Tugas Akhir - 2012 SISTEM DIAGNOSTIK MURMUR MENGGUNAKAN CONTINUOUS WAVELET TRANSFORM (CWT) DAN ADAPTIVE RESONANCE THEORY 2 (ART-2) Muhammad Rifqi Rosyid¹, Deni Saepudin², Achmad Rizal³ ¹Teknik Informatika, Fakultas Teknik Informatika, Universitas Telkom Abstrak Auskultasi jantung yang merupakan interpretasi dari suara jantung digunakan sebagai alat mendasar dalam diagnosis kelainan jantung. Teknik ini pada umumnya sering digunakan dalam pemeriksaan dan diagnosis kesehatan utama. Kekurangan teknik ini adalah subjektivitas terhadap hasil diagnosis. Efisiensi diagnosis ini dapat ditingkatkan dengan menggunakan pengolahan sinyal digital modern. Sebuah sistem dibangun dengan pendekatan continuous wavelet transform dan adaptive resonance theory-2. Continuous wavelet transform dilakukan untuk mengekstraksi ciri yang terkandung dalam suara jantung sebagai masukan terhadap adaptive resonance theory-2 untuk mendeteksi kelainan jantung. Pendekatan ini menghasilkan deteksi sinyal phonocardiogram ke dalam empat kategori, yaitu suara jantung normal, suara jantung murmur sistolik, suara jantung murmur diastolik, dan suara jantung mumur kontinu. Kata Kunci : adaptive resonance theory-2, auskultasi, continuous wavelet transform, klasifikasi sinyal phonocardiogram, suara jantung, Abstract Heart auscultation which is the interpretation of heart sounds is used as fundamental tools to diagnose heart abnormalities. This technique is the most commonly used to screen and diagnose health care. This technique has a weakness on diagnosis result subjectivity. The efficiency of this diagnosis can be increased by using modern digital signal processing. A system is developed with continuous wavelet transform and adaptive resonance theory-2 approach. Continuous wavelet transform is used to extract heart sounds feature as an input for adaptive resonance theory-2 to detect heart abnormalities. This approach detects phonocardiogram signals into four categories: normal heart sounds, heart sounds with systolic murmur, heart sounds with diastolic murmur, and heart sounds with continuous murmur. Keywords : adaptive resonance theory-2, auscultation, continuous wavelet transform, classification of phonocardiogram signals, heart sounds Fakultas Teknik Informatika Powered by TCPDF (www.tcpdf.org) Program Studi S1 Teknik Informatika Tugas Akhir - 2012 1. PENDAHULUAN 1.1 LATAR BELAKANG Penyakit jantung merupakan penyakit yang mematikan. Data WHO (2008) menyebutkan 17,8 juta orang meninggal akibat penyakit serangan jantung. Salah satu penyebab dari serangan jantung adalah adanya kelainan yang terdapat di jantung. Kelainan jantung 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 frekeuensi. Murmur merupakan salah satu kelainan fisiologis pada jantung. Murmur adalah suara (bunyi) yang dapat didengar dengan stethoscope, yang dihasilkan ketika aliran darah didalam jantung tidak lancar dan menyebabkan turbulensi[1]. Identifikasi jenis murmur diperlukan untuk mengetahui kelainan pada bagian tertentu pada jantung. Sampai saat ini, dokter masih menggunakan teknik auskultasi, yaitu mendengarkan suara jantung dengan menggunakan bantuan stetoskop. Teknik seperti ini membutuhkan kepekaan tinggi serta pengalaman untuk mendapatkan murmur yang