EKSTRAKSI CIRI DAN IDENTIFIKASI SINYAL SUARA JANTUNG … · BAB II LANDASAN TEORI ... Jantung Berbasis Complex Continuous Wavelet Transform ” menyimpulkan bahwa CWT mampu mengekstrak

EKSTRAKSI CIRI DAN IDENTIFIKASI SINYAL SUARA

JANTUNG S1 DAN S2 PHONOCARDIOGRAM (PCG)

MENGGUNAKAN METODE CONTINUOUS WAVELET

TRANSFORM

TUGAS AKHIR

Program Studi

S1 Sistem Komputer

Oleh :

FITRIYA NINGSIH

13.41020.0090

FAKULTAS TEKNOLOGI DAN INFORMATIKA

INSTITUT BISNIS DAN INFORMATIKA STIKOM SURABAYA

2018

ii

EKSTRAKSI CIRI DAN IDENTIFIKASI SINYAL SUARA

JANTUNG S1 DAN S2 PHONOCARDIOGRAM (PCG)

MENGGUNAKAN METODE CONTINUOUS WAVELET

TRANSFORM

TUGAS AKHIR

Diajukan sebagai salah satu syarat untuk menyelesaikan

Program Sarjana Komputer

Disusun Oleh :

Nama : Fitriya Ningsih

NIM : 13.41020.0090

Program : S1 (Strata Satu)

Jurusan : Sistem Komputer

FAKULTAS TEKNOLOGI DAN INFORMATIKA

INSTITUT BISNIS DAN INFORMATIKA STIKOM SURABAYA

2018

iii

“Ilmu tidak akan didapatkan kecuali dengan kita meluangkan waktu.”

iv

Alhamdulillah rasa syukur yang tiada terhingga kepada Allah dan Rasul-Nya, yang telah memberikan kemudahan dalam menyelesaikan Tugas Akhir ini dengan

baik. Memudahkan segala urusan sehingga bisa menjadi seorang Sarjana.

Tugas Akhir ini saya persembahkan untuk kedua orang tua saya, Mama dan Papa yang tidak pernah bosan berdo’a, memberi semangat, nasihat dan memotivasi

saya dalam menyelesaikan Pendidikan menjadi seorang Sarjana

Kakak dan kedua adik saya yang selalu menghibur dan selalu membuat saya untuk lebih bersemangat lagi menyelesaikan Pendidikan ini.

Teman – teman yang selalu membantu dan mejadi bagian dari saksi perjalanan saya menjadi seorang Sarjana

v

vi

vii

ABSTRAKSI

Penyakit jantung salah satu penyakit yang mengancam kesehatan manusia.

Penyakit penyebab kematian di kalangan masyarakat adalah jantung koroner.

Penyakit jantung menempati posisi puncak, bahkan di negara Indonesia sendiri.

Penyakit jantung dapat dideteksi semenjak dini melalui analisis frekuensi untuk

menghindari kejadian yang tidak diinginkan, dengan memperhatikan komponen-

komponen penyusun utamanya, yaitu S1(suara jantung pertama), S2(suara jantung

kedua), dan murmur pada siklus suara jantung. Untuk mengantisipasi hal diatas

dapat diambil tindakan dengan cara mendiagnosis kelainan jantung menggunakan

pengolahan sinyal suara jantung. Penelitian tersebut menggunakan metode

Continuous Wavelet Transform, yaitu mengekstraksi ciri dan mengidentifikasikan

sinyal suara jantung S1 dan S2. Dari hasil percobaan yang dilakukan pada interval

rata-rata S1 dan S2 dengan selang waktu cuplik jantung dalam keadaan normal

8kHz, 44.1kHz dan 48kHz selama 0.26s, interval rata – rata S2 ke S1 selama 0.53s,

interval rata – rata S1 ke S1 selama 0.83s dan interval rata – rata S2 ke S2 selama

0.83s.

Kata Kunci: Continuous Wavelet Transform, Phonocardiogram, Time –

Frequency, S1 dan S2

viii

KATA PENGANTAR

Pertama-tama penulis panjatkan puji dan syukur kepada Tuhan Yang

Maha Esa karena berkat, rahmat, dan karuniaNyalah penulis dapat menyelesaikan

penulisan Tugas Akhir ini dengan sebaik-baiknya. Penulis mengambil judul

“Ekstraksi Ciri Dan Identifikasi Sinyal Suara Jantung S1 Dan S2 Phonocardiogram

(PCG) Menggunakan Metode Continuous Wavelet Transform” ini sebagai salah

satu syarat dalam menyelesaikan Tugas Akhir di Institut Bisnis dan Informatika

Stikom Surabaya

Pada kesempatan kali ini penulis juga ingin mengucapkan terima kasih

kepada :

1. Allah SWT karena dengan rahmatnya dan hidayahnya penulis dapat

menyelesaikan Tugas Akhir ini.

2. Orang Tua dan Saudara-saudara saya tercinta yang telah memberikan

dorongan dan bantuan baik moral maupun materi sehingga penulis dapat

menempuh dan menyelesaikan Tugas Akhir maupun laporan ini.

3. Bapak Dr. Jusak, selaku Dekan Fakultas Teknologi dan Informatika Institut

Bisnis dan Informatika Stikom Surabaya dan dosen pembimbing pertama

yang telah membantu serta mendukung setiap kegiatan tugas akhir sehingga

pelaksanaan Tugas Akhir ini dapat berjalan dengan baik.

4. Ibu Ira Puspasari, S.Si., M.T., selaku dosen pembimbing kedua yang

senantiasa memberikan dukungan kepada penulis sehingga penulis dapat

melaksanakan Tugas Akhir ini dengan baik.

ix

5. Bapak Dr. Anjik Sukmaaji, S.Kom., M.Eng., selaku penguji yang telah

membimbing penulis yang memberi masukan dalam menyusun buku Tugas

Akhir dan membimbing selama menempuh perkuliahan di Institut Bisnis dan

Informatika Stikom Surabaya.

6. Seluruh dosen Pengajar Program Studi S1 Sistem Komputer yang telah

mendidik, memberi motivasi kepada penulis selama masa kuliah di Institut

Bisnis dan Informatika Stikom Surabaya.

7. Teman-teman angkatan 2013 maupun adik dan kakak angkatan Jurusan S1

Sistem Komputer yang mendukung dan membantu penulis selama masa dan

penyusunan buku Tugas Akhir ini.

8. Teman – teman seperjuangan menyelesaikan Tugas Akhir terutama Cewek

SK 2013 yaitu Inolin Nanda, Rizkyana Surya, Suci Febriani dan Cecilia Sari.

Yang telah menghibur dan memberi semangat yang luar biasa kepada

penulis.

9. Alan Kuncoro Raharjo, yang sudah mendoakan dan memberi semangat

kepada penulis hingga Tugas Akhir ini selesai.

10. Seluruh pihak yang tidak dapat penulis tuliskan satu persatu yang telah

membantu penulis secara langsung maupun tidak langsung.

Banyak hal dalam laporan Tugas Akhir ini yang masih perlu

diperbaiki lagi. Oleh karena itu penulis mengharapkan saran dan kritik yang

dapat membangun dari semua pihak agar dapat menyempurnakan penulisan

ini kedepannya. Penulis juga memohon maaf yang besar jika terdapat kata-

kata yang salah serta menyinggung perasaan pembaca. Akhir kata penulis

x

ucapkan banyak terima kasih yang besar kepada para pembaca, semoga

tulisan ini dapat bermanfaat bagi para pembaca.

Surabaya, Januari 2018

Penulis

xi

DAFTAR ISI

Halaman

HALAMANA JUDUL……………………………………………………………..i

HALAMAN SYARAT……………………………………………………………ii

HALAMAN MOTTO…………………………………………………………….iii

HALAMAN PERSEMBAHAN………………………………………………….iv

HALAMAN PENGESAHAN……………………………………………………..v

HALAMAN PERNYATAAN……………………………………………………vi

ABSTRAKSI ........................................................................................................ vii

KATA PENGANTAR ......................................................................................... viii

DAFTAR ISI .......................................................................................................... xi

DAFTAR GAMBAR ........................................................................................... xiv

DAFTAR TABEL ................................................................................................ xvi

BAB I PENDAHULUAN ....................................................................................... 1

1.1 Latar Belakang Masalah .................................................................... 1

1.2 Rumusan Masalah .............................................................................. 3

1.3 Batasan Masalah ................................................................................ 3

1.4 Tujuan ................................................................................................ 3

1.5 Sistematika Penulisan ........................................................................ 4

BAB II LANDASAN TEORI ................................................................................. 6

xii

2.1 Jantung ............................................................................................... 6

2.2 Suara Jantung ..................................................................................... 6

2.3 Prinsip Kerja Jantung ......................................................................... 7

2.4 Phonocardiogram (PCG) ................................................................... 9

2.5 Denoising ......................................................................................... 10

2.6 Transformasi Wavelet ...................................................................... 11

2.7 Transformasi Wavelet Continuous (CWT) ...................................... 11

2.8 Mother Wavelet ................................................................................ 14

2.9 Wavelet Biorthogonal ...................................................................... 14

2.10 Standar Deviasi ................................................................................ 15

2.11 Energi ............................................................................................... 16

BAB III METODOLOGI PENELITIAN DAN PERANCANGAN SISTEM ..... 18

3.1 Metode Penelitian ............................................................................ 18

3.2 Database PCG Signal ...................................................................... 19

3.3 Denoising ......................................................................................... 19

3.4 Continuous Wavelet Transform ....................................................... 22

3.5 Ekstraksi dan Identifikasi Sinyal Jantung S1 dan S2 ....................... 23

3.5.1 Analisis Energi Maksimum Sinyal .................................... 26

3.5.2 Analisisi Frekuensi Sebagai Fungsi Waktu ....................... 26

xiii

3.5.3 Analisis untuk Menentukan Posisi S1 dan S2 Berdasarkan

Analisis Frekuensi dan Energi Maksimum Sebagai Fungsi

Waktu ..................................................................................... 27

BAB IV HASIL DAN PEMBAHASAN .............................................................. 28

4.1 Kebutuhan Sistem ............................................................................ 28

4.2 Pengujian Program ........................................................................... 29

4.3 Tujuan .............................................................................................. 29

4.4 Prosedur Pengujian Penelitian ......................................................... 29

4.5 Hasil Pengujian Sinyal PCG dan Sinyal Hasil Denoising ............... 29

4.6 Hasil Pengujian Continuous Wavelet Transform ............................. 34

4.7 Hasil Pengujian Time – Frequency untuk Identifikasi Sinyal S1 dan

S2 terhadap Nilai Energi Maksimum, Frekuensi dan Waktu tertentu,

dan Interval Waktu antara Sinyal S1 dan S2 ................................... 36

