ii
PHONOCARDIOGRAM WHICH EQUIPPED OF ARTIFICIAL NEURAL NETWORK WITH FEATURE EXTRACTION USE DECORLET AND
ENERGY SIGNAL WAVELET DECOMPOSITION
By: Danu Setiawan
ABSTRACT
Auscultation is one of the old method had been used by doctor to analyze heartbeat sound using stethoscope. Beside that, the other technic to analyze heartbeat sound is using phonocardiogram. In this study, planning system has been done to analyzed heartbeat sound using electronic phonocardiogram with feature extraction using decorlet method and energy signal wavelet decomposition and artificial neural network as classification signal. The process analysis signals was started with recording the human heartbeat sound, selection wavelet function, filtering signal, feature extraction signal and classification signal. The processing signals had been done with Matlab 7.8. In this study we used symlet wavelet order 10 as function wavelet analysts which used to feature extraction and filtering signal. Symlet wavelet (sym10) is selected as wavelet analyst because have small error reconstruction compared to other wavelet (doubechies and coiflet). Digital filtering wavelet has reduction capability the random noise with SNR value more than 21 dB. The structure of artificial neural network we have designed consists of 7 neurons input, 7 hidden neurons and 6 neurons output. Artificial neural network can identified Normal, Aortic stenosis, Mitral regurgitation, Aortic regurgitation, Mitral stenosis and Patent ductus arteriosus heartbeat sound with the average success rate is 76 % for method energy signals and 92 % for method decorlet.
i
PHONOCARDIOGRAM YANG DILENGKAPI JARINGAN SYARAF
TIRUAN DENGAN EKSTRAKSI CIRI MENGGUNAKAN DEKORLET DAN ENERGI SINYAL DEKOMPOSISI WAVELET
Oleh: Danu Setiawan
ABSTRAK
Teknik auskultasi adalah salah satu teknik lama yang digunakan oleh para dokter untuk menganalisis suara detak jantung menggunakan steteskope. Selain menggunakan teknik auskultasi, terdapat teknik lain yang digunakan untuk analisis suara jantung yaitu menggunakan phonocardiogram. Pada penilitian ini telah dilakukan perancangan sistem analisis suara jantung menggunakan
phonocardiogram elektronik yang dilengkapi dengan ekstraksi ciri dekorlet dan energi sinyal dekomposisi wavelet, serta sistem jaringan syaraf tiruan sebagai klasifikasi sinyal. Proses analisis sinyal dimulai dari perekaman suara jantung manusia, pemilihan fungsi wavelet, filtering sinyal, ekstraksi ciri sinyal dan klasifikasi sinyal. Pemrosesan sinyal pada penelitian ini dilakukan dengan bantuan
software Matlab 7.8. Dalam penelitia kali ini menggunakan jenis wavelet symlet orde 10 sebagai fungsi wavelet penganalisis yang digunakan untuk proses ekstraksi ciri dan filtering sinyal. Fungsi wavelet sym10 dipilih sebagai wavelet penganalis karena memiliki error rekonstruksi yang kecil dibandingkan dengan jenis wavelet yang telah diuji coba (doubechies dan coiflet). Filter digital menggunakan wavelet yang dibangun telah mampu menekan noise random pada hasil rekaman suara jantung dengan nilai SNR diatas 21 dB. Struktur JST yang dirancang terdiri dari 7
neuroninput, 7 neuron tersembunyi dan 6 neuron output. JST mampu mengenali suara jantung Normal, Aortic stenosis, Mitral regurgitation, Aortic regurgitation,
Mitral stenosis dan Patent ductus arteriosus dengan tingkat keberhasilan rata-rata mencapai 76% untuk metode energi sinyal dan 92 % untuk metode dekorlet.
vi
RIWAYAT HIDUP
Penulis bernama lengkap Danu Setiawan dilahirkan pada tanggal 11 Juni 1991 di Pekalongan Kabupaten Lampung Timur dan merupakan anak keempat dari empat bersaudara pasangan Bapak Triyono dan Ibu Saumi.