menentukan ada tidaknya kelainan jantung yang dialami pasien. Kesalahan mendiagnosa suara jantung menyebabkan kesalahan dalam menangani pertolongan bagi pasien. Pengolahan sinyal digital menawarkan solusi untuk analisa rekaman suara jantung (phonocardiogram). Data mentah suara jantung menghadirkan informasi waktu saja. Hal ini menyulitkan untuk mengetahui informasi lainnya seperti informasi frekuensi. Informasi yang terkandung di dalam phonocardiogram (PCG) dapat digali untuk menentukan ciri dari suara yang terkandung, khususnya pada analisis komponen frekuensi yang terkandung. Salah satu metode untuk pengolahan sinyal digital adalah continuous wavelet transform (CWT). Transformai ini dikenakan pada suatu sinyal sehingga diperoleh informasi frekuensi-waktu secara bersamaan yang memberikan representasi waktu-frekuensi suatu sinyal. CWT menawarkan representasi frekuensi-waktu dalam bentuk skala-translasi dalam melakukan transformasi. CWT cocok untuk analisis yang membutuhkan representasi frekuensi-waktu secara bersamaan. Pengenalan pola dari PCG dapat dilakukan dengan menggunakan jaringan syaraf tiruan. Pada umumnya JST melupakan pola yang telah dipelajari sebelumnya begitu pola masukan baru dipelajari. Pola masukan akan dilatih kembali untuk mengenali pola masukan yang baru dan ditambahkan dengan polapola yang telah dipelajari sebelumnya.. Hal ini akan mengurangi pengertian JST dalam merepresentasikan kerja syaraf manusia. Kemampuan sistem untuk mengenali pola masukan yang baru tanpa melupakan pola masukan yang telah dipelajari sebelumnya sangat dibutuhkan. Adaptive Resonance Theory 2 (ART-2) menawarkan solusi atas permasalahan di atas. ART-2 akan beradaptasi terhadap 1 Fakultas Teknik Informatika Program Studi S1 Teknik Informatika Tugas Akhir - 2012 pola masukan baru tanpa melupakan pola masukan yang dipelajari sebelumnya dengan mekanisme pembentukan cluster baru untuk pola masukan yang baru pertama kali dipelajari. Pada tugas akhir ini, dibangun sebuah sistem untuk mengatasi permasalahan permasalahan di atas dengan menggunakan CWT dan ART-2 sehingga mempermudah dokter dalam mendiagnosa kelainan jantung. Rekaman suara jantung menjadi masukan untuk sistem ini. Output sistem ini dapat menjadi salah satu rujukan dokter dalam menentukan diagnosa. 1.2 PERUMUSAN MASALAH Perumusan masalah pada tugas akhir ini adalah 1. Bagaimana mendapatkan ciri PCG dengan CWT? 2. Bagaimana mengklasifikasikan suara jantung menjadi empat macam, yaitu normal, murmur sitolik, murmur diastolik, dan murmur kontinu dengan ART2? 3. Bagaimana analisis performansi ketepatan deteksi murmur dan klasifikasi suara jantung? 1.3 BATASAN MASALAH Batasan masalah dalam Tugas Akhir ini adalah 1. Masukan bagi perangkat lunak yang dirancang adalah sinyal suara jantung yang telah direkam dengan format *.wav, frekuensi sampling 8000 Hz dan kuantisasi 16 bit serta mencakup minimal dua siklus suara jantung. 2. Tidak dibahas mengenai cara perekaman suara jantung 3. Keluaran pola suara jantung mencakup normal, murmur diastolik, murmur sistolik, dan murmur kontinu. 4. Sistem ini tidak menganalisis suara jantung secara real-time (offline). 1.4 TUJUAN Tujuan dari Tugas Akhir ini adalah 1. Mengimplementasikan CWT dan ART-2 ke dalam diagnosa murmur. 