4.8 Evaluasi dari Keseluruhan Continuous Wavelet Transform ............ 43

BAB V PENUTUP ................................................................................................ 46

DAFTAR PUSTAKA ........................................................................................... 48

LAMPIRAN .......................................................................................................... 50

Lampiran 1 Listing Program Continuous Wavelet Transform………….52

Lampiran 2 Hasil dari Continuous Wavelet Transform………………...55

BIODATA PENULIS ........................................................................................... 58

xiv

DAFTAR GAMBAR

Halaman

Gambar 2.1 Bunyi Jantung Normal (Rizal, 2007) .................................................. 7

Gambar 2.2 Anatomi Jantung (Taylor, 2010) ......................................................... 8

Gambar 2.3 Phonocardiogram Jantung (Debbal, 2009) ....................................... 10

Gambar 2.4 Mother Wavelet Biorthogonal (Matlab) ............................................ 15

Gambar 3.1 Diagram Blok Rancangan Penelitian ................................................ 18

Gambar 3.2 Cuplikan Program Membaca File .wav............................................. 19

Gambar 3.3 Proses Denoising Sinyal PCG ........................................................... 20

Gambar 3.4 Plot Sinyal Asli dan Sinyal Bersih Setelah Proses Denoising .......... 21

Gambar 3.5 Tampilan Data dari Sinyal Asli dan Sinyal Denoising ..................... 22

Gambar 3.6 Cuplikan Program Menggunakan Function CWT .............................. 23

Gambar 3.7 Cuplikan Program Untuk Normalisasi Sinyal PCG .......................... 23

Gambar 3.8 Flowchart Menghitung Waktu dan Frekuensi .................................. 24

Gambar 3.9 Konversi Scales to Frequency ........................................................... 25

Gambar 4.1 Plot Sinyal Asli dan Sinyal Bersih (Hasil Denoising) untuk Subjek Satu

pada Frekuensi Sampling 8kHz ............................................................ 30


pada Frekuensi Sampling 44,1kHz ....................................................... 30


pada Frekuensi Sampling 48kHz .......................................................... 31

Gambar 4.4 Plot Sinyal Asli dan Sinyal Bersih (Hasil Denoising) untuk Subjek Dua

Frekuensi Sampling 8kHz .................................................................... 31

xv


pada Frekuensi Sampling 44.1kHz ....................................................... 32



Gambar 4.7 Plot Sinyal Asli dan Sinyal Bersih (Hasil Denoising) untuk Subjek Tiga

pada Frekuensi Sampling 8kHz ............................................................ 33


pada Frekuensi Sampling 44,1kHz ....................................................... 33



Gambar 4.10 Hasil Pengujian Ekstraksi Ciri dan Identifikasi dengan Menggunakan

Continuous Wavelet Transform pada Frekuensi Sampling 8kHz ......... 34


Continuous Wavelet Transform pada Frekuensi Sampling 44,1kHz .... 35


Continuous Wavelet Transform pada Frekuensi Sampling 48kHz ....... 36

xvi

DAFTAR TABEL

Halaman

Tabel 4.1 Kebutuhan Perangkat Keras .................................................................. 28

Tabel 4.2 Kebutuhan Perangkat Lunak ................................................................. 28

Tabel 4.3 Hasil Pengujian Interval Sinyal S1 dan S2 pada Frekuensi Sampling 8kHz

untuk Identifikasi S1 dan S2 Terhadap Nilai Energi Maksimum,

Frekuensi, Waktu Terjadinya dan Interval Waktu ................................ 37

Tabel 4.4 Hasil Pengujian Interval Sinyal S1 dan S2 pada Frekuensi Sampling

44,1kHz untuk Identifikasi S1 dan S2 Terhadap Nilai Energi Maksimum,



48kHz untuk Identifikasi S1 dan S2 Terhadap Nilai Energi Maksimum,


Tabel 4.6 Evaluasi dari Keseluruhan Pengujian terhadap Energi Maksimum dan

Frekuensi Continuous Wavelet Transform untuk Sinyal Jantung Normal

.............................................................................................................. 43

Tabel 4.7 Evaluasi dari Keseluruhan Pengujian terhadapa Interval Waktu

Continuous Wavelet Transform Sinyal Jantung Normal ...................... 44

1

BAB I

PENDAHULUAN

1

1.1 Latar Belakang Masalah

Penyakit jantung merupakan penyakit yang sangat membahayakan.

Penyakit jantung menduduki peringkat teratas penyebab kematian di dunia. Bahkan

di Indonesia penyakit jantung menempati posisi pertama sebagai penyakit penyebab

kematian. Klasifikasi suara jantung dan sinyal jantung merupakan hal yang penting

dilakukan dalam mengetahui penyakit jantung yang disebabkan tidak normalnya

pembukaan dan penutupan katup-katup jantung yang tidak sempurna.

Salah satu penyebab dari serangan jantung adalah adanya kelainan yang

terdapat di jantung. Kelainan jatung dapat dibedakan menjadi dua, yaitu kelainan

dalam bentuk morfologis dan fisiologis. Hal yang harus diperhatikan sebelum

mendeteksi kelainan jantung adalah memisahkan suara jantung menjadi komponen-

komponen utamanya, yaitu S1 (suara jantung pertama), S2 (suara jantung kedua),

dan murmur pada satu siklus suara jantung melalui analisis frekuensi.

Untuk mengatasi permasalahan itu saat ini pemrosesan sinyal digital dalam

dunia kedokteran telah menjadi hal penting dan sangat membantu para dokter dalam

menganalisis suara detak jantung. Dalam perkembangan teknologi saat ini,

termasuk di dunia medis secara umum digunakan untuk merekam dan menampilkan

data sinyal detak jantung (suara jantung) dengan menggunakan stetoskop, yang

dikenal dengan nama Phonocardiogram (PCG) atau dikenal juga sebagai stetoskop

elektrik. Selain alat Phonocardiogram (PCG) yang telah ada, pada saat ini para

peneliti khususnya di bidang pengolahan sinyal biomedis terus menerus mencari

metode atau pendekatan yang terbaik.

2

Pentingnya klasifikasi suara jantung dan sinyal jantung didukung oleh

penelitian yang sudah dilakukan. Pada penelitian sebelumnya yang dilakukan oleh

Putri Madona, Achmad Arifin, Tri Arief Sardjono, Rimuljo Hendradi pada tahun

2012 dengan judul “Segmentasi Suara Jantung S1 dan S2 Menggunakan Kurva

Amplop” yang menyimpulkan penggunaan algoritma kurva amplop Shannon

energy dan moving average filter, semakin lebar window yang digunakan, akan

memperbesar geseran yang terjadi pada hasil perhitungan kurva amplop terhadap

sinyal aslinya. Penggunaan kurva amplop Shannon energy lebih direkomendasikan

karena memiliki pergeseran yang lebih kecil dibandingkan moving average filter.

Algoritma segmentasi yang digunakan telah menunjukan kemampuan dalam

memisahkan suara jantung S1 dan S2 serta mengetahui interval dari masing –

masing suara jantung tersebut dengan tingkat keberhasilan 71.43%.

Pada tahun 2012 dilakukan penelitian oleh Putri Madona, Achmad Arifin,

Tri Arief Sardjono dan Rimuljo Hendradi dengan judul penelitian “Analisis Suara

Jantung Berbasis Complex Continuous Wavelet Transform” menyimpulkan bahwa

CWT mampu mengekstrak ciri fisiological event pada jantung normal maupun

murmur yang diujikan dan menyajikan informasi frekuensi (dalam skala) dan waktu

secara bersamaan.

Berdasarkan beberapa penelitian di atas, pada penelitian ini dilakukan

analisis dan ekstraksi ciri sinyal jantung dari data riil yang didapat dengan

auskultasi (menggunakan sthetoscop digital) dalam bentuk sinyal PCG untuk

mengidentifikasi sinyal S1 dan S2 beserta posisinya dengan menggunakan mother

wavelet Biorthogonal 6.8 dan berbagai variasi frekuensi sampling. Adapun metode

yang akan digunakan adalah metode Continuous Wavelet Transform.

3

1.2 Rumusan Masalah

Dari latar belakang yang telah diuraikan, dapat ditarik rumusan masalah

yaitu bagaimana melakukan ekstraksi ciri sinyal jantung dengan metode

Continuous Wavelet Transform (CWT) untuk mengidentifikasi sinyal S1 dan S2

beserta posisinya pada jantung normal dengan menggunakan parameter uji energi

dan standar deviasi.

1.3 Batasan Masalah

Dalam perancangan dan pembuatan simulasi ini, terdapat beberapa batasan

masalah, antara lain :

1. Sampel penelitian ini, suara berasal dari 3 subjek yang didapat dari database

sinyal PCG oleh Anggi Citra Ekinasti pada tahun 2016 untuk jantung normal.

2. Frekuensi sampling yang digunakan adalah 8kHz, 44.1kHz dan 48kHz.

3. Mother Wavelet yang digunakan adalah Biorthogonal orde 6.8 (Ekinasti,

2016).

4. Jumlah pengambilan data untuk setiap subjek adalah 3 kali.

5. Data yang diamati adalah 5 detik.

6. Kondisi subjek adalah orang normal dalam posisi duduk relax dan kondisi

lingkungan yang tenang.

1.4 Tujuan

Tujuan dari penelitian yang akan dilakukan adalah melakukan ekstraksi ciri

sinyal jantung Phonocardiogram (PCG) menggunakan metode Continuous Wavelet

Transform (CWT) untuk mengidentifikasi sinyal S1 dan S2 berdasarkan nilai

4

frekuensi, energi dan waktu pada jantung normal dengan menggunakan parameter

uji energi dan standar deviasi.

1.5 Sistematika Penulisan

Laporan Tugas Akhir ini ditulis dengan sistematika penulisan sebagai

berikut :

1. BAB I PENDAHULUAN

Pada bab ini akan dibahas megenai latar belakang masalah, batasan masalah,

tujuan penulisan dan sistematika penulisan.

