Klasifikasi Suara Paru-Paru Berdasarkan Ciri MFCC

Abstract

Paru-paru merupakan organ utama sistem pernapasan pada manusia,berfungsi untuk menukarkan oksigen dari udara dengan karbon dioksida dari darah. Deteksi adanya gangguan pernapasan dan gangguan pada paru-paru dapat dilakukan melalui berbagai cara; melihat rekam medis, pemeriksaan fisik, pendeteksian dengan x-ray dan juga auskultasi pernapasan. Pemrosesan sinyal digital dapat digunakan sebagai salah satu cara untuk mendeteksi adanya gangguan pada paru-paru berdasarkan suara yang dihasilkan. Pada penelitian ini dilakukan pengklasifikasian suara paru-paru pada kelas normal, crackle, wheeze, dan crackle-wheeze dengan menggunakan metode Mel Frequency Cepstral Coefficient (MFCC) dan Convolutional Neural Network (CNN).

Pengamatan dilakukan dengan melakukan variasi pada ekstraksi ciri MFCC dengan menggunakan MFCC 8 dan 13 koefisien, jumlah frame 50 dan 60, dan lebar frame yang digunakan 0,1, 0,15 dan 0,2 detik. Hasil ekstraksi ciri kemudian diterapkan pada sistem klasifikasi CNN, serta menggunakan confusion matrix unutk mendapatkan nilai akurasi dan presisi. Nilai akurasi dan presisi tertinggi didapatkan sebesar 71,85% dan 65,70% pada MFCC 13 koefisien dengan rata-rata 71,18%. Berdasarkan hasil tersebut, sistem yang telah dibuat dapat mengiklasifikasi suara paru-paru normal, crackle, wheeze dan crackle-wheeze dengan cukup baik.