reduksi suara jantung dari rekaman paru

Tugas Akhir - 2007
REDUKSI SUARA JANTUNG DARI REKAMAN PARU-PARU MENGGUNAKAN
ALGORITMA WAVELET PACKET DECOMPOSITION (HEART SOUNDS
REDUCTION FROM LUNG SOUNDS RECORDINGS USING WAVELET PACKET
DECOMPOSITION ALGORITHM)
Freddi Edward Posma P¹, Achmad Rizal², Iwan Iwut Tirtoasmoro³
¹Teknik Telekomunikasi, Fakultas Teknik Elektro, Universitas Telkom
Abstrak
Suara paru-paru adalah suara yang dihasilkan oleh aliran udara yang keluar masuk paru-paru
karena aktivitas pernafasan. Semakin meningkat intensitas pernafasan maka akan
mengakibatkan meningkatnya aliran udara yang keluar masuk paru-paru. Suara paru-paru ini
biasanya digunakan untuk mendiagnosis kondisi psikologis dan kesehatan manusia terutama
sejak ditemukannya stetoskop. Pemeriksaan suara paru-paru ini biasanya dilakukan di dada
pasien. Karena dalam domain waktu dan frekuensi ada kombinasi antara sinyal pernafasan aliran
udara paru-paru dengan suara jantung dan otot di dalam sinyal suara yang diperoleh ketika
memeriksa dengan stetoskop pada permukaan dada. Hal ini dapat mengakibatkan kesulitan
untuk menentukan suaru paru-paru secara spesifik sebagai parameter yang mendasari dalam
mendiagnosis kondisi kesehatan pasien. Dalam tugas akhir ini diteliti kemampuan proses
algoritma wavelet packet decomposition dalam mereduksi suara jantung dari rekaman paru-paru,
sehingga mempermudah bagi seorang medis dalam mendiagnosis kondisi kesehatan pasien.
Penelitian ini direalisasikan menggunakan perangkat lunak MATLAB 7.0 dengan kriteria hasil uji
kinerja diukur dalam bentuk pernyataan nilai PSD (Power Spektral Density) dan Mean Difference
Error hasil dari pemfilteran. Hasil analisis kuantitatif menunjukkan bahwa proses pemfilteran
dengan menggunakan algoritma wavelet packet decomposition nilai PSD (Power Spektral
Density) antara suara paru-paru hasil filter dan suara paru-paru tanpa suara jantung mendekati
sama dan filter efektif pada frekuensi 0-200 Hz. Selain itu, hasil secara kualitatif menunjukkan
bahwa sistem tersebut baik, dengan nilai MOS rata-rata 3.825. Mengacu kepada analisis secara
kuantitatif dan kualitatif, sistem wavelet filter sudah memadai untuk digunakan sebagai alat
reduksi suara jantung dari rekaman paru-paru.
Kata Kunci : *
Abstract
Lung sounds are sound that produced by air stream in and out from lung because breath activity.
If intensity of breath more increase will cause the increasing of stream air in and out from lung.
Lung sounds are used to diagnose psychological and health expecially since stethoscope was
invented. Inspection lung sounds were done in patient chest. In time domain and frequency
domain there are combination between lung sound with heart sounds and muscle in sound signal
when inspect on chest. It can cause diffculty to determine the specific lung sounds as parameter
for diagnose patient health condition. In this thesis, is done the research about the ability of
algorithm wavelet filter to reduce heart sound from lung sounds recording. This research is
realized by using software named MATLAB 7.0 with criteria work experiment result is measured
in form of PSD (power spectral density) and Mean Difference Error . The result of quantitative
analysis shows that process of filtering with using wavelet decomposition packet algorithm PSD (
Power Spektral Density) lung sound and sound without heart sound are same and the effective
filter at frequency 0-200 Hz. Meanwhile, the qualitative analysis shows that this system is good
with the mean value of MOS mean 3.825. Refer to the analysis quantitatively and qualitative,
system of wavelet filter have effective to be used to reduce heart sound from lung sound
recording.
Keywords : *
Fakultas Teknik Elektro
Powered by TCPDF (www.tcpdf.org)
Program Studi S1 Teknik Telekomunikasi
Tugas Akhir - 2007
BAB I
PENDAHULUAN
1.1 Latar Belakang
Suara paru-paru adalah suara yang dihasilkan oleh aliran udara yang
keluar masuk paru-paru karena aktivitas pernafasan.
Semakin meningkat
intensitas pernafasan maka akan mengakibatkan meningkatnya aliran udara yang
keluar masuk paru-paru.
Suara paru-paru ini biasanya digunakan untuk
mendiagnosis kondisi psikologis dan kesehatan manusia terutama sejak
ditemukannya stetoskop. Pemeriksaan suara paru-paru ini biasanya dilakukan di
dada pasien.
