Perpustakaan Digital ITB

Auskultasi merupakan langkah awal yang dilakukan saat deteksi penyakit kardiovaskular. Auskuktasi adalah metode mendengarkan suara internal tubuh mengunakan stetoskop. Hasil auskultasi kemudian diterjemahkan oleh tenaga medis tentang kondisi kesehatan kardiovaskular pasien. Interprestasi suara hasil auskultasi dapat berbeda antara satu orang tenaga medis dengan yang lainnya. Ineterpretasi hasil aukultasi masih bersifat subjektif. Kebenaran hasil interpretasi suara bergantung pada kemampuan pendengaran dan pengalaman mereka dalam bidang auskultasi. Kekurangan dari sistem auskultasi membuat deteksi penyakit jantung dilakukan dengan metode lebih lanjut sehinga membutuhkan analisis lebih kompleks dan biaya yang lebih besar. Oleh karena itu, dibutuhkan rancangan sistem yang dapat melakukan deteksi sinyal suara jantung menggunakan suara hasil auskultasi. Metode ini dapat melakukan deteksi kondisi kardiovaskular pasien secara objektif, sehingga dapat membantu mengatasi permasalahan perbedaan interpretasi oleh tiap-tiap tenaga medis. Pada penelitian ini kami merancang model yang dapat melakukan klasifikasi terhadap sinyal suara jantung hasil auskultasi menggunakan pembelajaran mesin. Rekaman suara hasil auskultasi dilakukan ekstraksi fitur menggunakan Mel-Frequency Cepstal Coefficient (MFCC). Kemudian dilakukan reduksi dimensi fitur menggunakan Principal Component Analysis (PCA). Fitur yang telah di ekstraksi dan direduksi dilakukan pengelompokan menjadi dua ketegori normal dan abnormal menggunakan alogritma Convolutional Neural Network (CNN). Rancangan model dilakukan penyesuasian sedemikian rupa untuk memperoleh hasil optimal. Modifikasi dilakukan pada jumlah dense layer, pembobotan data, serta hyperparameter tuning dengan melakukan penyesuaian parameter jumlah epoch, ukuran learning rate, dan batch size. Data yang digunakan pda prlatihan algoritma bersumber dari Physhionet heart Challenge 2016. Berdasarkan penelitian terhadap 300 dataset diperoleh akurasi model yang dirancang unutk klasifikasi adalah 83%