ABSTRAKSI: Peralatan medis yang biasa digunakan untuk memeriksa kondisi kesehatan manusia adalah stetoskop. Suara paru atau suara jantung manusia dapat didengarkan melalui stetoskop. Cara ini disebut auskultasi. Pada praktek auskultasi suara paru atau jantung manusia sering dijumpai masalah yaitu noise lingkungan yang mengganggu, telinga yang terbatas kepekaannya, frekuensi dan amplituda suara yang rendah, dan pola suara yang relatif sama. Kondisi jantung dan paru manusia dapat diinformasikan melalui suara yang ditimbulkan jantung dan paru tersebut. Pola suara yang diamati biasanya dibandingkan dengan pola suara kondisi normal. Bila terdapat perbedaan maka dapat disimpulkan terjadi kelainan pada jantung atau paru. Pola suara yang abnormal bermacam-macam dan kadang sulit dibandingkan dengan pola suara yang normal melalui panca indra. Untuk itu diperlukan suatu teknik pengolahan sinyal digital dalam membedakan suara-suara yang diamati.
Pada Tugas Akhir ini dilakukan ekstraksi suara paru Bronchial, Vesicular, Crackels, Grunting, Friction, dan Asthma dengan menggunakan algoritma Short Time Fourier Transform (STFT). Spektrogram merupakan keluaran dari algoritma STFT. Kemudian Filter Bilateral 2D digunakan untuk menghilangkan noise ciri suara yang telah diekstraksi. Sebagai classifier digunakan Linear Discriminant Analysis dan K-means Clustering untuk dibandingkan performansinya.
Hasil pengujian sistem digunakan tiga parameter yaitu akurasi, sensitivitas, dan kecepatan waktu sistem dalam pengujian. Nilai akurasi klasifikasi menggunakan LDA sebesar 96.67% untuk sistem tanpa filter dan 100% untuk sistem dengan filter. Sedangkan untuk klasifikasi menggunakan K-means Clustering menghasilkan nilai akurasi sebesar 100% untuk sistem tanpa filter dan 93.33% untuk sistem dengan filter. Hal ini menunjukkan bahwa kedua klasifikasi mempunyai peran masing-masing dalam pengenalan unsupervised dan klasifikasi supervised.
Kata Kunci : noise, auskultasi, Filter Bilateral 2D, spektrogram, Short Time FourierTransform, classifier, K-means Clustering, Linear Discriminant Analysis,supervised, unsupervisedABSTRACT: A medical instrument used for checking health condition of human is stethoscope. Human lung sound can be heard by using stethoscope. This method is called auscultation. However, in clinical practice, some difficulties are verified, such as surroundings noise, sensitivity of the ears, low level in amplitude and frequency, and some identical sounds. The condition of lung can be informed by sound generated from it. The sound is usually compared with sound of normal lung. If there is a difference between one sound and normal condition sound, lung has a disorder function. The abnormal sounds are often hard to differ from the normal sounds by using the ears. For that reason, a digital signal processing is needed to differ the sounds.
This final project does a task of feature extraction of Bronchial, Vesicular, Crackels, Grunting, Friction, and Asthma sounds using Short Time Fourier Transform (STFT). Spectrogram is the output of STFT. Then Bilateral Filter removes the noise of extracted sound. Linear Discriminant Analysis and K-means Clustering are the classifier used to compare the performance.
Result of system examination used 3 comparison parameters of the algorithm, that is system accuracy, sensitivity of system and speed of system in examination. LDA shows an accuracy in the value of 96.67% for system without filter and 100% for system with filter inside. K-means reaches the point of 100% in system without filter and 93.33% for without filter. This result shows that both supervised classification and unsupervised recognition have their own role to process data.
Keyword: noise, auscultation, Bilateral Filter 2D, spectrogram, Short Time FourierTransform, classifier, K-means Clustering, Linear Discriminant Analysis,supervised, unsupervised