BAB III METODE PENELITIAN A. Metode Penelitian Metode

BAB III
METODE PENELITIAN
A. Metode Penelitian
Metode pengumpulan data dilakukan dengan observasi, yaitu dengan
mengunjungi secara langsung objek penelitian. Objek penelitian merupakan pasien
di RS PKU Muhammadiyah Yogyakarta serta rekan-rekan dari peneliti. Sedangkan
data yang akan digunakan dalam proses analisis adalah rekaman suara detak jantung
dari objek penelitian tersebut.
B. Jenis dan Sumber Data Penelitian
Jenis data yang digunakan untuk penelitian ini adalah data primer yang
merupakan data detak jantung pasien penyakit jantung yang direkam dari tanggal
24 Februari 2017 sampai dengan 18 April 2017 di Rumah Sakit Umum PKU
Muhammadiyah Yogyakarta dan data detak jantung orang sehat/normal.
Perekaman detak jantung dilakukan terhadap sejumlah relawan pasien penyakit
jantung di RS PKU Muhammadiyah Yogyakarta (25 orang) dan relawan dengan
jantung normal (25 orang) yang merupakan rekan-rekan dari peneliti. Pengambilan
data dilakukan bersamaan dengan penelitian Satria, D. (2017) berdasarkan surat ijin
di bagian Lampiran.
C. Teknik Pengambilan Data
Teknik pengambilan data dilakukan langsung di RS PKU Muhammadiyah.
Stetoskop elektrik ditempelkan di titik yang memiliki kepekaan terhadap detakan
jantung. Masing-masing detakan menghasilkan isyarat. Isyarat tersebut kemudian
41
direkam dengan alat rekam PCG yang dihubungkan dengan laptop menggunakan
program aplikasi Sound Forge 10 dan disimpan dalam bentuk file wav. Data
rekaman tersebut selanjutnya akan dianalisis dengan metode Radial Basis Function
Neural Network (RBFNN) untuk mendapatkan hasil diagnosis terbaik.
D. Teknik Analisis Data
Pada penelitian ini analisis yang digunakan adala Radial Basis Function Neural
Network (RBFNN) yaitu jenis dari Neural Network yang memiliki fungsi radial
basis. Penelitian diawali dengan perekaman suara jantung dari objek penelitian.
Data penelitian yang berupa isyarat sinyal PCG kemudian diekstraksi cirinya
menggunakan discrete wavelet transform mother haar untuk mengurai menjadi
beberapa fitur yang akan dijadikan sebagai input. Selanjutnya dilakukan proses
analisis dengan Radial Basis Function Neural Network untuk mencari pola atau ciri
dari jenis-jenis penyakit jantung dengan bantuan program MATLAB R2013a.
Kemudian berdasarkan data tersebut dapat diambil keputusan jenis penyakit
jantung yang bersesuain ciri-cirinya. Selanjutnya, dilakukan pengukuran terhadap
tingkat keakuratan metode Radial Basis Function Neural Network dalam
mendiagnosiskan penyakit jantung. Pengukuran tersebut dilakukan dengan
mencocokan output dari model dengan diagnosis sebelumnya dari berkas rekam
medis rumah sakit.
42
Adapun diagram untuk proses diagnosis penyakit jantung dengan metode
Radial Basis Function Neural Network (RBFNN) adalah sebagai berikut:
Gambar 16. Diagram proses diagnosis
E. Perencanaan Layar Aplikasi
Perancangan layar aplikasi bertujuan agar memudahkan pengguna dalam
pengoperasian. Perancangan dilakukan setelah didapatkan model terbaik Radial
Basis Function Neural Network (RBFNN). Proses ini dapat diselesaikan dengan
bantuan software MATLAB R2013a. Rancangan awal Graphical User Interface
(GUI) untuk diagnosis penyakit jantung ditunjukan oleh Gambar 17.
43
1. Cek Kondisi Jantung Anda
2. Pilih Detak Jantung Anda
3. Menampilkan Nama File
5. Ekstraksi Input Energy
4. Gambar Grafik Sinyal Detak Jantung
6. Ekstraksi Input Maximum
7. Ekstraksi Input Minimum
8. Ekstraksi Input Std. Dev.
11. Keluar
9. Diagnosis
10. Hasil Diagnosis
Gambar 17. Rancangan layar awal GUI
Berikut adalah penjelasan urutan langkah-langkah dalam perintah pembuatan
GUI untuk diagnosis penyakit jantung:
1. Menuliskan judul aplikasi di bagian atas layar GUI.
2. Tombol untuk memilih file rekaman detak jantung dengan format .wav.
3. Menampilkan nama file yang telah dipilih sebelumnya.
4. Menampilkan grafik isyarat sinyal detak jantung.
5. Menampilkan hasil ekstraksi variabel input energy.
6. Menampilkan hasil ekstraksi variabel input maksimum.
7. Menampilkan hasil ekstraksi variabel input minimum.
8. Menampilkan hasil ekstraksi variabel input standar deviasi.
9. Tombol untuk memulai proses diagnosis.
10. Menampilkan hasil diagnosis.
11. Tombol keluar dari layar GUI.
44