Karena dalam domain waktu dan frekuensi ada kombinasi antara sinyal
pernafasan aliran udara paru-paru dengan suara jantung dan otot di dalam sinyal
suara yang diperoleh ketika memeriksa dengan stetoskop pada permukaan dada.
Hal ini dapat mengakibatkan kesulitan untuk menentukan suaru paru-paru secara
spesifik sebagai parameter yang mendasari dalam mendiagnosis kondisi kesehatan
pasien.
Beberapa penelitian telah dilakukan untuk mendapatkan suara paru-paru
yang bebas dari suara-suara lain yang tidak diinginkan Salah satunya dengan
menggunakan algoritma wavelet packet decomposition. Dengan menganggap
suara jantung sebagai noise maka bisa dilakukan lokalisasi suara jantung untuk
mereduksi suara jantung dari rekaman suara paru-paru. Dalam Tugas Akhir ini
digunakan algoritma wavelet packet decomposition yang bertujuan untuk
mereduksi suara jantung dari rekaman suara paru-paru.
1.2. Tujuan
Adapun tujuan penulisan Tugas Akhir ini adalah:
1. Meneliti dan menganalisis algoritma wavelet packet decomposition untuk
mereduksi suara jantung dari rekaman paru-paru.
2. Merancang sistem reduksi yang dapat mereduksi suara jantung dari
rekaman paru-paru.
Fakultas Teknik Elektro
Program Studi S1 Teknik Telekomunikasi
Tugas Akhir - 2007
3. Mendapatkan sinyal output berupa sinyal suara paru-paru yang terbebas
dari suara jantung dengan nilai error minimum.
1.3 Rumusan Masalah
Beberapa masalah yang dibahas dalam Tugas Akhir ini antara lain:
1. Cara kerja filter dengan algoritma wavelet packet decomposition dalam
mereduksi suara jantung yang tercampur didalam rekaman suara paruparu.
2. Menentukan keefektifan algoritma wavelet packet decomposition dengan
membandingkan Power Spectral Density (PSD) sinyal sebelum dan
sesudah difilter.
3. Merancang sebuah software untuk mereduksi suara jantung dari rekaman
suara paru-paru dengan menggunakan pemrograman Matlab 7.01.
1.4 Batasan Masalah
Agar pembahasan dalam Tugas Akhir ini tidak terlalu kompleks dan tidak
terlalu dangkal maka dalam penulisannya dilakukan pembatasan-pembatasan
masalah sebagai berikut :
1. Sinyal input berupa rekaman suara paru-paru .
2. Rekaman suara paru-paru dilakukan di bagian dada sebelah kanan.
3. Metode yang digunakan adalah algoritma wavelet packet decomposition.
4. Hanya dilakukan pada rekaman paru-paru yang tidak memiliki penyakit
5. Metoda transformasi yang dipakai adalah sistem wavelet dengan fungsi
dasar bior 3.9.
6. Pemrograman yang digunakan adalah Matlab 7.01
1.5 Metodologi Penelitian
Langkah yang ditempuh dalam menyelesaikan tugas akhir ini diantaranya
adalah :
1. Studi literature, dengan mengkaji teori–teori dasar dan teori pendukung
yang tersedia dalam buku dan sumber-sumber referensi.
2. Analisis matematis mengenai struktur fungsi dalam masing-masing
algoritma.
Fakultas Teknik Elektro
Program Studi S1 Teknik Telekomunikasi
Tugas Akhir - 2007
3. Simulasi, yaitu pembuatan pemrograman filter dengan menggunakan
algoritma wavelet packet decomposition pada Matlab 7.01 .
4. Konsultasi dengan pembimbing dan orang-orang yang ahli dalam bidang
pemrograman filter adaptif dengan menggunakan Matlab 7.01.
1.6. SISTEMATIKA PENULISAN
Secara umum keseluruhan Tugas Akhir ini dibagi menjadi lima bab
bahasan, ditambah dengan lampiran dan daftar istilah yang diperlukan. Penjelasan
masing-masing bab adalah sebagai berikut:
BAB I
: PENDAHULUAN
Menjelaskan tentang permasalahan yang dibahas secara umum
dengan memperhatikan latar belakang masalah, perumusan
masalah, tujuan tugas akhir, pembatasan masalah serta
sistematika pembahasan
BAB II
: DASAR TEORI
Mengulas tentang teori-teori yang berkaitan dengan kasus yang
diangkat pada tugas akhir ini, diantaranya adalah teori tentang
sinyal suara paru-paru, sinyal suara jantung, algoritma wavelet
packet decomposition.