2. BAB II LANDASAN TEORI

Pada bab ini akan dibahas teori penunjang dari permasalahan, yaitu mengenai

Jantung, Suara Jantung, Prinsip Kerja Jantung, Phonocardiogram (PCG),

Transformasi Wavelet, Continuous Wavelett Transform, Mother Wavelet,

Wavelet Biorthogonal, Standar Deviasi, Energi.

3. BAB III METODE PENELITIAN DAN PERANCANGAN SISTEM

Pada bab ini akan dibahas tentang diagram blok rancangan penelitian, database

PCG signal, denoising, Continuous Wavelet Transform, meliputi flowchart

algoritma program untuk mengolah data agar didapatkan nilai energi

maksimum

4. BAB IV HASIL DAN PEMBAHASAN

Pada bab ini akan dibahas mengenai pengujian secara keseluruhan. Pengujian

yang dilakukan meliputi membaca file yang diambil dari data yang kemudian

ditampilkan dalam bentuk grafik, kemudian sinyal tersebut di denoising dan

pengolahan rumus wavelet dalam program untuk analisis time-frequency

5

penentuan koefisen maksimum dan energi maksimum pada skala dan waktu

tertentu.

5. BAB V KESIMPULAN DAN SARAN

Bab ini berisi kesimpulan yang didapat dari hasil penelitian berdasarkan

rumusan masalah serta saran untuk perkembangan penelitian selanjutnya.

6

BAB II

LANDASAN TEORI

2

2.1 Jantung

Jantung adalah sebuah organ berotot yang memiliki empat ruang yang

terletak di rongga dada di bawah perlindungan tulang iga sedikit sebelah kiri

sternum. Mekanisme kerjanya mirip dengan pompa untuk memberikan tekanan

pada pembuluh darah agar dapat senantia mengalir di dalam tubuh.

Jantung yang berfungsi sebagai pompa yang melakukan tekanan terhadap

darah sehingga darah dapat mengalir ke seluruh tubuh. Pembuluh darah berfungsi

sebagai saluran untuk mendistribusikan darah dari jantung ke semua bagian tubuh

dan mengembalikannya kembali ke jantung (Taylor, 2010). Jantung terdiri dari

bagian atas yang disebut serambi (atrium) dan bagian bawah yang disebut dengan

bilik (ventricle). Otot-otot jantung memompa darah dari satu ruangan ke ruangan

lainnya. Setiap kali terjadi proses pemompaan, katup jantung membuka sehingga

darah dapat mengalir ke ruangan yang dituju. Selanjutnya katup menutup untuk

mencegah aliran balik darah (Setiaji, 2011).

2.2 Suara Jantung

Jantung mempunyai empat buah katup yang bekerja secara bergantian

diantaranya katup Tricuspid, katup Mitral, katup Pulmonary dan katup Artic.

Membuka dan menutupnya katup jantung terjadi akibat perbedaan tekanan diruang-

ruang jantung sewaktu kontraksi dan relaksasi atrium dan ventrikel. Suara jantung

adalah sinyal audio frekuensi rendah yang terjadi karena membuka dan menutupnya

7

katup yang ada pada jantung. Suara jantung terbagi menjadi empat bagian yaitu

suara jantung pertama (S1) merupakan bunyi yang menyertai penutupan katup

atrioventricular yaitu katup mitral dan katup trikuspidal, Suara jantung kedua (S2)

terjadi karena penutupan katup seminular (yaitu katup aorta dan katub pulmonal)

secara tiba-tiba. Suara jantung ketiga merupakan bunyi ventrikel kiri dan terbaik

didengar di apeks jantung dan suara jantung ke empat merupakan suatu bunyi

dengan nada rendah, dengan frekuensi berkisar antara 50-70 Hz.

Dalam kondisi normal, pada dasarnya terdapat dua macam bunyi jantung,

yaitu S1 dan S2 seperti ditunjukkan Gambar 2.1.

Gambar 2.1 Bunyi Jantung Normal (Rizal, 2007)

2.3 Prinsip Kerja Jantung

Jantung bekerja melalui mekanisme secara berulang dan berlangsung terus-

menerus yang juga disebut sebuah siklus jantung sehingga secara visual terlihat atau

disebut sebagai denyut jantung. Sinyal suara jantung umumnya memiliki frekuensi

antara 20 – 200 Hz, Melalui mekanisme berselang-seling, jantung berkonstraksi

untuk mengosongkan isi jantung dan melakukan relaksasi guna pengisian darah.

Secara siklus, jantung melakukan sebuah periode sistol yaitu periode saat

berkontraksi dan mengosongkan isinya (darah), dan periode diastol yaitu periode

8

yang melakukan relaksasi dan pengisian darah pada jantung. Kedua serambi

(atrium) mengendur dan berkontraksi secara bersamaan, dan kedua bilik (ventrikel)

juga mengendur dan berkontraksi secara bersamaan pula untuk melakukan

mekanisme tersebut. (Maisyaroh, 2012).

Walaupun secara anatomik jantung adalah satu organ, sisi kanan dan kiri

jantung berfungsi sebagai dua pompa yang terpisah. Jantung terbagi atas separuh

kanan dan kiri serta memiliki empat ruang, bilik bagian atas dan bawah di kedua

belahannya. Bilik bagian atas (atrium) yang menerima darah yang kembali ke

jantung. dan memindahkannya ke bilik bawah (ventrikel) yang berfungsi memompa

darah dari jantung. Pembuluh yang mengembalikan darah dari jaringan ke atrium

disebut dengan vena, dan pembuluh yang mengangkut darah menjauhi ventrikel dan

menuju ke jaringan disebut dengan arteri. Kedua belahan jantung dipisahkan oleh

septum atau sekat, yaitu suatu partisi otot yang mencegah percampuran darah dari

kedua sisi jantung. Pemisahan ini sangat penting karena separuh jantung kanan

menerima dan memompa darah beroksigen rendah sedangkan sisi jantung sebelah

kiri memompa darah beroksigen tinggi (Taylor, 2010).

Gambar 2.2 Anatomi Jantung (Taylor, 2010)

9

2.4 Phonocardiogram (PCG)

Phonocardiogram (PCG) atau disebut stetoskop elektrik suatu alat yang

mampu mendengar suara jantung. Phonocardiogram adalah teknik dalam

penelusuran suara jantung dan pencatatan getaran akustik jantung melalui suatu

transduser mikrofon yang akan direkam dan ditampilkan pada osiloskop. Dengan

adanya hasil PCG dari pasien, ahli medis dapat mendengar kembali, menganilisis

dan mengolah data tersebut sesuai dengan kebutuhan.

Suara-suara ini mengindikasikan laju dan ritme jantung dalam memompa

darah. Suara ini juga memberikan informasi tentang efektifitas pemompaan jantung

dan aktifitas katup-katup jantung Suara jantung dapat digunakan lebih efisien

dengan dokter ketika mereka ditampilkan secara visual (Debbal, 2009). Dengan

adanya hasil PCG dari pasien, ahli medis dapat mendengar kembali, melihat

perekaman secara visual, serta dapat menganilisis dan mengolah data tersebut

sesuai dengan kebutuhan.

Dalam keadaan normal suara jantung menghasilkan dua suara yang

berbeda yang sering dinyatakan dengan lub-dub atau disebut suara jantung pertama

(S1) dan suara jantung kedua (S2). Suara lub atau suara jantung pertama (S1)

muncul akibat dua penyebab yaitu : penutupan katub atrioventrikular (katub mitral

dan trikuspidalis) dan kontraksi otot-otot jantung. Sedangkan suara dub atau suara

jantung kedua (S2) disebabkan dari penutupan katub semilunaris (katub aorta dan

pulmonal Suara jantung pertama memiliki waktu yang sedikit lebih lama

dibandingkan dengan suara jantung kedua (Nurlaili, 2011). Frekuensi S1 berkisar

antara (30 – 100 Hz) sedangkan frekuensi S2 berkisar antara (100 – 200 Hz)

(Debbal, 2014). Diantara suara jantung pertama dan suara jantung kedua terdapat

10

dua interval yaitu sistole dan diastole. Sistole adalah tekanan darah yang dialirkan

dari jantung ke arteri dan nadi, sedangkan diastole merupakan tekanan darah balik

dari arteri dan nadi ke jantung. Sistole ialah interval antara suara jantung S1 dan S2,

sedangkan diastole interval antara suara jantung S2 dan S1. Secara jelas dapat

dilihat pada Gambar 2.3

Gambar 2.3 Phonocardiogram Jantung (Debbal, 2009)

2.5 Denoising

Denoising adalah cara menghilangkan atau mereduksi sinyal noise sekecil

mungkin untuk mendapatkan visualisasi sinyal asli. Konsep yang digunakan dalam

men-denoise sinyal adalah menghilangkan atau men-threshold terhadap komponen

dari wavelet yang berfrekuensi tinggi atau yang disebut dengan koefisien detail.

Thresholding adalah salah satu metode pengurangan noise yang paling

sederhana dan menjadi dasar bagi beberapa metode pengurangan noise yang lain.

Untuk melakukan thresholding, terlebih dahulu ditetapkan sebuah nilai yang

dianggap sebagai batas atau threshold. Nilai threshold ini ditetapkan sedemikian

rupa supaya besarnya melebihi nilai-nilai fluktuasi yang kecil yang mewakili noise

pada sinyal yang dianalisis. Kemudian dilakukan operasi thresholding pada sinyal.

Ada 2 jenis thresholding yang diterapkan pada fungsi wavelet, yaitu hard

thresholding dan soft thresholding. Berikut ini adalah rumus Hard thresholding:

11

, | |0, | | (2.1)

Sedangkan soft threshoding dirumuskan:

, | |, | |0, | |

(2.2)

Pada hard thresholding, elemen – elemen yang memiliki nilai kurang dari

threshold (τ), secara otomatis akan diubah menjadi nol, dan pada soft threshold,

elemen – elemen yang memiliki nilai kurang dari threshold diubah perlahan menuju

nol.

2.6 Transformasi Wavelet

Sinyal suara jantung merupakan jenis sinyal non-stationer. Sinyal non-

stationer memiliki frekuensi yang bervariasi di dalam waktu sehingga untuk

menganalisisnya dibutuhkan metode transformasi yang dapat memberikan revolusi

frekuensi dan waktu secara bersamaan maka metode yang cocok adalah

Transformasi Wavelet dikarenakan Transformasi Wavelet merupakan anlisis multi

resolusi yang dapat mempresentasikan informasi suatu sinyal dalam kawasan waktu

dan frekuensi dengan baik.

