Adhivi Hasna Rafida (2021) Klasifikasi Suara Jantung Normal Dan Tidak Normal Dengan Pemanfaatan Support Vector Machine (SVM). Skripsi thesis, UNIVERSITAS AIRLANGGA.

	Text (HALAMAN JUDUL) 1. HALAMAN JUDUL .pdf Download (183kB)
	Text (ABSTRAK) 2. ABSTRAK .pdf Download (38kB)
	Text (DAFTAR ISI) 3. DAFTAR ISI .pdf Download (68kB)
	Text (PENDAHULUAN) 4. BAB I PENDAHULUAN .pdf Download (29kB)
	Text (TINJAUAN PUSTAKA) 5. BAB II TINJAUAN PUSTAKA .pdf Restricted to Registered users only until 25 March 2024. Download (449kB) | Request a copy
	Text (METODE PENELITIAN) 6. BAB III METODE PENELITIAN .pdf Restricted to Registered users only until 25 March 2024. Download (138kB) | Request a copy
	Text (HASIL DAN PEMBAHASAN) 7. BAB IV HASIL DAN PEMBAHASAN .pdf Restricted to Registered users only until 25 March 2024. Download (540kB) | Request a copy
	Text (KESIMPULAN DAN SARAN) 8. BAB V KESIMPULAN DAN SARAN .pdf Restricted to Registered users only until 25 March 2024. Download (21kB) | Request a copy
	Text (DAFTAR PUSTAKA) 9. DAFTAR PUSTAKA .pdf Download (52kB)
	Text (LAMPIRAN) 10. LAMPIRAN .pdf Restricted to Registered users only until 25 March 2024. Download (1MB) | Request a copy
	Text (PERNYATAAN KESEDIAAN PUBLIKASI) 11. PERNYATAAN KESEDIAAN PUBLIKASI.pdf Restricted to Registered users only Download (58kB) | Request a copy
	Text (EMBARGO) 12. EMBARGO.pdf Restricted to Registered users only Download (50kB) | Request a copy

Abstract

Teknik Auskultasi adalah teknik mendengarkan serta menginterpretasikan suara jantung. Alat yang dibutuhkan sangat sederhana yaitu stetoskop. Terdapat teknik modern lain yang memberikan diagnosa lebih akurat dan cepat. Namun, tidak semua teknik tersebut dapat dipakai di semua rumah sakit terutama di daerah terpencil. Oleh karena itu, alat yang cocok untuk dipakai adalah stetoskop digital. Dimana hasilnya berupa rekaman suara jantung yang dapat disimpan di computer dan dapat dianalisa dengan metode Continuous Wavelet Transform (CWT) dan Principal Component Analysis (PCA) yang selanjutnya akan diklasifikasikan. Pada penelitian ini, data yang digunakan sebanyak 12 jenis sinyal suara jantung dengan total 500 siklus. Support Vector Machine (SVM) digunakan sebagai metode klasifikasi empat kelas suara jantung yang meliputi suara jantung normal, murmur sistolik, murmur diastolik, dan murmur kontinu. Kernel yang digunakan pada metode ini yaitu: quadratic, cubic, dan Gaussian. Kinerja SVM diukur dengan pemanfaatan akurasi, sensitivitas, dan spesifisitas. Dari hasil evaluasi, diperoleh nilai tertinggi pada nilai fold 10 dengan kernel quadratic, dengan nilai akurasi sebesar 96.20%, sensitivitas sebesar 91.65%, dan spesitifitas sebesar 97.05%.

Actions (login required)

View Item