ABSTRAKSI: Suara paru-paru pada beberapa kasus penyakit paru-paru memiliki pola-pola tertentu yang bisa dikenali. Oleh karena itu suara paru-paru biasanya dipakai untuk mendiagnosa penyakit paru-paru. Teknik yang biasa digunakan adalah teknik auskultasi, yaitu mendengarkan suara paru-paru dengan menggunakan stetoskop. Ada beberapa masalah yang timbul dengan menggunakan teknik ini, di antaranya: suara paru-paru manusia menempati frekuensi yang rendah, amplitudo yang rendah, faktor kebisingan dan pola suara yang mirip antara jenis suara paru-paru yang satu dengan yang lain. Untuk mengatasi kelemahan-kelemahan ini dikembangkan suatu metode deteksi kelainan paru-paru menggunakan analisis phonocardiogram (rekaman suara paru-paru) berbasis software.
Tugas akhir ini bertujuan untuk menghasilkan suatu alat bantu untuk mendiagnosa suara paru-paru dan mengklasifikasikan tipe kelainan paru-paru serta menganalisa performansi JST SOM dalam mengenali jenis suara paru-paru. Secara umum, sistem pendeteksian kelainan paru-paru ini terdiri dari dua bagian utama, yaitu: ekstraksi ciri menggunakan dekomposisi paket wavelet dan klasifikasi ciri menggunakan jaringan saraf tiruan Self Organization Map (SOM). Sinyal suara paru-paru akan dibagi-bagi spektralnya menggunakan dekomposisi paket wavelet. Hasil dekomposisi yang berupa subband-subband ini kemudian dihitung energinya sehingga didapatkan feature-feature tertentu. Feature-feature yang diperoleh inilah yang kemudian dikenali dengan menggunakan JST SOM.
Dari hasil pengujian dengan ekstraksi ciri menggunakan filter wavelet debauchies 2 dan level dekomposisi 6 diperoleh tingkat akurasi pendeteksian kelainan paru-paru adalah 97,14%.Kata Kunci : Kelainan paru-paru, phonocardiogram, dekomposisi paket wavelet,ABSTRACT: Lung’s sound in several cases of lung’ sick has special patterns which can be recognized. Because of that lung’s sound is used to diagnose lung’s sick. The technique which usually used is auscultation, hearing lung’s sound using stethoscope. There are several problems with this technique, i.e. low frequency of lung’s sound, low amplitude, noise factor, and likeness pattern between one types of lung’s sound to the other type. To overcome these problems, it has been developed a method lung’s sick detection using phonocardiogram analysis (lung’s sound record) based on software.
This project aims to produce a tool to diagnose lung’s sound and classify lung’s sick type, besides to analyze performance of JST SOM. Generally, the system of lung’s sick detection consists of two main parts, i.e. feature extraction using wavelet packet decomposition and feature classification using Self Organization Map (SOM) neural network. Lung’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 SOM neural network.
From experiment with feature extraction using wavelet filter debauchis 2 and decomposition level 6 is obtained the accuracy of heart’s sick detection is 97,14%.Keyword: lung’s sick, phonocardiogram, wavelet packet decomposition, SOM