BAB III
: PERANCANGAN SISTEM DAN SIMULASI
Bab ini membahas tentang desain sistem serta pembuatan suatu
software filter pada pemrograman dengan menggunakan matlab
7.01
BAB IV
: HASIL SIMULASI DAN ANALISIS
Membahas analisis terhadap data yang diperoleh dari hasil
simulasi penelitian dari bab sebelumnya yang menyangkut faktor
kualitas, keadaan gambar grafik dan output program dan juga
membahas keterkaitan analisis dengan teorema-teorema yang
ada.
BAB V
: KESIMPULAN DAN SARAN
Berisi tentang kesimpulan dari hasil penelitian dan saran untuk
perbaikan atau pengembangan pada penelitian berikutnya
Fakultas Teknik Elektro
Powered by TCPDF (www.tcpdf.org)
Program Studi S1 Teknik Telekomunikasi
Tugas Akhir - 2007
BAB V
KESIMPULAN DAN SARAN
5.1 Kesimpulan
Dari hasil analisis dapat disimpulkan bahwa :
1. Transformasi wavelet efektif sebagai alat untuk melakukan denoising pada
sinyal rekaman paru-paru.
2. Thresholding
dengan
menggunakan
hard
thresholding
lebih
baik
dibandingkan dengan soft thresholding, yang dibuktikan pada mean difference
error dan power spectral density .
3. Dari analisis secara subjektif diperoleh bahwa dengan menggunakan wavelet
filter telah menunjukkan berkurangnya suara jantung dari rekaman paru-paru
dari 30 responden diperoleh MOS (mean opinion score) dengan nilai rata-rata
3.7.
4. Nilai PSD(power spectral density) menunjukkan bahwa unjuk kerja wavelet
filter lebih efektif dibanding filter HPF karena wavelet filter dapat bekerja
pada seluruh daerah frekuensi dan tidak merusak sinyal informasi dari sinyal
tersebut.
5. Proses pemfilteran dengan wavelet transform sangat sederhana, mudah, cepat
dan tidak membutuhkan sinyal referensi.
5.2 Saran
1. Sistem wavelet adalah sistem yang paling sederhana, sehingga penerapan
sistem lain perlu dicoba untuk melihat efisiensinya.
2. Kedepannya untuk membuat alat yang dapat merekam sinyal sendiri sehingga
nilai akurasinya lebih tepat.
3. Perlu dilakukan proses metoda thresholding yang lain untuk melihat pengaruh
pemfilteran pada sinyal rekaman.
Fakultas Teknik Elektro
Powered by TCPDF (www.tcpdf.org)
Program Studi S1 Teknik Telekomunikasi
Tugas Akhir - 2007
DAFTAR PUSTAKA
[1]. Faculty of Technology, Department of Electrical and Computer
Engineering, Di6ision of Medical Signal and Image Processing, Aristotle
Uni6ersity of Thessaloniki, GR- 540 06Thessaloniki, Greece
[2]. J. Gnitecki, Z. Moussavi, H. Pasterkamp, Recursive Least Squares
Adaptive Noise Cancellation Filtering for heart sound reduction in lung
sound recording, Universitas of Manitoba 2003.
[3]. L.J Hadijileontis,D.A.. Patakas, N.J. Margaris,S.M. Panas, Separation of
crakles and squawks from vesicular sounds using a wavelet-based filtering
technique, Proceedings of Ninth ISTET ’97, Palermo, Sciliy, 1997,
pp.216-219
[4]. www. R.A.L.E. com, R.A.L.E Repository
[5]. G. Mallat, A theory for multiresolution signal decomposition: The wavelet
representation, IEEE Trans. Patt. Anal. Machine Intell. 11 (7) (1989) 674693
[6]. Ferdi Sukresno, Reduksi suara jantung dari rekaman suara paru-paru
menggunakan filter adaptif dengan algoritma recursive least square,2007.
[7]. M. Vetterli, J. Kovacevic, Wavelets and subband Coding, Prentice-Hall,
Englewood Cliffs, NJ, 1995, pp. 201-198
[8]. L.J. Hadjileontiadis, S.M. Panas, Separation of discontinuous adventitious
sounds from vesicular sounds using a wavelet-based filter, Trans. Biomed.
Eng. 44 (12) (1997) 1269–1281.
[9]. L.J. Hadiileontiadis, S.M. Panas, Adaptive reduction of heart sounds from
lung sounds using fourth-order statistics, Trans. Biomed. Eng. 44 (7)
(1997) 642–648.
[10].
Cohen, A. (1992), "Ondelettes, analyses multirésolution et
traitement numérique du signal," Ph. D. Thesis, University of Paris IX,
DAUPHINE
[11]. Daubechies, I. (1992), Ten lectures on wavelets, CBMS-NSF conference
series in applied mathematics. SIAM Ed.
Fakultas Teknik Elektro
Powered by TCPDF (www.tcpdf.org)
Program Studi S1 Teknik Telekomunikasi