WAVELET DAN JARINGAN SYARAF TIRUAN LVQ(LEARNING VECTOR QUANTIZATION)(HEART SICK DETECTION BASED ON HEART SOUND USING WAVELET PACKET DECOMPOSITION AND LVQ (LEARNING VECTOR QUANTIZATION) NEURAL NETWORK)

Nurmila Setiawati Habibie

Informasi Umum

Kode

111030258

Klasifikasi

000 - Generalistics

Jenis

Karya Ilmiah - Skripsi (S1) - Reference

Subjek

Other

Dilihat

429 kali

Informasi Lainnya

Abstraksi

ABSTRAKSI: Suara jantung pada beberapa kasus penyakit jantung memiliki pola-pola tertentu yang bisa dikenali. Oleh karena itu suara jantung biasanya dipakai untuk mendiagnosa penyakit jantung. Teknik yang biasa digunakan adalah teknik auskultasi, yaitu mendengarkan suara jantung dengan menggunakan stetoskop. Ada beberapa masalah yang timbul dengan menggunakan teknik ini, di antaranya: suara jantung manusia menempati frekuensi yang rendah, amplitudo yang rendah, faktor kebisingan, kepekaan telinga, dan pola suara yang mirip antara jenis suara jantung yang satu dengan yang lain. Untuk mengatasi kelemahan-kelemahan ini dikembangkan suatu metode deteksi kelainan jantung menggunakan analisis phonocardiogram Tugas akhir ini bertujuan untuk menghasilkan suatu alat bantu untuk mendiagnosa suara jantung dan mengklasifikasikan tipe kelainan jantung serta menganalisa performansi filter wavelet ortogonal.Secara umum, sistem pendeteksian kelainan jantung ini terdiri dari dua bagian utama, yaitu: ekstraksi ciri menggunakan dekomposisi paket wavelet dan klasifikasi ciri menggunakan jaringan saraf tiruan akan dibagi-bagi spektralnya menggunakan dekomposisi paket wavelet. Hasil dekomposisi yang berupa subband-subband ini kemudian dihitung energinya sehingga didapatkan inilah yang kemudian dikenali dengan menggunakan JST LVQ. Dari hasil pengujian dengan ekstraksi ciri menggunakan filter wavelet coiflet 1 dan level dekomposisi 6 diperoleh tingkat akurasi pendeteksian kelainan jantung adalah 100% untuk data latih dan 95,56% untuk data uji. (rekaman suara jantung) berbasis software.Learning Vector Quantization (LVQ). Sinyal suara jantungfeature-feature tertentu. Feature-feature yang diperolehKata Kunci : Kelainan jantung, phonocardiogram, dekomposisi paket wavelet, JST-LVQ.ABSTRACT: Heart’s sound in several cases of hearts’ sick has special patterns which can be recognized. Because of that heart’s sound is used to diagnose heart’s sick. The technique which usually used is auscultation, hearing heart’s sound using stethoscope. There are several problems with this technique, i.e. low frequency of heart’s sound, low amplitude, noise factor, and likeness pattern between one types of heart’s sound to the other type. To overcome these problems, it has been developed a method heart’s sick detection using phonocardiogram analysis (heart’s sound record) based on software. This project aims to produce a tool to diagnose heart’s sound and classify heart’s sick type, besides to analyze performance of orthogonal wavelet filter. Generally, the system of heart’s sick detection consists of two main parts, i.e. feature extraction using wavelet packet decomposition and feature classification using Learning Vector Quantization (LVQ) neural network. Heart’s sound spectral signal is divided using wavelet packet decomposition. Thus, Result of decomposition process which several sub-band is calculated the energy to get unique features. These features are recognized used LVQ neural network. From experiment with feature extraction using wavelet filter coiflet 1 and decomposition level 6 is obtained the accuracy of heart’s sick detection is 100% for training data and 95,56% for testing data set. Keyword: heart’s sick, phonocardiogram, wavelet packet decomposition, LVQ neural network.