Telah banyak perkembangan alat-alat medis yang telah bertransformasi
menjadi alat yang canggih dan praktis. Salah satunya yang paling mendasari
diagnosa para tenaga medis yaitu salah satunya stetoskop. Stetoskop adalah alat
untuk mendiagnosa suatu penyakit yang berfungsi untuk melakukan proses
auskultasi. Auskultasi merupakan suatu proses memeriksa pasien dengan
mendengarkan suara didalam tubuhnya yang mana bisa suara jantung, paru-paru
ataupun usus. Dari proses auskultasi ini dapat diketahui suara didalam tubuh pasien
itu normal ataupun abnormal.
Analisis dengan algoritma STFT (Short-time fourier transform) ini nantinya
diharapkan dapat dibentuk sedemikian rupa dan dapat mendiagnosa kelainan pada
jantung. Lalu software pada aplikasi diprogram dengan pengolahan sinyal digital
dengan mengubah STFT ke image dan kemudian akan diprogram dengan metode
klasifikasi CNN (Convolution Neural Network) dengan tool matlab dari Alexnet.
Pada penelitian ini diusulkan metode STFT dan deep learning CNN
(Convolutional Neural Network) arsitektur Alexnet. Langkah analisis ini, yaitu
analisis menggunakan short-time fourier transform dan kemudian data citra didapat
dari STFT berupa citra plot sinyal, dilanjutkan ke proses klasifikasi data citra suara
jantung normal dan abnormal dengan menggunakan metode CNN (Convolutional
Neural Network). Dari uji klasifikasi CNN (Convolutional Neural Network) ini
didapati tingkat akurasi dari proses pengujian ini menggunakan CNN Arsitektur
Alexnet dengan learning rate dan Iterasi/Epoch jumlah Terbaik yakni 0,00001 dan
Jumlah iterasi 70. Data suara jantung berjumlah 56 sehingga didapati akurasi suara
jantung nilai akurasi sebesar 91.07%, presisi 88.46%, recall 92%, dan f1 score
90,2%.
Kata kunci: Smartphone, Stetoskop, Sinyal, Suara detak jantung, STFT, CNN,
Image, Citra, Spektrogram, Alexnet