2.7 Transformasi Wavelet Continuous (CWT)

Transformasi Wavelet Coninuous merupakan proses konvolusi sinyal x(t)

dengan sebuah fungsi window, fungsi window dapat berubah disetiap waktu dan

skala yang berubah-ubah. Fungsi window merupakan mother wavelet yang menjadi

fungsi dasar dari wavelet.

12

Transformasi Wavelet Continuous dikembangkan sebagai pendekatan

alternatif untuk waktu singkat untuk mengatasi masalah resolusi. Analisa wavelet

dilakukan mirip dengan cara Short Term Fourier Transform (STFT), dalam arti

sinyal dikalikan dengan fungsi, {/it the wavelet}, fungsi window mirip dengan

STFT, dan transformasi dihitung secara terpisah untuk beberapa segmen yang

berbeda dari sinyal. Namun ada 2 perbedaan utama antara STFT dan CWT :

1. Fourier transforms dari beberapa signal window tidak diambil. Karena titik

puncaknya akan terlihat tidak sesuai, frekuensi yang negative tidak dihitung.

2. Lebar dari window berubah terhadap transformasi yang dihitung untuk setiap

komponen spektral tunggal, salah satu karakteristik yang paling penting dari

transformasi wavelet.

Transformasi Wavelet Continuous didefinisikan sebagai persamaan berikut :

ᴪ( , ) = ᴪᴪ( , ) = | |

(t)ᴪ∗ ( ) dt (2.3)

Keterangan:

CWT = koofisien

ᴪ = psi (fungsi transformasi)

s = Scala

t = time

= tau

x = data

* = konjugasi

13

Seperti yang terlihat dalam persamaan di atas perubahan sinyal merupakan

dari dua variable tau dan s, translasi dan scale parameter. Psi(t) adalah fungsi

transformasi, dan untuk memanggil mother wavelet. Istilah wavelet adalah sebuah

gelombang kecil mengacu pada kondisi, bahwa ini (window) fungsi yang

panjangnya terbatas. Acuan gelombang untuk kondisi bahwa fungsi ini berosilasi.

Mother mengartikan itu bahwa fungsi yang berbeda dari bantuan yang digunakan

dalam proses transformasi yang berasal dari satu fungsi utama, atau mother wavelet.

Dengan kata lain, mother wavelet adalah sebagai prototype dari pembangkit fungsi

window yang lain.

Traslasi digunakan sama seperti yang digunakan dalam STFT. hal itu

berkaitan dengan lokasi window, yang dirubah melalui sinyal. Namun, tidak

memiliki parameter frekuensi, seperti yang kita miliki sebelumnya untuk STFT

tersebut. Sebaliknya, kita memiliki parameter skala yang didefinisikan sebagai

frekuensi. Frekuensi istilah dicadangkan untuk STFT tersebut.

Continuous Wavelet Transform (CWT) telah dikembangkan sebagai suatu

metode untuk memperoleh informasi yang simultan, resolusi waktu dan frekuensi

yang tinggi mengenai suatu sinyal. Feature extractor ini menggunakan suatu daerah

window yang berukuran variabel. Karena wavelet dapat membesar atau menjadi

padat, fitur-fitur yang berbeda dari sinyal akan diekstrak. Ketika wavelet yang

sempit mengekstrak komponen-komponen frekuensi tinggi, maka wavelet yang

membentang mengambil komponen-komponen berfrekuensi rendah dari sinyal.

CWT dihitung melalui konvolusi sinyal s(t) dengan sebuah modulasi

window pada setiap waktu dengan setiap skala yang diinginkan. Modulasi window

14

yang mempunyai skala fleksibel inilah yang disebut dengan mother wavelet atau

fungsi dasar wavelet.

2.8 Mother Wavelet

Wavelet dapat dibentuk dari satu fungsi dikenal sebagi “mother wavelet”

dalam suatu interval berhingga. Daughter wavelet” Ψa,b (t) dibentuk oleh translasi

(b) dan skala (a).

(2.4)

Keterangan:

b = parameter translasi

a = parameter skala

= mother wavelet

|| a = normalisasi energi

2.9 Wavelet Biorthogonal

Wavelet Biorthogonal menggunakan dua wavelet satu untuk dekomposisi(di

sisi kiri) dan yang lainnya untuk rekonstruksi (di sebelah kanan sisi). Seperti pada

Gambar 2.4. Wavelet biorthogonal merupakan perluasan dari wavelet orthogonal.

Istilah ‘biorthogonal’ merujuk pada adanya 2 fungsi basis atau fungsi skala yang

orthogonal satu sama lain, tetapi masing-masing tidak membentuk set orthogonal.

Keuntungan menggunakan Biorthogonal Wavelet transform adalah penggunaan

kelas filter yang lebih luas. Adapun bentuk persamaan yang digunakan sebagai

filter adalah

)(||

1)(, a

bt

atba

15

∑ 2 ∑ 2 (2.5)

∑ ′ 2 0 ∑ 2 (2.6)

Dimana nilai h, h’adalah low-pass filter g, g’ merupakan high-pass filter.

(Napitupulu, 2012)

Gambar 2.4 Mother Wavelet Biorthogonal (Matlab)

2.10 Standar Deviasi

Standard deviasi digunakan untuk mengukur besar dari variasi atau

penyebaran dari rata-rata. Semakin rendah nilai suatu standard deviasi

mengindikasikan bahwa titik data cenderung sangat dekat dengan rata-rata (nilai

16

yang diharapkan), begitu juga ketika nilai standard deviasi tinggi mengindikasikan

bahwa jangkauan titik data yang tersebar sangat besar.

(2.7)

2.11 Energi

Energi berarti sesuatu memiliki kemampuan untuk menyebabkan

perubahan, energi biasanya digunakan untuk menggambarkan berapa banyak

potensi sistem yang harus berubah. Pada sinyal suara jantung, energi total di setiap

subband memberikan informasi yang berguna tentang lokasi artefak di sinyal, Total

energi digunakan bersama time varying energi untuk mendeteksi bagaian yang

mengandung derau dari sinyal PCG. Artefak merupakan variasi sinyal yang tidak

diinginkan karena sumber selain sumber sinyal yang diinginkan. Artefak ini

termasuk instrumen suara, suara dari suara tubuh, suara karena gerakan subjek dan

gerakan diafragma stetoskop. Subband yang rendah memiliki Energi normalisasi

yang besar dikarenakan mengandung suara jantung, sedangkan subband tinggi

memiliki Energi normalisasi yang kecil dikarenakan mengandung artefak. (Kumar,

2015)

Energi dekomposisi rerata di setiap sub-band EDi dihitung dengan persamanaan

(diasumsikan akan didekomposisi hingga level 10) :

EDi= ∑

, K= 1,2,……. Panjang Di (2.8)

i = 1,2,…. N=10

Energi dekomposisi rerata di setiap sub-band EA10 dihitung dengan persamanaan

(diasumsikan akan didekomposisi hingga level 10) :

17

EA10= ∑

, K= 1,2,…….Jumlah cuplik A10 (2.9)

Setelah itu energi dekomposisi rerata akan di normalisasi sehingga rentang

nilai grafik akan berada diantara range 0 dan 1.

ENj = ,

, j = 1,2,3….n (3.0)

ENj = Energi rerata normalisasi pada dekomposisi ke –j (j= 1,2,3…N=10)

EDi = Energi rerata sinyal detail ke- I (i= 1,2,3….N=10)

EA10= Energi rerata sinyal aproksimasi A10

18

BAB III

METODOLOGI PENELITIAN DAN PERANCANGAN SISTEM

3

3.1 Metode Penelitian

Metode penelitian yang digunakan meliputi studi kepustakaan dan

penelitian laboratorium. Studi kepustakaan dilakukan untuk mencari teori atau

informasi dari buku, jurnal dan artikel - artikel yang berkaitan dengan

permasalahan. Dari informasi studi kepustakaan yang diperoleh, maka dilakukan

pembuatan program pada Matlab untuk membantu melakukan analisis. Blok

diagram rancangan penelitian dapat dilihat pada Gambar 3.1.

Database PCG Signal

Denoising

Continuous Wavelet Transform (CWT)

Ekstraksi dan Identifikasi Sinyal Jantung S1 dan S2

Output :

1. Analisis energi maksimum sinyal sebagai sinyal waktu untuk mother wavelet Biorthogonal 6.8 dan beberapa variasi frekuensi sampling dari sinyal untuk menentukan parameter uji energi.

2. Analisis frekuensi sebagai fungsi waktu untuk mother wavelet Biorthogonal 6.8 dan beberapa variasi frekuensi sampling dari sinyal untuk menentukan parameter uji energi dan standar deviasi.

3. Analisis untuk menentukan posisi S1 dan S2 berdasarkan analisis frekuensi dan energi maksimum sebagai fungsi waktu.

Gambar 3.1 Diagram Blok Rancangan Penelitian

19

3.2 Database PCG Signal

Penelitian ini menggunakan data real yang didapat dari hasil penelitian

Anggi Citra Ekinasti pada tahun 2016 dengan menggunakan stethoscope digital dari

thinklabs one. Kondisi masing-masing subjek telah di uji melalui uji laboratorium

bahwa kondisi jantung subjek merupakan jantung normal. Data yang digunakan

pada penelitian ini sebanyak 3 subjek dan pengambilan data yang dilakukan pada

subjek dalam keadaan normal dan relax. Lama pengabilan datu untuk tiap subjek

adalah 5 detik dengan menggunakan tiga macam frekuensi sampling yaitu 8kHz,

44.1kHz dan 48kHz.

Untuk menampilkan sinyal suara jantung PCG dalam bentuk grafik. Dari

database ke Matlab dapat menggunakan function, cuplikan program yang dapat di

lihat pada Gambar 3.2

Gambar 3.2 Cuplikan Program Membaca File .wav

Pada Matlab terdapat function yang berfungsi untuk membaca data sinyal

suara jantung menjadi tampilan grafik yaitu ‘audioread’. Data adalah nama

variable yang menyimpan data sinyal asli, Fs adalah frekuensi sampling dan

‘1_3_8.wav’ adalah file sinyal suara jantung yang akan dibuka.

3.3 Denoising

Denosing digunakan untuk menghapus data sinyal yang tidak diperlukan

dengan membandingkan nilai threshold dan setiap koefisien. Metode denoising

yang digunakan pada penelitian ini adalah soft thresholding, dimana metode ini

20

akan membuat nilai yang berada antara threshold - T < X < T perlahan akan

menjadi 0, sedangkan nilai yang lebih dari T telah diubah untuk mendekati axis X.

