ABSTRAKSI: Secara klinis, salah satu cara yang digunakan dokter untuk mendiagnosis penyakit sistem pernapasan adalah dengan melakukan analisa suara paru-paru manusia menggunakan stetoskop. Hasil diagnosa dokter sangat tergantung pada kepekaan telinga dan pengalaman yang bersangkutan, frekuensi dan amplitudo yang rendah, serta pola suara yang relatif sama.
Pada tugas akhir ini, ada sembilan kelas data suara paru manusia yang diklasifikasikan yaitu bronchial, bronchovesikular, vesikular, tracheal, asthma, coarse crackle, fine crackle, grunting, dan wheeze, di mana masing-masing kelasnya memiliki lima data suara. Metode yang digunakan pada tugas akhir ini adalah teknik Linear Predictive Coding, Short Time Fourier Transform untuk ekstraksi ciri, dan Linear Discriminant Analysis sebagai classifier.
Pada sistem klasifikasi suara paru-paru manusia menggunakan metode LPC dan LDA, tingkat akurasi data yang diperoleh adalah sebesar 93,33%. Hal ini menunjukkan bahwa LDA dapat digunakan sebagai salah satu metode pengklasifikasian suara paru-paru manusia dengan tingkat performansi yang baik.Kata Kunci : bronchial, bronchovesikular, vesikular, tracheal, asthma, coarse crackle, fine crackle, grunting, wheeze, linear predictive coding, short time fourier transform, linear discriminant analysis.ABSTRACT: Clinically, one way that doctors use to diagnose diseases of the respiratory system is a sound analysis of human lungs using a stethoscope. The results of the doctor's diagnosis is highly dependent on the sensitivity of the ear and experience is concerned, the low frequency and amplitude, and the sound patterns that are relatively similar.
At the end of this task, there are nine classes of voice data that is classified human lung bronchial, bronchovesicular, vesikular, tracheal, asthma, coarse crackle, fine crackle, grunting, and wheeze, in which each class has a five-voice data. The method used in this thesis is Linear Predictive Coding techniques, Short Time Fourier Transform for feature extraction, and Linear Discriminant Analysis as a classifier.
In the human lung sound classification system using LPC and LDA, the accuracy of the data obtained is equal to 93.33%.This demonstrates that the LDA can be used as a method of classification of human lung sounds with a good level of performance.Keyword: bronchial, bronchovesicular, vesikular, tracheal, asthma, coarse crackle, fine crackle, grunting, wheeze, linear predictive coding, short time fourier transform, linear discriminant analysis.