<br /> WAVELET DAN JARINGAN SYARAF TIRUAN LVQ(LEARNING VECTOR QUANTIZATION)(HEART SICK DETECTION BASED ON HEART SOUND USING WAVELET PACKET DECOMPOSITION AND LVQ (LEARNING VECTOR QUANTIZATION) NEURAL NETWORK)
Main Author: | Nurmila Setiawati Habibie |
---|---|
Format: | Bachelors |
Terbitan: |
Universitas Telkom
, 2007
|
Subjects: | |
Online Access: |
https://openlibrary.telkomuniversity.ac.id/pustaka/91218/-br-wavelet-dan-jaringan-syaraf-tiruan-lvq-learning-vector-quantization-heart-sick-detection-based-on-heart-sound-using-wavelet-packet-decomposition-and-lvq-learning-vector-quantization-neural-network-.html |
Daftar Isi:
- ABSTRAKSI: <font size="3" face="TimesNewRomanPSMT"> <p align="left">Suara jantung pada beberapa kasus penyakit jantung memiliki pola-pola</p> <p align="left">tertentu yang bisa dikenali. Oleh karena itu suara jantung biasanya dipakai untuk</p> <p align="left">mendiagnosa penyakit jantung. Teknik yang biasa digunakan adalah teknik</p> <p align="left">auskultasi, yaitu mendengarkan suara jantung dengan menggunakan stetoskop.</p> <p align="left">Ada beberapa masalah yang timbul dengan menggunakan teknik ini, di antaranya:</p> <p align="left">suara jantung manusia menempati frekuensi yang rendah, amplitudo yang rendah,</p> <p align="left">faktor kebisingan, kepekaan telinga, dan pola suara yang mirip antara jenis suara</p> <p align="left">jantung yang satu dengan yang lain. Untuk mengatasi kelemahan-kelemahan ini</p> <p align="left">dikembangkan suatu metode deteksi kelainan jantung menggunakan analisis</p> </font><em><font size="3" face="TimesNewRomanPS-ItalicMT"> <p align="left">phonocardiogram </p> <p align="left">Tugas akhir ini bertujuan untuk menghasilkan suatu alat bantu untuk</p> <p align="left">mendiagnosa suara jantung dan mengklasifikasikan tipe kelainan jantung serta</p> <p align="left">menganalisa performansi filter wavelet ortogonal.Secara umum, sistem</p> <p align="left">pendeteksian kelainan jantung ini terdiri dari dua bagian utama, yaitu: ekstraksi</p> <p align="left">ciri menggunakan dekomposisi paket wavelet dan klasifikasi ciri menggunakan</p> <p align="left">jaringan saraf tiruan </p> <p align="left">akan dibagi-bagi spektralnya menggunakan dekomposisi paket wavelet. Hasil</p> <p align="left">dekomposisi yang berupa subband-subband ini kemudian dihitung energinya</p> <p align="left">sehingga didapatkan </p> <p align="left">inilah yang kemudian dikenali dengan menggunakan JST LVQ.</p> <p align="left">Dari hasil pengujian dengan ekstraksi ciri menggunakan filter wavelet</p> <p align="left">coiflet 1 dan level dekomposisi 6 diperoleh tingkat akurasi pendeteksian kelainan</p> <p align="left">jantung adalah 100% untuk data latih dan 95,56% untuk data uji.</p> </font><font size="3" face="TimesNewRomanPSMT">(rekaman suara jantung) berbasis </font><em><font size="3" face="TimesNewRomanPS-ItalicMT">software</font><font size="3" face="TimesNewRomanPSMT">.</font><em><font size="3" face="TimesNewRomanPS-ItalicMT">Learning Vector Quantization </font><font size="3" face="TimesNewRomanPSMT">(LVQ). Sinyal suara jantung</font><em><font size="3" face="TimesNewRomanPS-ItalicMT">feature</font><font size="3" face="TimesNewRomanPSMT">-</font><em><font size="3" face="TimesNewRomanPS-ItalicMT">feature </font><font size="3" face="TimesNewRomanPSMT">tertentu. </font><em><font size="3" face="TimesNewRomanPS-ItalicMT">Feature</font><font size="3" face="TimesNewRomanPSMT">-</font><em><font size="3" face="TimesNewRomanPS-ItalicMT">feature </font><font size="3" face="TimesNewRomanPSMT">yang diperoleh</font></em></em></em></em></em></em></em>Kata Kunci : Kelainan jantung, phonocardiogram, dekomposisi paket wavelet, JST-LVQ.ABSTRACT: <em><font size="3" face="TimesNewRomanPS-ItalicMT"> <p align="left">Heart’s sound in several cases of hearts’ sick has special patterns which</p> <p align="left">can be recognized. Because of that heart’s sound is used to diagnose heart’s sick.</p> <p align="left">The technique which usually used is auscultation, hearing heart’s sound using</p> <p align="left">stethoscope. There are several problems with this technique, i.e. low frequency of</p> <p align="left">heart’s sound, low amplitude, noise factor, and likeness pattern between one types</p> <p align="left">of heart’s sound to the other type. To overcome these problems, it has been</p> <p align="left">developed a method heart’s sick detection using phonocardiogram analysis</p> <p align="left">(heart’s sound record) based on software.</p> <p align="left">This project aims to produce a tool to diagnose heart’s sound and classify</p> <p align="left">heart’s sick type, besides to analyze performance of orthogonal wavelet filter.</p> <p align="left">Generally, the system of heart’s sick detection consists of two main parts, i.e.</p> <p align="left">feature extraction using wavelet packet decomposition and feature classification</p> <p align="left">using Learning Vector Quantization (LVQ) neural network. Heart’s sound</p> <p align="left">spectral signal is divided using wavelet packet decomposition. Thus, Result of</p> <p align="left">decomposition process which several sub-band is calculated the energy to get</p> <p align="left">unique features. These features are recognized used LVQ neural network.</p> <p align="left">From experiment with feature extraction using wavelet filter coiflet 1 and</p> <p align="left">decomposition level 6 is obtained the accuracy of heart’s sick detection is 100%</p> <p align="left">for training data and 95,56% for testing data set.</p> </font></em>Keyword: heart’s sick, phonocardiogram, wavelet packet decomposition, LVQ neural network.