sistem diagnostik murmur menggunakan continuous wavelet

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