Epilepsi merupakan penyakit kelainan saraf otak yang disebabkan oleh gangguan sistem sel saraf otak dengan pola aktivitas neuron berlebihan. Gejala didapatkan pada tubuh pasien umumnya ditandai dengan adanya kejang (seizure). Untuk tindakan selanjutnya adalah pasien harus melakukan pemeriksaan tes dengan menggunakan Elektroensefalogram (EEG). Proses pengenalan pola dan karakteristik sinyal EEG dapat dilakukan dengan dua kondisi EEG yaitu kondisi fokal dan non-fokal. Jika, kondisi awal pada pasien yang belum terjadi dan belum terdiagnosis epilepsi pada rekaman sinyal EEG disebut fokal. Sedangkan, kondisi awal tidak terlihat adanya pola atau karakteristik sinyal EEG terhadap serangan epilepsi itu disebut dengan non-fokal tetapi kalau penyakit tersebut terlihat semakin parah di tubuh pasien maka, pasien harus segera dilakukan tindakan operasi. Oleh karena itu, kinerja EEG sangat meringankan bagi para dokter ahli untuk mendeteksi suatu kondisi fokal dan non-fokal sebagai hasil diagnosis epilepsi terhadap pasien dan membutuhkan waktu yang relatif untuk menentukan epilepsi.
Kemudian, untuk proses sinyal digital dilakukan dengan empat tahapan, yaitu preprocessing, dekomposisi dengan WPD, ekstrasi fitur, dan klasifikasi fitur. Pada tahapan preprocessing, dilakukan prose penggabungan sinyal. Sedangkan, pada tahap ekstrasi fitur menggunakan analisis entropi yaitu shannon dan renyi. Hasil, fitur dari ekstrasi fitur dilanjutkan ke tahap klasifikasi dengan menggunakan metode SVM dan K-NN.
Penelitian ini, menggunakan database Bern Barcelona. Dengan, rekaman sinyal EEG 3750 pasang dataset dari 5 pasien epilepsi. Berdasarkan, hasil klasifikasi fitur didapatkan pada level 4, dan memiliki nilai akurasi terbaik yaitu 99,86% dengan klasifikasi shannon-renyi menggunakan metode SVM dan K-NN. Sedangkan, spesitifitas K-NN 99,89%, dan sensitifitas 99,89%. Kemudian, spesitifitas SVM bernilai 99,84%, sensitifitasnya 100%.
Kata Kunci : Epilepsi, Sinyal EEG, SVM, K-NN, Bern Barcelona.