Penulis memulai perjalanan kampusnya pada tahun 2010 sebagai mahasiswa Fisika FMIPA Universitas Lampung melalui jalur SNMPTN. Selama menjadi mahasiswa penulis aktif dalam berbagai organisasi. Penulis bergabung dalam organisasi kemahasiswaan Himpunan Mahasiswa Fisika (HIMAFI) pada tahun 2010-2012 sebagai anggota bidang SAINTEK. Selain aktif dalam organisasi, penulis juga aktif dalam bidang akademik maupun non akademik. Dalam bidang akademik, pada tahun 2012 penulis pernah mengikuti lomba ON-MIPA PT 2012 dan masuk ke tahap final sebagai juara tingkat Regional II Sumatra Bagian Selatan. Dalam bidang non akademik, pada tahun 2012 dan 2013 penulis pernah mendapatkan hibah penelitian melalui Program Kreatifitas Mahasiswa (PKM) yang diselenggarakan oleh DIKTI.
viii
MOTO
DO’A dan Kerja Keras adalah Kunci Keberhasilan Setiap Manusia
Dan Keberhasilan Ditentukan Oleh Diri Kita Sendiri
vii
dan ku sayangi karena Allah SWT
Bapak dan Ibu
Terima kasih atas
semua DO’A dan pengorbanan yang telah diberikan
Saya menyadari tak ada satupun hal yang mampu membalas semua
pengorbanan orang tua kecuali melihat anaknya menjadi anak
yang berguna bagi nusa dan bangsa
Bapak-Ibu guru serta Bapak-Ibu dosen
Terima kasih atas bekal ilmu pengetahuan dan budi pekerti
yang telah membuka hati dan wawasanku
Para sahabat dan teman-teman seperjuangan
Terima kasih atas kebaikan kalian dan kebersamaan yang kita lalui
dan
ix
Alhamdulillah, penulis menyadari bahwa skripsi ini dapat terselesaikan dengan baik berkat dorongan, bantuan dan motivasi dari berbagai pihak, oleh karena itu pada kesempatan ini penulis ingin mengucapkan terima kasih kepada:
1. Bapak Arif Surtono, M.Si., M.Eng. atas semua ilmu yang telah diberikan dan kesediaannya menjadi Pembimbing I.
2. Ibu Sri Wahyu Suciyati, M.Si. atas kesediaannya menjadi Pembimbing II. 3. Bapak Drs. Amir Supriyanto, M.Si. atas kesediaannya sebagai Penguji. 4. Bapak Gurum Ahmad Pauzi, M.T. selaku Pembimbing Akademik (PA). 5. Ibu Dr. Yanti Yulianti, M.Si. selaku ketua Jurusan Fisika.
6. Bapak Prof. Suharso, Ph.D. selaku Dekan FMIPA.
7. Para sahabat: Defi, Siti,Wayan, Juli, Andry, Dede, Adi, Muji, Akhfi, Dapot dan seluruh angkatan 2010 yang tidak dapat saya sebutkan satu persatu. 8. Seluruh adik-adik angkatan 2011, 2012 dan 2013 atas dukungannya.
9. Semua pihak yang tidak dapat disebutkan satu-persatu, yang telah membantu penulis selama menyelesaikan Tugas Akhir.
Semoga Allah SWT memberi balasan atas segala usaha yang telah dilakukan oleh berbagai pihak sehingga skripsi ini dapat selesai dan bermanfaat.
xi DAFTAR ISI
ABSTRAK ... i
ABSTRACT ... ii
HALAMAN PENGESAHAN ... iii
MENGESAHKAN ... iv
PERNYATAAN ... v
RIWAYAT HIDUP ... vi
HALAMAN PERSEMBAHAN ... vii
MOTO ... viii
KATA PENGANTAR ... ix
SANWACANA ... x
DAFTAR ISI ... xi
DAFTAR GAMBAR ... xiv
DAFTAR TABEL ... xvi
I. PENDAHULUAN 1.1. Latar Belakang ... 1
1.2. Rumusan Masalah ... 5
1.3. Tujuan Penelitian ... 5
1.4. Batasan Masalah ... 6
xii II. TINJAUAN PUSTAKA
2.1. Penelitian Terdahulu ... 8
2.2. Perbedaan dengan Penelitian Sebelumnya ... 9
2.3.Teori Dasar 2.3.1. Anatomi Jantung ... 10
2.3.2. Isyarat Suara Jantung ... 11
2.3.3. Tinjauan Medis Tentang Suara Jantung ... 14
2.3.4. Tranduser Steteskop ... 18
2.3.12.Jaringan Syaraf Tiruan Balik (Backpropagation) ... 34
2.3.13.Perangkat Lunak Matlab ... 38
3.3.2. Perekaman Suara Jantung dengan Matlab ... 47
3.3.3. Pemilihan Fungsi Wavelet ... 48