Pada penelitian ini yang dilakukan mencari nilai threshold dengan

karakteristik sinyal input dengan penerapan thresholding rules terdapat 2 metode

yaitu global thresholding dan level dependent thresholding. Pencarian nilai dengan

threshold dengan global thresholding menggunakan karakteristik dari Panjang data

sinyal input. Sedangkan level dependent thresholding mencari nilai threshold

berdasarkan level resolusi / level dekomposisi. Pada penelitian ini level resolusi

yang digunakan adalah 7 level dikarenakan sinyal yang diolah memiliki frekuensi

sampling sebesar 8kHz. Pada penelitian ini penggunaan metode level dependent

thresholding yang menggunakan function wden pada matlab. Berikut cuplikan

program proses denoising dapat dilihat pada Gambar 3.3.

Gambar 3.3 Proses Denoising Sinyal PCG

wden adalah function level dependent thresholding, data adalah sinyal asli,

sqtwolog digunakan untuk threshold universal, s adalah soft thresholding, sln

digunakan untuk rescaling menggunakan estimasi tingkat noise berdasarkan

koefisien tingkat awal, level untuk tingkatan level, w adalah mother wavelet yang

digunakan.

Pada proses denoising ini input yang dibutuhkan adalah sinyal PCG,

denoising ini dilakukan untuk menghapus data sinyal yang tidak diperlukan, yang

terekam pada saat proses perekaman sinyal jantung seperti suara gesekan stetoskop

21

pada saat perekaman sinyal. Hasil dari proses denoising merupakan sinyal bersih

yang akan di visualisasikan berupa grafik bar, seperti pada Gambar 3.4 dibawah ini.

Gambar 3.4 Plot Sinyal Asli dan Sinyal Bersih Setelah Proses Denoising

Hasil dari denoising yaitu sinyal PCG yang telah dihilangkan noisenya. Jika

dilihat pada Gambar 3.4 terlihat tidak ada perubahan signifikan antara sinyal asli

dan sinyal yang sudah di denoising ini disebabkan karena sinyal yang diambil

dengan menggunakan Digital Sthetoscope dari thinkslabone (Ekinasti, 2016)

merupakan sinyal yang telah mengalami pemfilteran noise. Akan tetapi proses

denoosing dalam penelitian tetap dilakukan untuk melakukan denoising terhadap

sinyal PCG lain yang mungkin tidak memiliki filter noise.

22

Gambar 3.5 Tampilan Data dari Sinyal Asli dan Sinyal Denoising

Dari Gambar 3.5 di atas terlihat ada perubahan nilai yang terjadi pada data

tersebut. Data tersebut merupakan data yang didapat dari sinyal asli dan sinyal yang

sudah di denoising. Hal ini membuktikan bahwa sinyal yang digunakan pada

penelitian ini mengandung noise.

3.4 Continuous Wavelet Transform

Sinyal akan di ekstrak menggunakan metode Continuous Wavelet

Transform. Penelitian ini melibatkan beberapa input yaitu sinyal PCG dari setiap

subjek, scale dan mother wavelet. Sinyal PCG akan diekstrak dengan nilai skala

dan mother wavelet yang sudah ditentukan, contoh jika sinyal asli memilki

frekuensi sampling 8kHz maka akan diberi nilai skala 1:128.

Analisis transformasi kontinu wavelet dilakukan dengan mengekstrak

sinyal PCG menggunakan Matlab, untuk mengekstrak sinyal maka digunakan

fungsi cwt yang mengandung persamaan (2.3). Cuplikan program proses

Continuous Wavelet Transform dapat dilihat pada Gambar 3.6.

23

Gambar 3.6 Cuplikan Program Menggunakan Function CWT

Fungsi cwt(x,scales,wname,’plot’) pada Matlab memiliki

parameter input x yaitu untuk sinyal masukan atau sinyal PCG yang akan di analisis,

scales nilai skala yang digunakan dan wname untuk Mother wavelet yang akan

digunakan.

3.5 Ekstraksi dan Identifikasi Sinyal Jantung S1 dan S2

Sinyal suara yang akan diolah terlebih dahulu di normalisasikan, pada

penelitian ini normalisasi sinyal PCG dilakukan setelah proses denoising, berikut

ini cuplikan program untuk menormalisasi sinyal PCG pada Matlab yang dapat

dilihat pada Gambar 3.7.

Gambar 3.7 Cuplikan Program Untuk Normalisasi Sinyal PCG

Setelah sinyal di normalisasi proses selanjutnya adalah mengekstraksi

sinyal PCG dengan metode CWT. Pada tahap ini CWT menghasilkan nilai – nilai

koefisien wavelet C yang merupakan distribusi energi dalam bidang waktu.-

frekuensi. Konsentrasi energi terhadap bidang waktu – frekuensi untuk suara

jantung menjadi perhatian khusus pada penelitian ini. Adapun flowchart program

yang digunakan untuk menghitung waktu – frekuensi akan di jelaskan pada Gambar

3.8.

24

1. Start program mulai di jalankan

2. Inisialisasi input yang akan digunakan.

3. Input data sinyal PCG

4. Proses denoising pada sinyal PCG

5. Proses normalisasi sinyal PCG

Start

Inisialisasi

Data PCG

Denoising

Pengolahan Data dengan CWT

Konversi Skala Frekuensi

Energi Maksimum dan Frekuensi pada Waktu Tertentu

Stop

Gambar 3.8 Flowchart Menghitung Waktu dan Frekuensi

Identifikasi interval (posisi) S1 dan S2

Normalisasi

25

6. Melakukan proses pehitungan dengan metode Continuous Wavelet Transform,

menentukan nilai skala yang akan digunakan di mana pada frekuensi sampling

8kHz menggunakan skala 1:128, pada frekuensi sampling 44,1kHz

menggunakan skala 1:512 dan pada frekuensi sampling 48kHz menggunakan

sakal 1:1024. Pemilihan skala tersebut disesuaikan dengan pemilihan frekuensi

sampling dari masing – masing sinyal dengan tujuan untuk merangkum seluruh

frekuensi yang dikandung oleh masing – masing sinyal tersebut.

7. Mengkonversi skala frekuensi, Nilai skala ini berbanding terbalik dengan

dengan nilai frekuensi. Dimana skala yang lebih besar menunjukkan frekuensi

yang rendah dan skala yang lebih kecil menunjukkan frekuensi yang tinggi.

Berikut ini cuplikan program konversi scales to frequency pada matlab, dapat

dilihat pada Gambar 3.9.

Gambar 3.9 Konversi Scales to Frequency

Fungsi Frq = scal2frq(scales,wname,1/Fs); pada matlab

memiliki parameter input scale yang sudah ditentukan, wname adalah

mother wavelet yang akan digunakan dan 1/Fs adalah frekuensi sampling

pada sinyal.

8. Hasil nilai energi maksimum dan frekuensi pada waktu tertentu berupa grafik,

dimana sumbu x adalah indeks dari skala (frekuensi) dan sumbu y adalah

indeks dari waktu. Spektrum warna adalah magnitude normalisasi dari

26

koefisien wavelet C. Dimana magnitudo yang maksimum ditunjukkan dengan

warna merah dibandingkan dengan magnitude yang kecil.

9. Mengidentifikasi interval waktu posisi S1 dan S2 setelah mengetahui nilai

koefisien maksimum, energi maksimum dan frekuensi maka dilakukan

identifikasi waktu posisi sinyal S1 dan S2.

3.5.1 Analisis Energi Maksimum Sinyal

Pada penelitian ini digunakan parameter energi maksimum, skala dan

waktu. Hal ini karena pada pengolahan sinyal PCG dengan menggunakan metode

CWT menghasilkan beberapa informasi sinyal yang berkaitan dengan energi

maksimum, skala dan waktu.

Setelah dilakukan proses ekstraksi dengan menggunakan metode CWT

yang menghasilkan nilai – nilai koefisien, maka akan dilakukan pemilihan nilai

koefisien maksimum pada sinyal yang sudah di ekstrak tadi. Setelah melakukan

pemilihan nilai koefisien maksimum maka dilakukan pemilihan energi maksimum

dan skala berdasarkan letak koefisien maksimum yang telah dipilih.

3.5.2 Analisis Frekuensi Sebagai Fungsi Waktu

Pada analisis frekuensi sebagai waktu ini sebelumnya akan dilakukan

konversi scales to frequency yang akan memberikan informasi tentang nilai

frekuensi. Setelah melakukan pemilihan nilai koefisien maksimum, energi

maksimum dan skala, kemuadian akan ditentukan nilai frekuensi.

27

3.5.3 Analisis untuk Menentukan Posisi S1 dan S2 Berdasarkan Analisis

Frekuensi dan Energi Maksimum Sebagai Fungsi Waktu

Sinyal yang telah diketahui energi maksimum dan frekuensi yang ada pada

sinyal suara jantung, maka proses selanjutnya adalah menganalisis posisi S1 dan

S2. Posisi yang di analisis merupakan interval waktu antara S1 ke S2, S1 awal ke

S1 berikutnya, S2 awal ke S2 berikutnya dan S2 ke S1.

28

BAB IV

HASIL DAN PEMBAHASAN

4

4.1 Kebutuhan Sistem

Sebelum melakukan ekstraksi dan identifikasi sinyal suara jantung

dibutuhkan perangkat lunak yang dapat menunjang penelitian. Perangkat keras dan

lunak yang akan digunakan pada penelitian ini dapat dilihat pada Tabel 4.1 dan

Tabel 4.2.

Tabel 4.1 Kebutuhan Perangkat Keras

Perangkat Keras Spesifikasi

Prosesor Intel Dual-Core

Memori 2 Gb

Sistem Operasi Windows 10

Tabel 4.2 Kebutuhan Perangkat Lunak

Perangkat Lunak Uraian

Matlab R2015a Aplikasi yang digunakan untuk mengolah sinyal suara

jantung .

29

4.2 Pengujian Program

Pengujian program untuk menghitung nilai koefisien terbesar, energi

maximum pada frekuensi dan waktu tertentu untuk menentukan posisi S1 dan S2

pada sinyal suara jantung normal.

4.3 Tujuan

Pengujian ini dilakukan untuk mengetahui yang telah dibuat sesuai dengan

dasar teori rumus yang ada.

