DETEKSI PULPITIS REVERSIBEL MELALUI SINYAL WICARA DENGAN METODA ZERO CROSSING RATE DAN AVERAGE ENERGY SERTA KLASIFIKASI LEARNING VECTOR QUANTIZATION

LUTFI AHMAD

Informasi Umum

Kode

19.04.975

Klasifikasi

C -

Jenis

Karya Ilmiah - Skripsi (S1) - Reference

Subjek

Audio, Speech And Language Processing

Dilihat

254 kali

Informasi Lainnya

Abstraksi

Suara merupakan salah satu sarana manusia untuk berkomunikasi. Suara juga salah satu pembeda antar individu yang satu dengan yang lainnya. Hal ini dapat dijadikan suatu sarana untuk mendeteksi penyakit lewat suara maanusia. Untuk mendeteksi suatu penyakit melalui suara manusia diperlukan bantuan proses pengambilan informasi yang diinginkan melalui rekaman sinyal suara yang disebut speech processing. Ada beberapa faktor yang dapat mempengaruhi suara manusia yaitu dari proses pembentukan suara yang terjadi pada individu itu sendiri dan juga dari struktur giginya. Tugas akhir ini membuat sebuah aplikasi yang dapat mendeteksi penyakit pulpitis reversibel dengan menggunakan beberapa parameter akustik suara yaitu frekuensi dasar (F0), durasi, amplitudo, gelombang spektrum suara, dan kualitas vokal. Dari parameter akustik suara akan dihitung nilai sample rate sebagai inputan awal untuk mendaapatkan ciri dan juga klasifikasi yang ditargetkan. Proses pengambilan ciri ini menggunakan metode Zero Crossing Rate (ZCR) dan Average Energy (AE) yang merupakan metode analisis pengambilan ciri atau fitur berdasarkan panjang frame dari rekaman sinyal suara. Proses klasfikasi dilakukan dengan menggunakan metode Learning Vector Quantization (LVQ). Klasifikasi bertujuan untuk mengklasifikasikan audio ke dalam dua kondisi yaitu sehat dan pulpitis reversibel. Dari penelitian ini diperoleh hasil dengan tingkat akurasi tertinggi yaitu 72.5% dengan parameter pre-processing yang digunakan yaitu non-ccenter clipping dan non-overlapping. Parameter statistik yang digunakan variance serta parameter LVQ yaitu epoch = 750 dan hidden layer = 40.

Kata Kunci : Suara, Pulpitis Reversibel, Zero Crossing Rate Quantiztion Average Energy, Learning Vector Quantization