Library Automation and Digital Archive
LONTAR
Fakultas Ilmu Komputer
Universitas Indonesia

Pencarian Sederhana

Find Similar Add to Favorite

Call Number T-1199 (Softcopy T-907) Source code T-291 Mak T-011
Collection Type Tesis
Title Klasifikasi suara jantung menggunakan deep belief network
Author Mohammad Faturrahman;
Publisher Depok: Fasilkom UI, 2017
Subject
Location FASILKOM-UI;
Lokasi : Perpustakaan Fakultas Ilmu Komputer
Nomor Panggil ID Koleksi Status
T-1199 (Softcopy T-907) Source code T-291 Mak T-011 TERSEDIA
Tidak ada review pada koleksi ini: 45031
ABSTRAK

ABSTRAK Nama : Mohammad Faturrahman Program Studi : Magister Ilmu Komputer Judul : Klasifikasi Suara Jantung Menggunakan Deep Belief Network. Sinyal Phonocardiogram merupakan bentuk grafis dari suara jantung yang dapat digunakan untuk mendiagnosa penyakit jantung. Diagnosa menggunakan sinyal PCG lebih efektif karena dapat memberikan informasi mengenai aktifitas jantung secara visual dan merekam seluruh komponen suara jantung utama yang terdiri dari suara pertama S1 dan S2. Namun diagnosa penyakit jantung menggunakan sinyal PCG bergantung pada kemampuan interpretasi dokter terhadap sinyal PCG. Oleh karena itu klasifikasi suara jantung secara otomatis diperlukan untuk membantu dalam mendiagnosa dan mengontrol penyakit jantung. Klasifikasi suara jantung berdasarkan sinyal PCG dipengaruhi oleh proses segmentasi dan ekstrasi fitur. Proses segmentasi bertujuan untuk menentukan siklus jantung pada sinyal PCG yang terdiri dari suara jantung S1 dan S2. Proses segmentasi ini sulit dilakukan karena sinyal PCG mengandung banyak noise berupa suara usus, suara pernafasan, gerakan alat PCG dan suara bising pada jantung (murmur). Sedangkan proses ekstraksi fitur bertujuan untuk mendapatkan representasi fitur pada sinyal PCG tersegmentasi. Sinyal PCG tersegmentasi memiliki dimensi tinggi dan terdapat redudansi informasi. Tesis ini mengusulkan metode klasifikasi suara jantung berdasarkan sinyal PCG dengan menggunakan Support Vector Machine dan menerapkan Shannon Energy Envelope pada proses segmentasi serta metode Deep Belief Network (DBN) pada proses Ekstraksi Fitur. Hasil penelitian ini menunjukkan bahwa hasil klasifikasi berdasarkan representasi fitur DBN mampu meningkatkan nilai akurasi. Kata Kunci : Phonocardiogram, Deep Belief Network, Suara Jantung, Deep Learning, Ekstraksi Fitur, Segmentasi