4.4 Prosedur Pengujian Penelitian

Prosedur pengujian Continuous Wavelet Transform :

a. Memilih nilai koefisien terbesar, dari sini akan mendapat energi maksimum

pada frekuensi dan waktu tertentu

b. Menentukan interval waktu S1 ke S1, S1 ke S2, S2 ke S1, dan S2 ke S2

berdasakan hasil perhitungan Time – Frequency.

4.5 Hasil Pengujian Sinyal PCG dan Sinyal Hasil Denoising

Pada penelitian ini dilakukan pengujian data sebanyak 9 kali. Data diambil

dari database dengan format file yang berupa .wav dan menggunakan beberapa

frekuensi sampling yaitu 8kHz, 44.1kHz dan 48kHz untuk setiap subjek. Untuk

setiap subjek dan setiap frekuensi sampling diamati selama 5 detik. Pada proses

Denoising menggunkan soft thresholding dengan threshold rule level dependent

thresholding, serta menggunakan Mother Wavelet Biorthogonal 6.8. Adapun hasil

pengambilan data dan hasil proses Denoising yang dapat dilihat sebagai berikut :

30

1. Data dari Subjek Satu pada Frekuensi Sampling 8kHz

Gambar 4.1 Plot Sinyal Asli dan Sinyal Bersih (Hasil Denoising) untuk Subjek Satu pada Frekuensi Sampling 8kHz

2. Data dari Subjek Satu pada Frekuensi Sampling 44,1kHz

Gambar 4.2 Plot Sinyal Asli dan Sinyal Bersih (Hasil Denoising) untuk Subjek Satu pada Frekuensi Sampling 44,1kHz

31

3. Data dari Subjek Satu pada Frekuensi Sampling 48kHz

Gambar 4.3 Plot Sinyal Asli dan Sinyal Bersih (Hasil Denoising) untuk Subjek Satu pada Frekuensi Sampling 48kHz

4. Data dari Subjek Dua pada Frekuensi Sampling 8kHz

Gambar 4.4 Plot Sinyal Asli dan Sinyal Bersih (Hasil Denoising) untuk Subjek Dua Frekuensi Sampling 8kHz

32

5. Data dari Subjek Dua pada Frekuensi Sampling 44.1kHz

Gambar 4.5 Plot Sinyal Asli dan Sinyal Bersih (Hasil Denoising) untuk Subjek Dua pada Frekuensi Sampling 44.1kHz

6. Data dari Subjek Dua pada Frekuensi Sampling 48kHz

Gambar 4.6 Plot Sinyal Asli dan Sinyal Bersih (Hasil Denoising) untuk Subjek Dua pada Frekuensi Sampling 48kHz

33

7. Data dari Subjek Tiga pada Frekuensi Sampling 8kHz

Gambar 4.7 Plot Sinyal Asli dan Sinyal Bersih (Hasil Denoising) untuk Subjek Tiga pada Frekuensi Sampling 8kHz

8. Data dari Subjek Tiga pada Frekuensi Sampling 44.1kHz

Gambar 4.8 Plot Sinyal Asli dan Sinyal Bersih (Hasil Denoising) untuk Subjek Tiga pada Frekuensi Sampling 44,1kHz

34

9. Data dari Subjek Tiga pada Frekuensi Sampling 48kHz

Gambar 4.9 Plot Sinyal Asli dan Sinyal Bersih (Hasil Denoising) untuk Subjek Tiga pada Frekuensi Sampling 48kHz

4.6 Hasil Pengujian Continuous Wavelet Transform

Dari hasil pengujian ini akan menghasilkan beberapa informasi yaitu nilai

koefisien maksimum, energi maksimum dan frekuensi pada waktu tertentu. Berikut

ini hasil dari perhitungan Continuous Wavelet Transform untuk mendapatkan nilai

energi maksimum dan frekuensi pada waktu tertentu.

1. Pengujian pada Frekuensi Sampling 8kHz

Gambar 4.10 Hasil Pengujian Ekstraksi Ciri dan Identifikasi dengan Menggunakan Continuous Wavelet Transform pada Frekuensi Sampling 8kHz

35

Pada Gambar 4.10 merupakan hasil dari perhitungan pada frekuensi

sampling 8kHz dengan menggunakan Continuous Wavelet Transform. Dari gambar

ini menunjukan indeks dari frekuensi (skala) dan indeks dari waktu. Sementara itu

spektrum warna adalah magnitudo dari koifsien wavelet C. Dimana magnitudo yang

maksimum ditunjukkan dengan warna merah.

2. Pengujian pada Frekuensi Sampling 44.1 kHz

Gambar 4.11 Hasil Pengujian Ekstraksi Ciri dan Identifikasi dengan Menggunakan Continuous Wavelet Transform pada Frekuensi Sampling 44,1kHz


sampling 44,1kHz dengan menggunakan Continuous Wavelet Transform. Dari

gambar ini menunjukan indeks dari frekuensi (skala) dan indeks dari waktu.

Sementara itu spektrum warna adalah magnitudo dari koifsien wavelet C. Dimana

magnitudo yang maksimum ditunjukkan dengan warna merah.

36

3. Pengujian pada Frekuensi Sampling 48 kHz

Gambar 4.12 Hasil Pengujian Ekstraksi Ciri dan Identifikasi dengan Menggunakan Continuous Wavelet Transform pada Frekuensi Sampling 48kHz


sampling 48kHz dengan menggunakan Continuous Wavelet Transform. Dari

gambar ini menunjukan indeks dari frekuensi (skala) dan indeks dari waktu.

Sementara itu spektrum warna adalah magnitudo dari koifsien wavelet C. Dimana

magnitudo yang maksimum ditunjukkan dengan warna merah.

4.7 Hasil Pengujian Time – Frequency untuk Identifikasi Sinyal S1 dan S2

terhadap Nilai Energi Maksimum, Frekuensi dan Waktu tertentu,

dan Interval Waktu antara Sinyal S1 dan S2

Hasil pengujian Time – Frequency untuk mengidentifikasi sinyal S1 dan S2

beserta intervalnya di dapatkan dari waktu puncak dari Continuous Wavelet

Transform pada masing-masing sinyal S1 dan S2, interval waktu S1 ke S2, S2 ke

37

S1, S1 ke S1, dan S2 ke S2 dapat dilihat pada Tabel 4.3 untuk frekuesi sampling

8kHz, Tabel 4.4 untuk frekuensi sampling 44.1 kHz, Tabel 4.5 untuk frekuensi

48kHz.


8kHz untuk Identifikasi S1 dan S2 Terhadap Nilai Energi Maksimum, Frekuensi, Waktu Terjadinya dan Interval Waktu

Frekuensi Sampling 8kHz Subjek 1

S1 S2 Interval Waktu Energi

Maksimum

(J)

Frekunsi

(Hz)

Waktu

Puncak

(s)

Energi

Maksimum

(J)

Frekuensi

(Hz)

Waktu

Puncak

(s)

S1 ke

S2 (s)

S2 ke

S1 (s)

S1 ke

S1 (s)

S2 ke

S2 (s)

142.7778 63.7401 0.1776 72.2445 83.8226 0.4804 0.3028 0.5436 0.8464 0.8466

62.4912 55.6278 1.0240 96.3984 78.4494 1.3270 0.303 0.5515 0.8545 0.8394

130.0539 61.1905 1.8785 94.9409 80.5139 2.1664 0.2879 0.5165 0.8044 0.8336

120.4816 63.0830 2.6829 89.8276 73.7235 3.0000 0.3171 0.5399 0.857 0.8432

125.3413 57.7269 3.5399 83.8939 83.8226 3.8432 0.3033 0.4313 0.7345 0.7266

155.4593 59.9907 4.2744 33.8252 122.3811 4.5698 0.2954

Rata – Rata

122.76752 60.2265 2.2629 78.5218 87.1189 2.5645 0.3015 0.5166 0.8194 0.8179

Subjek 2

S1 S2 Interval Waktu

Energi

Maksimum

(J)

Frekunsi

(Hz)

Waktu

Puncak

(s)

Energi

Maksimum

(J)

Frekuensi

(Hz)

Waktu

Puncak

(s)

S1 ke

S2 (s)

S2 ke

S1 (s)

S1 ke

S1 (s)

S2 ke

S2 (s)

6.6108 100.3123 0.4793 22.3601 73.3339 0.7679 0.2883 0.6249 0.9135 0.9196

58.4618 83.8226 1.3928 31.3325 130.1926 1.6875 0.2947 0.6391 0.9338 0.939

3.3051 65.0963 2.3266 30.8703 75.5439 2.6265 0.2999 0.616 0.9159 0.9205

31.0974 58.2676 3.2425 32.4362 73.7235 3.5470 0.3045 0.6089 0.9134 0.9701

5.3223 105.5009 4.1559 34.9036 139.0694 4.4541 0.2982

Rata – Rata

20.9594 82.5999 2.3194 30.3805 98.3726 2.6166 0.2971 0.6222 0.9191 0.9215

38

Subjek 3


Energi

Maksimum

(J)

Frekunsi

(Hz)

Waktu

Puncak

(s)

Energi

Maksimum

(J)

Frekunsi

(Hz)

Waktu

Puncak

(s)

S1 ke

S2 (s)

S2 ke

S1 (s)

S1 ke

S1 (s)

S2 ke

S2 (s)

34.0431 83.8226 0.3490 94.4733 73.3339 0.6158 0.2668 0.4765 0.7433 0.7485

30.4781 76.4882 1.0923 101.3978 75.5439 1.3643 0.272 0.5366 0.8086 0.8143

28.5532 65.0963 1.9009 89.6218 72.8459 2.1786 0.2777 0.5348 0.8125 0.8133

22.5467 58.2767 2.7134 55.8140 73.7235 2.9919 0.2785 0.6186 0.8971 0.8954

30.3268 63.0830 3.6105 89.5976 73.7235 3.8873 0.2768 0.5941 0.8709 0.8667

29.8217 71.9889 4.4814 97.7382 73.7235 4.7540 0.2726

Rata – Rata

29.2949 69.7926 2.3579 88.1071 73.8157 5.2639 0.2740 0.5517 0.8264 0.8276

Pada Tabel 4.3 frekuensi sampling 8kHz untuk subjek satu rata-rata nilai

energi maksimum pada S1 adalah 122.7675J, frekuensi 60.2265Hz sedangkan pada

S2 nilai energi maksimum 78.5218J, frekuensi 87.1189Hz. Interval rata-rata pada

S1 ke S2 sebesar 0.3015 detik, interval rata-rata S2 ke S1 sebesar 0.5166 detik,

interval rata-rata S1 ke S1 sebesar 0.8194 detik, dan interval rata-rata S2 ke S2

sebesar 0.8179 detik.

