OBBI ABYAN HARITS ILYASA, 081511633053 (2019) KLASIFIKASI JANTUNG NORMAL DAN MURMUR BERDASARKAN SINYAL SUARA JANTUNG MENGGUNAKAN CONTINOUS WAVELET TRANSFORM, PRINCIPAL COMPONENT ANALYSIS DAN K-NEAREST NEIGHBOR. Skripsi thesis, Universitas Airlangga.

	Text (ABSTRAK) ABSTRAK.pdf Download (34kB)
	Text (DAFTAR ISI) DAFTAR ISI.pdf Download (35kB)
	Text (DAFTAR PUSTAKA) DAFTAR PUSTAKA.pdf Download (57kB)
	Text (FULL TEXT) ST.SI. 24-19 Ily k.pdf Restricted to Registered users only until 19 September 2022. Download (2MB) | Request a copy

Abstract

Penyakit jantung merupakan pembunuh yang paling berbahaya saat ini yang menjadikannya sebagai penyebab kematian nomor satu di dunia. Penyakit jantung valvular merupakan salah satu jenis penyakit jantung yang disebabkan oleh ketidaknormalan fungsi pada katup jantung. Salah satu teknik diagnosa yang umum digunakan adalah teknik auskultasi. Namun Teknik auskultasi memiliki kelemahan, yaitu keakuratan analisa tergantung pada sensitivitas telinga dan tingkat pengalaman seorang ahli. Dibutuhkan pengalaman bertahun-tahun untuk mendiagnosa kelainan jantung dengan tepat. Oleh karena itu dibutuhkan sebuah metode secara elektronik untuk mendeteksi kelainan penyakit jantung dari hasil rekaman suara jantung dengan menggunakan teknik pemrosesan sinyal digital. Pada penelitian ini karakteristik-karakteristik suara jantung normal dan murmur akan dianalisa dengan pemanfaatan ekstraktor fitur Continous Wavelet Transform (CWT) dan di reduksi menggunakan Principal Component Analysis (PCA). Hasil dari proses ini akan menjadi input bagi K-Nearest Neighbor (K-NN). Dengan klasifikasi K-NN akan diperoleh pengklasifikasian sinyal suara jantung menjadi empat kelas yaitu, normal, murmur sistolik, murmur diastolik, dan murmur kontinu. Metode K-NN yang telah diusulkan ini, dengan input 300 fitur menunjukkan kemampuan dalam mengklasifikasi dan mengidentifikasi suara jantung sebesar 100% untuk akurasi, 100% untuk spesifisitas dan 100% untuk sensitivitas pada nilai K = 1 sampai 5. Selanjutnya, pada nilai K = 6 sampai 10 menghasilkan akurasi sebesar 99.15%, spesifisitas 98.81%, dan sensitivitas 99.71%. Kata Kunci: Wavelet Transform, K-Nearest Neighbor, Principal Component Analysis, Heart Sound, Murmur.

Actions (login required)

View Item