2. Menunjukkan bahwa diagnosa murmur menggunakan CWT dan ART-2 mampu untuk mendeteksi kelainan pada jantung. 3. Membantu pembelajaran diagnosa murmur pada jantung. 1.5 HIPOTESA Penggunaan CWT dan ART-2 ke dalam diagnosa murmur dapat mengenali 4 jenis pola, yaitu normal, murmur diastolik, murmur sistolik, dan murmur kontinu dengan tingkat akurasi lebih dari 85%. 2 Fakultas Teknik Informatika Program Studi S1 Teknik Informatika Tugas Akhir - 2012 1.6 METODOLOGI PENYELESAIAN MASALAH Metode Penyelesaian masalah dalam Tugas Akhir ini adalah: 1. Studi Literatur, yakni dengan mempelajari berbagai referensi dan literatur yang relevan dengan materi CWT dan ART-2, serta melakukan konsultasi kepada para pakarnya. 2. Pengumpulan Data, yaitu mengumpulkan data dari pakar jantung, serta melakukan wawancara dengan pakar jantung. 3. Perancangan Sistem, yaitu dengan menggunakann konsep desain dan perancangan sistem. 4. Implementasi Program, yaitu dengan melakukan coding menggunakan tools MATLAB R2010b untuk membangun sistem sesuai dengan rancangan pada tahap sebelumya. 5. Pengujian dan Analisis, yaitu dengan melakukan pengujian terhadap sistem yang telah dibangun dengan data testing. Selanjutnya, hasil pengujian akan dianalisis sesuai dengan parameter-parameter pengujian yang telah ditetapkan sebelumnya. 6. Penyusunan Laporan, yakni dengan mendokumentasikan dan melaporkan hasil pengerjaan Tugas Akhir sesuai dengan kaidah dan sistematika penulisan yang telah ditetapkan oleh pihak konstitusi. 3 Fakultas Teknik Informatika Powered by TCPDF (www.tcpdf.org) Program Studi S1 Teknik Informatika Tugas Akhir - 2012 5. KESIMPULAN DAN SARAN 5.1 KESIMPULAN Metode CWT yang digunakan untuk mengambil ciri berupa koefisien CWT untuk ekstraksi ciri sinyal suara jantung cukup baik. Kelebihan metode ini adalah semua koefisien yang dianalisis dapat ditampilkan. Jenis CWT yang digunakan dalam tugas akhir ini yang memiliki hasil yang relatif baik adalah dengan menggunakan Morlet. Morlet mampu untuk melakukan transformasi sinyal suara jantung dengan lebih detil walaupun dengan komputasi yang relatif lebih lama. Dengan melakukan uji coba pada parameter rho pada JST ART-2 didapatkan akurasi sistem yang mencapai 87.5% dengan detil akurasi setiap jenis suara yang diklasifikasikan berupa suara jantung normal 80%, suara jantung dengan murmur sistolik 66.67%, suara jantung dengan murmur diastolik 100%, dan suara jantung dengan murmur kontinu 100% yang berada pada parameter JST ART-2 untuk rho = 0.999, alpha = 0.1, tetha = 0.1, iterasi = 4. Tingkat akurasi suara jantung dengan murmur sistolik lebih rendah dibandingkan dengan jenis lainnya kemungkinan dikarenakan adanya puncak amplitudo yang terpotong sebagai akibat amplitudo yang melebihi batas tegangan masukan yang diperkenankan. 5.2 SARAN 1. Ekstraksi ciri dilakukan dengan metode yang lain seperti metode peak detection namun tetap menggunakan CWT. 2. Penggunaan metode jaringan syaraf tiruan yang supervised seperti JST backpropagation, dll. 3. Pendeteksian mendalam fokus pada satu jenis murmur, seperti deteksi kelainan mitral regurgitation. 