Untuk subjek dua rata-rata nilai energi maksimum pada S1 adalah 20.9549J,

frekuensi 82.5999Hz sedangkan pada S2 nilai energi maksimum 30.3805J,

frekuensi 98.3726Hz. Interval rata-rata pada S1 ke S2 sebesar 0.2971 detik, interval

rata-rata S2 ke S1 sebesar 0.6222 detik, interval rata-rata S1 ke S1 sebesar 0.9191

detik, dan interval rata-rata S2 ke S2 sebesar 0.9215 detik.

Untuk subjek tiga rata-rata nilai energi maksimum pada S1 adalah 29.2949J,

frekuensi 69.7926Hz sedangkan pada S2 nilai energi maksimum 88.1071J,

frekuensi 73.8157Hz. Interval rata-rata pada S1 ke S2 sebesar 0.2740 detik, interval

39

rata-rata S2 ke S1 sebesar 0.5517 detik, interval rata-rata S1 ke S1 sebesar 0.8264

detik, dan interval rata-rata S2 ke S2 sebesar 0.8276 detik.


44,1kHz untuk Identifikasi S1 dan S2 Terhadap Nilai Energi Maksimum, Frekuensi, Waktu Terjadinya dan Interval Waktu

Frekuensi Sampling 44,1kHz

Subjek 1


Energi

Maksimum

(J)

Frekunsi

(Hz)

Waktu

Puncak

(s)

Energi

Maksimum

(J)

Frekuensi

(Hz)

Waktu

Puncak

(s)

S1 ke

S2 (s)

S2 ke

S1 (s)

S1 ke

S1 (s)

S2 ke

S2 (s)

840.9007 65.8814 0.4301 201.3811 114.7322 0.6853 0.2552 0.4957 0.7509 0.7991

469.9253 75.6307 1.1810 559.0461 66.0103 1.4844 0.3034 0.4741 0.7775 0.6962

823.4280 65.8814 1.9585 168.2908 146.0229 2.1806 0.2221 0.5512 0.7733 0.808

784.9127 66.1398 2.7318 251.3117 68.9801 2.9886 0.2568 0.5262 0.783 0.7983

663.4330 65.8814 3.5148 360.9801 68.9801 3.7869 0.2721 0.6022 0.8743 0.8699

818.2325 65.8814 4.3891 110.3443 100.9919 4.6568 0.2677

Rata – Rata

733.4720 67.5493 2.3675 275.2256 94.2862 2.6304 0.2628 0.5298 0.7918 0.7943

Subjek 2


Energi

Maksimum

(J)

Frekunsi

(Hz)

Waktu

Puncak

(s)

Energi

Maksimum

(J)

Frekuensi

(Hz)

Waktu

Puncak

(s)

S1 ke

S2 (s)

S2 ke

S1 (s)

S1 ke

S1 (s)

S2 ke

S2 (s)

158.3382 87.6137 0.1706 553.9215 66.0103 0.4619 0.2913 0.4875 0.7788 0.7755

241.1530 70.8640 0.9494 540.9050 66.0103 1.2374 0.288 0.4591 0.7471 0.7639

21.7197 73.0114 1.6965 506.1985 66.0103 2.0013 0.3048 0.5404 0.8452 0.836

139.3295 87.8419 2.5417 352.1074 66.0103 2.8373 0.2956 0.5877 0.8833 0.9081

328.5989 91.1656 3.4250 488.2088 67.4626 3.7454 0.3204 0.6022 0.9226 0.8905

262.0190 70.1274 4.3476 298.1902 73.1698 4.6359 0.2883

Rata – Rata

191.8597 80.104 2.1884 456.5885 67.4456 2.4865 0.2980 0.5353 0.8354 0.7148

40

Subjek 3


Energi

Maksimum

(J)

Frekunsi

(Hz)

Waktu

Puncak

(s)

Energi

Maksimum

(J)

Frekunsi

(Hz)

Waktu

Puncak

(s)

S1 ke

S2 (s)

S2 ke

S1 (s)

S1 ke

S1 (s)

S2 ke

S2 (s)

577.8668 65.8814 0.9208 90.4426 92.6684 1.1296 0.2088 0.5857 0.7945 0.8233

443.5311 78.4448 1.7153 194.5534 99.7967 1.9529 0.2376 0.4337 0.6713 0.5217

406.5131 65.8814 2.3866 160.0104 92.9236 2.4746 0.088 0.8562 0.9442 1.1138

380.7279 66.0103 3.3308 119.3052 119.3053 3.5884 0.2576 0.6369 0.8945 0.9071

490.4930 66.0103 4.2253 531.8405 69.5490 4.4955 0.2702

Rata – Rata

459.8263 68.4456 2.5157 219.2304 94.8486 2.7282 0.2124 0.6281 0.8261 0.8414

Pada Tabel 4.4 frekuensi sampling 44.1kHz untuk subjek satu rata-rata nilai






Untuk subjek dua rata-rata nilai energi maksimum pada S1 adalah

191.8597J, frekuensi 80.104Hz sedangkan pada S2 nilai energi maksimum

456.5885J, frekuensi 67.4456Hz. Interval rata-rata pada S1 ke S2 sebesar 0.2980

detik, interval rata-rata S2 ke S1 sebesar 0.5353 detik, interval rata-rata S1 ke S1

sebesar 0.8354 detik, dan interval rata-rata S2 ke S2 sebesar 0.7148 detik.

Untuk subjek tiga rata-rata nilai energi maksimum pada S1 adalah



41




48kHz untuk Identifikasi S1 dan S2 Terhadap Nilai Energi Maksimum, Frekuensi, Waktu Terjadinya dan Interval Waktu

Frekuensi Sampling 48kHz

Subjek 1


Energi

Maksimum

(J)

Frekunsi

(Hz)

Waktu

Puncak

(s)

Energi

Maksimum

(J)

Frekuensi

(Hz)

Waktu

Puncak

(s)

S1 ke

S2 (s)

S2 ke

S1 (s)

S1 ke

S1 (s)

S2 ke

S2 (s)

917.2005 55.0440 0.2075 660.5744 77.6201 0.5081 0.3006 0.5477 0.8483 0.8485

840.9539 57.7269 1.0558 459.9242 78.9555 1.3566 0.3008 0.5551 0.8559 0.8537

623.4158 57.4559 1.9117 656.5867 73.4286 2.2103 0.2986 0.5184 0.817 0.8356

837.3384 56.3968 2.7287 633.1652 79.2966 3.0459 0.3172 0.4191 0.736 0.7196

919.8080 57.0098 3.4650 592.4834 77.1309 3.7655 0.3005 0.5278 0.8283 0.827

771.4756 61.0887 4.2933 461.0447 79.4682 4.5925 0.2992

Rata – Rata

818.3653 57.4536 2.277 577.2964 77.6499 2.5798 0.2025 0.5136 0.8171 0.8186

Subjek 2


Energi

Maksimum

(J)

Frekunsi

(Hz)

Waktu

Puncak

(s)

Energi

Maksimum

(J)

Frekuensi

(Hz)

Waktu

Puncak

(s)

S1 ke

S2 (s)

S2 ke

S1 (s)

S1 ke

S1 (s)

S2 ke

S2 (s)

743.9088 52.6748 0.2812 678.6548 77.6201 0.5847 0.3035 0.5596 0.8631 0.8624

718.8612 56.3968 1.1443 637.3719 76.0131 1.4471 0.3028 0.5642 0.867 0.8519

788.1918 60.5847 2.0113 742.1287 74.6226 2.2990 0.2877 0.5043 0.792 0.8091

884.0093 58.0005 2.8033 708.8863 77.6201 3.1081 0.3048 0.5277 0.8325 0.8325

914.4134 57.0098 3.6358 636.3068 78.6174 3.9406 0.3048 0.547 0.8518 0.8346

696.7718 58.7429 4.4876 769.0979 73.2821 4.7752 0.2876

Rata – Rata

791.0260 57.9015 2.3939 695.4077 76.2959 2.6924 0.2985 0.5405 0.8412 0.8381

42

Subjek 3


Energi

Maksimum

(J)

Frekunsi

(Hz)

Waktu

Puncak

(s)

Energi

Maksimum

(J)

Frekunsi

(Hz)

Waktu

Puncak

(s)

S1 ke

S2 (s)

S2 ke

S1 (s)

S1 ke

S1 (s)

S2 ke

S2 (s)

290.0325 71.8480 0.2433 661.5487 73.2821 0.5270 0.2837 0.4869 0.7706 0.7704

275.4607 70.7405 1.0139 592.0208 73.7235 1.2974 0.2835 0.5398 0.8233 0.8287

220.5237 66.0329 1.8372 489.9370 71.4286 2.1261 0.2889 0.5906 0.8795 0.8792

133.7797 63.9622 2.7167 480.7839 73.4286 3.0053 0.2886 0.6176 0.9062 0.9025

189.4999 66.6322 3.6229 568.3068 71.8480 3.9078 0.2849 0.5218 0.8067 0.8003

189.2345 67.7386 4.4296 622.5948 73.4286 4.7081 0.2785

Rata – Rata

216.4218 67.8257 2.3106 596.1986 72.8565 2.5952 0.2846 0.5513 0.8372 0.8362

Pada Tabel 4.5 frekuensi sampling 48kHz untuk subjek satu rata-rata nilai






Untuk subjek dua rata-rata nilai energi maksimum pada S1 adalah





Untuk subjek tiga rata-rata nilai energi maksimum pada S1 adalah



43



4.8 Evaluasi dari Keseluruhan Continuous Wavelet Transform

Dari pengujian Continuous Wavelet Transform untuk energi maksimum dan

frekuensi dapat dilihat pada Tabel 4.6 dan interval waktu antara antara S1 ke S2,

S1 ke S1, S2 ke S2 serta S2 ke S1 pada ketiga subjek dengan frekuensi sampling

8kHz, 44.1kHz dan 48kHz dapat dilihat pada Tabel 4.7.

