ELECTROMYOGRAPHY GAIT TEST FOR PARKINSON DISEASE RECOGNITION USING ARTIFICIAL NEURAL NETWORK CLASSIFICATION IN INDONESIA

Diagnosa Parkinson Disease (PD) di Indonesia dilakukan secara klinis. Analisa langkah jalan dengan menggunakan sensor electromyography (EMG) menawarkan alternatif deteksi untuk PD. Sinyal EMG umumnya sulit dimengerti secara klinis. Penelitian ini menggunakan metode pengenalan pola sebagai alat untuk analisa sinyal EMG bagi subjek sehat dan subjek dengan PD. Sinyal EMG direkam dari 15 pasien dengan PD dan 8 subjek sehatdengan usia yang relatif muda saat subjek melakukan langkah jalan. Pengambilan data langkah jalan dilakukan di Rumah Sakit dr Kariadi Semarang, Jawa Tengah Indonesia. Dua belas buah fitur EMG digunakan untuk feature calculation pada sinyal EMG, delapan fitur adalah fitur yang berdasarkan domain waktu dan empat fitur berdasarkan domain frekuensi. Penelitian ini bertujuan untuk mengklasifikasikan dua kelas yaitu kelas untuk subjek sehat dan kelas untuk subjek PD menggunakan metode klasifikasi Artificial Neural Network (ANN) dengan jaringan feed forward dua layer. Jaringan menggunakan metode fungsi transfer log-sigmoid untuk hidden layer dan transfer fungsi softmax untuk output layer. ANN menggunakan 20 neuron pada hidden layer dan 2 neuron pada output layer. Metode training ANN menggunakan algoritma Levenberg-Marquardt dan penentuan nilai eror akurasi menggunakan metode mean square error (MSE). Berdasarkan hasil penghitungan, akurasi klasifikasi dua kelas untuk membedakan anatar subjek sehat dengan subjek PD sebesar 88.4%. Kata kunci: Artificial Neural Network (ANN), electromyography (EMG), gait test, Parkinson’s Disease.