Data Penderita Skizofrenia Menggunakan CNN-LSTM dan Cnn-Gru pada Data Sinyal EEG 2D

Abstract

Skizofrenia (SZ) adalah penyakit otak dengan kondisi kronis yang memengaruhi kemampuan berpikir. Gejala umum yang sering terlihat pada pasien SZ adalah halusinasi, delusi, perilaku abnormal, gangguan bicara, dan gangguan mood. Pasien SZ dapat didiagnosis menggunakan sinyal elektroensefalografi (EEG). Penelitian ini melakukan Analisis perbandingan metode terbaik dalam klasifikasi EEG menggunakan metode Deep Learning (DL). Penulis menggunakan metode 2D Convolutional Neural Network(2D-CNN) dengan layer berbeda. 2D-CNN Pertama menggunakan layer Long Short Term memory(LSTM) dan Gate Recurrent Unit(GRU). Dataset yang digunakan terdiri dari dua jenis sinyal EEG yang diperoleh dari 39 individu sehat dan 45 pasien skizofrenia selama keadaan istirahat. Hasil Pengujian akurasi F1-score dari 5 kali pengujian metode CNN yang menggunakan layer LSTM memiliki nilai akurasi terbaik sebesar 94,12% dan 5 kali pengujian metode CNN yang menggunakan layer GRU memiliki nilai akurasi terbaik sebesar 94,12%.