Tabel 4.6 Evaluasi dari Keseluruhan Pengujian terhadap Energi Maksimum dan Frekuensi Continuous Wavelet Transform untuk Sinyal Jantung Normal

Frekuensi Sampling

Subjek

S1 S2 Energi

Maksimum(J)

Frekuensi (Hz)

Energi Maksimum

(J)

Frekuensi (Hz)

8kHz

1 122.7675 60.2265 78.5218 87.1189 2 20.9594 82.5999 30.3805 98.3726 3 29.2949 69.7926 88.1071 78.815

Rata – rata 57.6739 70.873 65.6698 83.1021

44.1kHz 1 733.4720 67.5493 275.2256 94.2862 2 191.8597 80.104 456.5885 67.4456 3 459.8236 68.4456 219.2304 94.8486

Rata – rata 461.7184 72.0329 317.0148 85.5268

48kHz 1 818.3653 57.4536 577.2964 77.6499 2 791.0260 57.9015 695.4077 76.2959 3 216.4218 67.8257 596.1986 72.8565

Rata – rata 608.6043 61.0602 622.9675 74.9341

Pada Tabel 4.6 merupakan hasil evaluasi energi maksimum dan frekuensi

pada frekuensi 8kHz rata – rata energi maksimum S1 untuk semua subjek adalah

57.6739J dan rata – frekuensi pada S1 adalah 70.873Hz. Sedangkan energi

44

maksimum pada S2 adalah 65.6698J, dan rata – rata frekuensi pada S2 adalah

83.1021Hz. Pada frekuensi sampling 44,1kHz rata – rata energi maksimum S1

untuk semua subjek 461.7184J dan rata – rata frekuensi S1 adalah 72.0329Hz.

Sedangkan energi maksimum pada S2 adalah 317.0148J dan rata – rata frekuensi

S2 adalah 85.5268Hz. Pada frekuensi sampling 48kHz rata – rata energi maksimum

S1 untuk semua subjek 608.6043J dan rata – rata frekuensi S1 adalah 61.0602Hz.

Sedangkan energi maksimum pada S2 adalah 622.9675J dan rata – rata frekuensi

S2 adalah 74.9341Hz.

Tabel 4.7 Evaluasi dari Keseluruhan Pengujian terhadapa Interval Waktu Continuous Wavelet Transform Sinyal Jantung Normal

Frekuensi

Subjek

Interval waktu

Sampling S1 ke S2

(s) S2 ke S1

(s) S1 ke S1

(s) S2 ke S2

(s)

8kHz

1 0.3015 0.5166 0.8194 0.8179

2 0.2971 0.6222 0.9191 0.9215

3 0.2740 0.5517 0.8264 0.8276

Rata-Rata 0.2908 0.5635 0.8549 0.8526

44.1kHz

1 0.2628 0.5298 0.7918 0.7943

2 0.2980 0.5353 0.8354 0.7148

3 0.2124 0.6281 0.8261 0.8414

Rata-Rata 0.2577 0.5644 0.8177 0.7834

48kHz

1 0.2025 0.5136 0.8171 0.8186

2 0.2985 0.5405 0.8412 0.8381

3 0.2846 0.5513 0.8372 0.8362

Rata-Rata 0.2616 0.5351 0.8318 0.8309

45

Pada tabel 4.7 merupakan hasil evaluasi dari interval rata – rata. Pada

frekuensi sampling 8kHz untuk semua subjek interval rata – rata S1 ke S2 sebesar

0.2908 detik, interval rata – rata S2 ke S1 sebesar 0.5635 detik, interval rata – rata

S1 ke S1 sebesar 0.8549 detik dan interval rata – rata S2 ke S2 sebesar 0.8526. Pada

frekuensi sampling 44,1kHz untuk semua subjek interval rata – rata S1 ke S2

sebesar 0.2577 detik, interval rata – rata S2 ke S2 0.5644, interval rata – rata S1 ke

S1 sebesar 0.8177 detik dan S2 ke S2 sebesar 0.7834 detik. Pada frekuensi sampling

48kHz untuk semua subjek interval rata – rata S1 ke S2 sebesar 0.2616 detik,

interval rata – rata S2 ke S1 0.5351, interval rata – rata S1 ke S1 sebesar 0.8318

detik dan S2 ke S2 sebesar 0.8309 detik.

Hasil pengujian interval rata – rata S1 ke S1 dan S2 ke S2 pada ketiga

frekuensi sampling memiliki rata – rata waktu 0.8 detik, hal ini menunjukkan bahwa

semua subjek dalam kodisi jantung normal.

46

BAB V

PENUTUP

5.1 Kesimpulan

Berdasarkan seluruh hasil pengujian Continuous Wavelet Transform dari

tiga variasi frekuensi sampling serta Mother Wavelet Biorthogonal orde 6.8 maka

diambil kesimpulan sebagai berikut :

1. Hasil pengujian dari keseluruhan energi dan frekuensi untuk sinyal suara

jantung normal pada frekuensi sampling 8kHz didapatkan rata – rata energi

maksimum S1 sebesar 57.6739J dan rata – frekuensi S1 sebesar 70.873Hz.

Sedangkan rata – rata energi maksimum pada S2 sebesar 65.6698J dan rata –

rata frekuensi S2 sebesar 83.1021Hz. Pada frekuensi sampling 44,1kHz

didapatkan rata – rata energi maksimum S1 sebesar 461.7184J dan rata –

frekuensi S1 sebesar 72.0329Hz. Sedangkan rata – rata energi maksimum pada

S2 sebesar 317.0148J dan rata – rata frekuensi S2 sebesar 85.5268Hz. Pada

frekuensi sampling 48kHz didapatkan rata – rata energi maksimum S1 sebesar

608.6043J dan rata – frekuensi S1 sebesar 61.0602Hz. Sedangkan rata – rata

energi maksimum pada S2 sebesar 622.9657J dan rata – rata frekuensi S2

sebesar 73.9341Hz. Dari ketiga variasi frekuensi sampling yang digunakan

pada penelitian in, hanya frekuensi sampling 8kHz yang mewakili rentang

frekuensi S1 dan S2

2. Hasil pengujian dari keseluruhan interval rata – rata pada frekuensi sampling

8kHz untuk semua subjek interval rata – rata S1 ke S2 sebesar 0.2908s, interval

rata – rata S2 ke S1 sebesar 0.5635s, interval rata – rata S1 ke S1 sebesar

47

0.8549s dan interval rata – rata S2 ke S2 sebesar 0.8526s. Pada frekuensi

sampling 44,1kHz untuk semua subjek interval rata – rata S1 ke S2 sebesar

0.2577s, interval rata – rata S2 ke S1 sebesar 0.5644s, interval rata – rata S1 ke

S1 sebesar 0.8177s dan interval rata – rata S2 ke S2 sebesar 0.7843s. Pada

frekuensi sampling 48kHz untuk semua subjek interval rata – rata S1 ke S2

sebesar 0.2616s, interval rata – rata S2 ke S1 sebesar 0.5351s, interval rata –

rata S1 ke S1 sebesar 0.8318s dan interval rata – rata S2 ke S2 sebesar 0.8309s.

3. Hasil pengujian interval rata – rata S1 ke S1 dan S2 ke S2 pada ketiga frekuensi

sampling memilki rata – rata waktu 0.8 detik, hal ini menunjukkan bahwa

semua subjek dalam kondisi jantung normal.

48

DAFTAR PUSTAKA

Debbal, S. M., 2014, Model of Differentiation between Normal and Abnormal

Heart Sounds in Using the Discrete Wavelet Transform, Journal of

Medical and Bioengineering, Vol. 3, No. 1, Maret-2014, Faculty of science

engineering, university Aboubekr Belkaid Tlemcen, Algeria.

Kumar, A. (2015). Interpretation of Heart Sounds Signal Through Automated

Artifact-Free Segmentation. Heart Research Open Jurnal, Vol. 2, Issue 1:

Departement of Electronics and Electrical Communication Engineering,

India Institute of Technology, Kharagpur, India.

Maisyaroh, S., 2012, Rancang Bangun Instrumentasi Elektrokardiografi Berbasis

Pc Menggunakan Sound Card, Skripsi, Fakultas MIPA, Jurusan S1 Fisika,

Universitas Negri Medan, Medan.

Napitupulu, H., 2012, Analisa Perbandingan Kinerja Teknik Kompresi Citra

Menggunakan Metode Jpeg Dan Wavelet Multi Variable, Skripsi, Fakultas

Teknik, Departement Teknik Elektro, Depok.

Nurlaili, I. (2011). Pendeteksi Suara Jantung S1 dan S2 Menggunakan High

Frequency Signatures. Bandung: IT Telkom.

Rizal, A., Vera, S., 2007, Aplikasi Pengolahan Sinyal Digital pada Analisis dan.

Pengenalan Suara Jantung dan Paru Untuk Diagnosis Penyakit Jantung

dan Paru Secara Otomatis, SSTT Telkom, Bandung.

49

Saptaji, Jun, J Haryanto, & A Rizal. (Juli 2006). Deteksi Kelainan Jantung Melalui

Phonocardiogram (PCG) Menggunakan Metode Jaringan Syaraf Tiruan

Adaptive Resonance Theory2. Proceeding Tekno Insentif 2006. Kopwil

IV, Bandung.

Setiaji, D., 2011, Rekayasa Stetoskop Elektronik Dengan Kemampuan Analisis

Bunyi Jantung, Seminar Nasional Teknologi Informasi & Komunikasi

Terapan. ISBN 979-26-0255-0, Prodi Teknik Elektro, UKSW, Salatiga.

Taylor,T., 2010, Human Heart,

www.innerbody.com:http://www.innerbody.com/image/card01.html#full

-description, Akses tanggal 18 November 2016.

Ekinasti, Anggi Citra (2016). Analisis dan Ekstraksi Ciri Sinyal Suara Jantung

Menggunakan Dekomposisi Wavelet Diskrit. JCONES Vol. 5, No. 1, Prodi

Sistem Komputer, Institut Bisnis dan Informatika Stikom Surabaya,

Surabaya.

Madona P, Arifin A, Sardjono T, Hendradi R. (Oktober, 2012). Analisa Suara

Jantung Berbasis Complex Continuous Wavelet Transform. Institut

Teknologi Sepuluh Nopember, Surabaya.

Madona P, Arifin A, Sardjono T, Hendradi R. (Mei, 2012). Segmentasi Suara

Jantung S1 dan S2 Menggunakan Kurva Amplop. Institut Teknologi

Sepuluh Nopember, Surabaya.

Documents

EKSTRAKSI CIRI DAN IDENTIFIKASI SINYAL SUARA JANTUNG … · BAB II LANDASAN TEORI ... Jantung Berbasis Complex Continuous Wavelet Transform ” menyimpulkan bahwa CWT mampu mengekstrak