Deteksi Attention Deficit Hyperactivity Disorder (ADHD) Berbasis Electroencephalogram (EEG) : Pendekatan Klasifikasi Dengan Random Forest

Allwin M.  Simarmata; Mizanul  Akbar; Alexander  Pakpahan; Godlieb Sihombing; M. Syaidin Abdiyanuarsyah  Ginting

doi:10.51454/decode.v5i2.1164

Authors

Allwin M. Simarmata Teknik Informatika Universitas Prima Indonesia
Mizanul Akbar Teknik Informatika Universitas Prima Indonesia
Alexander Pakpahan Teknik Informatika Universitas Prima Indonesia
Godlieb Sihombing Teknik Informatika Universitas Prima Indonesia
M. Syaidin Abdiyanuarsyah Ginting Teknik Informatika Universitas Prima Indonesia

DOI:

https://doi.org/10.51454/decode.v5i2.1164

Keywords:

ADHD, Deteksi, Electroencephalogram, Klasifikasi, Random Forest

Abstract

Attention Deficit Hyperactivity Disorder (ADHD) merupakan gangguan perkembangan yang sering dijumpai pada anak-anak dan berdampak signifikan terhadap proses belajar serta kualitas hidup. Proses diagnosis ADHD saat ini masih didominasi oleh observasi klinis yang bersifat subjektif, sehingga diperlukan pendekatan yang lebih objektif. Penelitian ini bertujuan untuk mendeteksi ADHD menggunakan data Electroencephalogram (EEG) yang diproses melalui algoritma klasifikasi Random Forest. Data EEG dianalisis melalui tahapan pra-pemrosesan, ekstraksi fitur, dan klasifikasi. Hasil penelitian menunjukkan bahwa model Random Forest mampu membedakan antara data EEG penderita ADHD dan kelompok kontrol dengan akurasi sebesar 0,74. Penelitian ini berkontribusi pada upaya memperluas aplikasi machine learning di bidang kesehatan, khususnya dalam upaya diagnosis dini dan penanganan ADHD yang lebih baik, objektif, dan terintegrasi teknologi. Selain itu, aplikasi deteksi ADHD berbasis Streamlit dikembangkan untuk memfasilitasi proses deteksi secara interaktif dan visualisasi data EEG. Temuan ini menunjukkan potensi pemanfaatan algoritma Random Forest dalam deteksi ADHD berbasis EEG secara lebih akurat dan efisien, meskipun peningkatan akurasi dan eksplorasi metode klasifikasi lain masih diperlukan. Penelitian ini diharapkan dapat menjadi dasar pengembangan sistem deteksi ADHD yang lebih objektif dan konsisten.

References

Chauhan, N., & Choi, B. J. (2023). Regional Contribution in Electrophysiological-Based Classifications. MDPI, 11(9), 180. https://doi.org/10.3390/computation11090180.

Devianto, Y., Sediyono, E., Prasetyo, S. Y. J., & Manongga, D. (2024). Membaca Sinyal Electroencephalogram (EEG) Dalam Menangkap Tingkat Emosi (Berdasarkan Ontologi). Faktor Exacta, 17(2), 152-160. https://doi.org/10.30998/faktorexacta.v17i2.20878

Fasya, A. N., & Sari, R. G. (2024). Peran Elektroensefalografi (EEG) Dalam Diagnostik Epilepsi : Tinjauan Efektivitas Terhadap Deteksi Awal Dan Pemantauan. PREPOTIF, 8(3), 7882-7891. https://doi.org/10.31004/prepotif.v8i3.38032

Fitriyani, F., Oktaviani, A. M., & Supena, A. (2023). Analisis Kemampuan Kognitif dan Perilaku Sosial pada Anak ADHD (Attention-Deficit Hyperactivity Disorder). Jurnal Basicedu, 7(1), 250–259. https://doi.org/10.31004/basicedu.v7i1.4331

Iskandar, R. F. N., Gutama, D. H., Wijaya, D. P., & Danianti, D. (2024). Klasifikasi Menggunakan Metode Random Forest untuk Awal Deteksi Diabetes Melitus Tipe 2. Jurnal Teknik Industri Terintegrasi, 7(3), 1620–1626. https://doi.org/10.31004/jutin.v7i3.26916