34 Fakultas Teknik Informatika Powered by TCPDF (www.tcpdf.org) Program Studi S1 Teknik Informatika Tugas Akhir - 2012 DAFTAR PUSTAKA [1] [2] [3] [4] [5] [6] [7] [8] [9] [10] [11] [12] [13] [14] [15] [16] Total Kesehatan Anda [dot] com. “Bunyi Desiran Jantung Yang Abnormal (Heart Murmur).” Style Sheet. http://www.totalkesehatananda.com/heartmurmur2.html (21 Okt. 2010) __________. “Heart and Stroke Facts”. 1992. American Heart Association. Antonisfia, Yul., dan Romi Wiryadinata. 2008. “Ekstraksi Ciri Pada Isyarat Suara Jantung Menggunakan Power Spectral Density Berbasis Metode Welch”, Media Informatika, Vol. 6, No. 1, hlm. 71-84, 2008. Lilly, Leonard S. 2011. “Pathophysiology of Heart Desease: A Collaborative Project of Medical Students and Faculty. Ed. ke-5”. Philadelhia: Lippincott Williams & Wilkins. Cromwell, Leslie, et al. 1980. “Biomedical Instrumentation and Measurements”. New Jersey: Prentice Hall. Polikar, Robi, 2001. “The Engineer’s Ultimate Guide to Wavelet Analysis: The Wavelet Tutorial”. Style Sheet. http://users.rowan.edu/~polikar/WAVELETS/WTtutorial.html (30 Des. 2011) Mathworks [dot] com. “Continuous Wavelet Transform:: Wavelets: A New Tool for Signal Analysis (Wavelet Toolbox TM ). ”http://www.mathworks.com/help/toolbox/wavelet/gs/f31000759.html (30 Des. 2011) Suyanto, ST., MSc., 2008. “Soft Computing: Membangun Mesin Ber-IQ Tinggi”. Bandung: Penerbit Informatika Bandung. Bintang, Samiaji. 2002. “Analisa Peramalan Menggunakan Jaringan Syaraf Tiruan Adaptive Resonance Theory: Studi Kasus Pelanggan Telepon Seluler di Indonesia”. Tugas Akhir. Bandung: STT Telkom. Suyanto, ST., MSc., 2007. “Artificial Intelligence: Searching, Reasoning, and Learning”. Bandung: Penerbit Informatika Bandung. Fausett, Laurene, 1994. “Fundamental of Neural Networks: Architectures, Algorithms, and Applications”. New Jersey: Prentice Hall. Tovar-Corona, B., dan J.N. Torry. “Time-frequency Representation of Systolic Murmurs Using Wavelets”, IEEE Computers in Cardiology, hlm. 601-604, 1998. Zin, Z.M., et al. “Analysis of Heart Sounds Based on Continuous Wavelet Transform”, IEEE Computers on Research and Development, hlm. 19-22, 2003. Mgdob, H.M., et al. “Application of Morlet Transform wavelet in The Detection of Paradoxical Splitting of the Second Heart Sound”, IEEE Computers in Cardiology, hlm. 323-326, 2003. Dundee [dot] ac [dot] uk. “Heart Sounds and Murmurs.” Style Sheet. http://www.dundee.ac.uk/medther/Cardiology/hsmur.html (30 Des. 2011) Engmath [dot] dal [dot] ca. “3. Time Scale Analysis”. Style Sheet. http://www.engmath.dal.ca/courses/engm6610/notes/node4.html (30 Des. 2011) 35 Fakultas Teknik Informatika Program Studi S1 Teknik Informatika Tugas Akhir - 2012 [17] [18] [19] [20] Depts [dot] Washington [dot] edu. “Demonstrations: Heart Sounds & Murmurs”. Style Sheet. http://depts.washington.edu/physdx/audio/ (30 Des. 2011) Filer [dot] case [dot] edu. “The Cardiac Exam: Auscultation.” Style Sheet. http://filer.case.edu/dck3/heart/listen.html (30 Des. 2011) Firststephealth [dot] com. “Heart Sounds”. Style Sheet. http://www.firststephealth.com/heartsounds.cfm (30 Des. 2011) Egeneralmedical [dot] com. “Cardiac Auscultation of Heart Murmurs / CD User License Download Only”. Style Sheet. http://www.egeneralmedical.com/listohearmur.html (30 Des. 2011) 36 Fakultas Teknik Informatika Powered by TCPDF (www.tcpdf.org) Program Studi S1 Teknik Informatika