INTISARI
Hasil rekaman suara jantung memiliki kelebihan dibandingkan dengan hanya mendengarkan suara jantung dengan stetoskop karena dengan merekam dapat didengar ulang serta dianalisis spektral dan frekuensinya. Masalah utama dalam merekam suara jantung adalah adanya derau. Untuk menganalisis suara jantung memerlukan pengetahuan khusus. Tidak semua dokter dapat melakukan dengan baik. Oleh karena itu diperlukan sistem klasifikasi yang baik sehingga hasil benar-benar objektif dan agar tidak terjadi kesalahan interpretasi. Karena perbedaan suara jantung sangat kecil maka klasifikasi dilakukan dengan ANFIS. Pengambilan keputusan dilakukan dengan menghilangkan derau yang ada digunakan transformasi wavelet db3 level 2dengan metode global thresholding, ekstraksi ciri menggunakan dekomposisi paket wavelet db1 level 8untuk mendapatkan detail dan aproksimasi, klasifikasi dilakukan dengan ANFIS dengan 2 masukan dan satu keluaran dengan 5 fungsi keanggotaan.
Dengan demikian untuk 25 suara jantung dibuat 25 buah ANFIS. Data pelatihan suara jantung normal 25 kasus murmur diperoleh dari http://www.bioscience.org/atlases/heart/sound/sound.htm Hasil yang didapatkan adalah sistem ini mampu menggolongkan suara jantung normal dan murmur sampai dengan tingkatan derau antara -48,586 dB untuk mitral regurgiation third heart sound hingga 26,699 dB untuk mitral stenosis presystolic murmur sedangkan untuk kasus coarctation of aorta systolic murmurtidak pernah dapat dikenali. Sehingga ANFIS dapat digunakan untuk mengklasifikasikan murmur jantung untuk sebagai alat bantu diagnosis gangguan jantung. Kata kunci : ANFIS, murmur jantung, derau, ekstraksi ciri, klasifikasi, transformasi wavelet.Hasil rekaman suara jantung memiliki kelebihan dibandingkan dengan hanya mendengarkan suara jantung dengan stetoskop karena dengan merekam dapat didengar ulang serta dianalisis spektral dan frekuensinya. Masalah utama dalam merekam suara jantung adalah adanya derau. Untuk menganalisis suara jantung memerlukan pengetahuan khusus. Tidak semua dokter dapat melakukan dengan baik. Oleh karena itu diperlukan sistem klasifikasi yang baik sehingga hasil benar-benar objektif dan agar tidak terjadi kesalahan interpretasi. Karena perbedaan suara jantung sangat kecil maka klasifikasi dilakukan dengan ANFIS. Pengambilan keputusan dilakukan dengan menghilangkan derau yang ada digunakan transformasi wavelet db3 level 2dengan metode global thresholding, ekstraksi ciri menggunakan dekomposisi paket wavelet db1 level 8untuk mendapatkan detail dan aproksimasi, klasifikasi dilakukan dengan ANFIS dengan 2 masukan dan satu keluaran dengan 5 fungsi keanggotaan.
ABSTRACT
Heart sound recordings have the advantage compared to just listening to the heart
with a stethoscope for a re-recording can be heard and analyzed the spectral and frequency.
The main problem in the heart of the sound recording is the presence of noise. To analyze
heart sounds requires special knowledge. Not all doctors can do very well. Therefore, it needs
a good classification system so that the results truly objective and to avoid misinterpretation.
Because the difference is very small heart sound classification is done by ANFIS.
Decision making is done by eliminating existing noise used db3 wavelet
transformation level 2 with global thresholding methods, feature extraction using wavelet
packet decomposition db1 level 8 to get details and approximation, classification is done by
ANFIS with 2 inputs and one output with 5 membership functions. Thus, for 25 heart sounds
made 25 ANFIS. Training data 25 cases of normal heart murmurs from
http://www.bioscience.org/atlases/heart/sound/sound.htm.
Results of this system is able to classify the normal heart sounds and murmurs to noise
levels between -48.586 dB for mitral regurgitation third heart sound to 26.699 dB for mitral
stenosis murmur presystolic while for the case of coarctation of the aorta systolic murmur
never be recognized. So that the ANFIS can be used to classify heart murmurs as a tool for
the diagnosis of heart problems.
Keywords: ANFIS, heart murmur, noise, feature extraction, classification, wavelet
transformation.
Heart sound recordings have the advantage compared to just listening to the heart
with a stethoscope for a re-recording can be heard and analyzed the spectral and frequency.
The main problem in the heart of the sound recording is the presence of noise. To analyze
heart sounds requires special knowledge. Not all doctors can do very well. Therefore, it needs
a good classification system so that the results truly objective and to avoid misinterpretation.
Because the difference is very small heart sound classification is done by ANFIS.
Decision making is done by eliminating existing noise used db3 wavelet
transformation level 2 with global thresholding methods, feature extraction using wavelet
packet decomposition db1 level 8 to get details and approximation, classification is done by
ANFIS with 2 inputs and one output with 5 membership functions. Thus, for 25 heart sounds
made 25 ANFIS. Training data 25 cases of normal heart murmurs from
http://www.bioscience.org/atlases/heart/sound/sound.htm.
Results of this system is able to classify the normal heart sounds and murmurs to noise
levels between -48.586 dB for mitral regurgitation third heart sound to 26.699 dB for mitral
stenosis murmur presystolic while for the case of coarctation of the aorta systolic murmur
never be recognized. So that the ANFIS can be used to classify heart murmurs as a tool for
the diagnosis of heart problems.
Keywords: ANFIS, heart murmur, noise, feature extraction, classification, wavelet
transformation.