Kaur, A., & Kahlon, K. S. (2022). Accurate Identification of ADHD among Adults Using Real-Time Activity Data. Brain Sciences, 12(7), 831. https://doi.org/10.3390/brainsci12070831

Kim, J. W., Kim, B. N., Kim, J. I., Yang, C. M., & Kwon, J. (2025). Electroencephalogram (EEG) Based Prediction of Attention Deficit Hyperactivity Disorder (ADHD) Using Machine Learning. Neuropsychiatric Disease and Treatment, 21, 271–279. https://doi.org/10.2147/NDT.S509094

Loh, H. W., Ooi, C. P., Oh, S. L., Barua, P. D., Tan, Y. R., Acharya, U. R., & Fung, D. S. S. (2024). ADHD/CD-NET: automated EEG-based characterization of ADHD and CD using explainable deep neural network technique. Cognitive Neurodynamics, 18(4), 1609–1625. https://doi.org/10.1007/s11571-023-10028-2

Maghfirah, R., Apriliyani, Y., & khaeriyah Syukri, M. (2024). Penanganan Anak Attention Deficit Hyperactivity Disorder (Adhd) Di Kelas Therapy Slb Tncc Banda Aceh. Anakta : Jurnal Pendidikan Islam Anak Usia Dini, 3(1), 41-46. https://doi.org/10.35905/anakta.v3i1.9369

Mairita, P., Afandi, A., & Wahyuni, E. S. (2024). Tren topik Attention Deficit Hyperactivity Disorder (ADHD): Analisis Bibliometrik menggunakan Biblioshiny. DWIJA CENDEKIA: Jurnal Riset Pedagogik, 8(2), 322-338. https://doi.org/10.20961/jdc.v8i2.90153

Maniruzzaman, M., Shin, J., Hasan, M. A. M., & Yasumura, A. (2022). Efficient Feature Selection and Machine Learning Based ADHD Detection Using EEG Signal. Computers, Materials and Continua, 72(3), 5179–5195. https://doi.org/10.32604/cmc.2022.028339

Mulyati, R. (2023). Upaya Guru Dalam Menangani Anak Attention Defisit Hiperactivity Disorder. Pernik : Jurnal PAUD, 6(1), 60-69.

Nurfadhillah, S., Nurlaili, D. A., Syapitri, G. H., Shansabilah, L., Herni, N., & Dewi, H. (2021). Attention Deficit Hyperactive Disorder (Adhd) Pada Siswa Kelas 3 Di Sd Negeri Larangan 1. PENSA : Jurnal Pendidikan dan Ilmu Sosial, 3(3), 453-462.

Nurohanisah, S., Astuti, R., & Basysyar, F. M. (2024). Deteksi Berita Palsu Menggunakan Algoritma Random Forest. Jurnal Mahasiswa Teknik Informatika, 8(1), 422-428. https://doi.org/10.36040/jati.v8i1.8418

Pagiling, L., Dwi Nugroho H, Y., Galvanir Noor, M., & Galugu, I. (2020). Klasifikasi Sinyal EEG Menggunakan Algoritma Random Forest dan SVM pada Area Motor Cortex. ELEKTRODA, 5(3).

Prasaja, P., Harumi, L., Fatmawati, R. (2022). Gambaran Demografi Anak Attention Deficit Hyperactivity Disorder (ADHD) di Yayasan Pembinaaan Anak Cacat (YPAC) Surakarta. Jurnal PROFESI (Profesional Islam) : Media Publikasi Penelitian, 19(2), 152-157. https://doi.org/10.26576/profesi.v19iNo.2.105

Sadida, Q., Tunliu, S. K., Fatimah, F., Kartikasari, N., Asmaradhani, D. T. (2024). Studi Literatur Mengenai Anak Usia Sekolah Dasar Dengan Adhd: Perspektif Neuropsikologi. ELSE (Elementary School Education Journal), 8(1), 135-146. https://doi.org/10.30651/else.v8i1.20868

Tor, H. T., Ooi, C. P., Lim-Ashworth, N. S., Wei, J. K. E., Jahmunah, V., Oh, S. L., Acharya, U. R., & Fung, D. S. S. (2021). Automated detection of conduct disorder and attention deficit hyperactivity disorder using decomposition and nonlinear techniques with EEG signals. Computer Methods and Programs in Biomedicine, 200. https://doi.org/10.1016/j.cmpb.2021.105941