3.3.4. Pemfilteran Sinyal dengan Wavelet ... 48
3.3.5. Ekstraksi Ciri Sinyal Suara Jantung ... 48
3.3.5.1. Metode Dekomposisi dan Korelasi (Dekorlet) ... 52
3.3.5.2. Metode Transformasi Wavelet Diskrit dengan Energi Normalisasi Dekomposisi ... 54
xiii IV. HASIL DAN PEMBAHASAN
4.1. Perangkat Keras Phonocardiogram ... 62 4.2. Pengolahan Sinyal Digital Suara Jantung ... 65 4.2.1. Perekaman Suara Jantung ... 65 4.2.2. Pemilihan Fungsi Wavelet Berdasarkan Error
Rekonstruksi Terkecil ... 66 4.2.3. Pengujian Filter Wavelet Pada Sinyal Sinusoidal
Buatan ... 69 4.2.4. Pengujian Filter Wavelet Pada Hasil Rekaman
Suara Jantung ... 73 4.2.5. Pengujian Ekstraksi Ciri Sinyal dengan Metode
Dekorlet ... 74 4.2.6. Pengujian Ekstraksi Ciri dengan Metode Energi
Sinyal ... 82 4.2.7. Pengujian Sistem Jaringan Syaraf Tiruan (JST) ... 87 4.2.8. Penentuan Laju Pemahaman (α) dan Momentum (µ) .. 90 4.2.9. Perancangan GUI Matlab ... 92 4.3. Hasil Klasifikasi Suara Jantung dengan Jaringan Syaraf Tiruan 94 V. KESIMPULAN
5.1. Kesimpulan ... 100 5.2. Saran ... 101 DAFTAR PUSTAKA
xvi
DAFTAR TABEL
Tabel 1. Rentang frekuensi sub-band sinyal suara jantung 6 tingkat ... 52 Tabel 2. Karakteristik Penguat Mikrofon ... 64 Tabel 3. Diagram normalisis perhitungan PSD untuk beberapa contoh
suara jantung ... 80 Tabel 4. Diagram energi normalisasi sinyal untuk beberapa contoh suara jantung ... 84 Tabel 5. Perhitungan energi sinyal pada tiap-tiap sub-band untuk
beberapa jenis suara jantung ... 88 Tabel 6. Perhitungan kros korelasi PSD pada tiap-tiap sub-band untuk
beberapa jenis suara jantung ... 88 Tabel 7. Uji coba jaringan syaraf tiruan pada data latih dengan
ekstraksi ciri menggunakan dekorlet ……… 94 Tabel 8. Uji coba jaringan syaraf tiruan pada data latih dengan
ekstraksi ciri menggunakan energi sinyal ……….… 95 Tabel 9. Respon jaringan syaraf tiruan dalam mengenali pola suara jantung
dari beberapa pasien untuk metode dekorlet ………. 96 Tabel 10. Respon jaringan syaraf tiruan dalam mengenali pola suara jantung
xiv
DAFTAR GAMBAR
Gambar 2.1. Anatomi katub jantung ... 10
Gambar 2.2.Sinkronisasi rekaman aktifitas jantung dengan EKG dengan suara jantung ... 11
Gambar 2.3. Ragam gelombang suara jantung normal dan abnormal ... 12
Gambar 2.4. Contoh ragam gelombang suara jantung ... 13
Gambar 2.5. Bagian-bagian steteskop ... 19
Gambar 2.6. Kapasitor plat sejajar ... 20
Gambar 2.7. Bagian-bagian mikrofone kondensor ... 23
Gambar 2.8. Blok diagram prinsip dasar sound card ... 24
Gambar 2.9. Proses tapisan satu tingkat ... 27
Gambar 2.10. Pohon dekomposisi (setengah) wavelet ... 28
Gambar 2.11. Mesin korelasi ... 28
Gambar 2.12. Spektrum daya dari suatu sinyal ... 30
Gambar 2.13. Beberapa contoh fungsi penskalaan dan wavelet coiflet ... 33
Gambar 2.14. Beberapa contoh fungsi penskalaan dan wavelet daubechies 33 Gambar 2.15. Skema jaringan syaraf tiruan balik (backpropagation) ... 34
Gambar 2.16. Tampilan interfacing sound card secra real time ... 39
Gambar 2.17. Tampilan GUI pada MATLAB ... 40
Gambar 3.1. Blok diagram tahapan penelitian ... 43
Gambar 3.2. Rangkaian penguat mikrofone dengan antarmuka sound card 46
Gambar 3.3. Diagram blok de-noising sinyal ... 49
Gambar 3.4. Ilustrasi proses de-noising sinyal dengan wavelet ... 50
xv
sinyal ... 55
Gambar 3.8. Arsitektur jaringan syaraf tirun untuk pengenalan pola suara jantung ... 57
Gambar 3.9. Diagram blok pengolahan sinyal suara jantung ... 58
Gambar 3.10. Flowchat pelatihan JST ... 60
Gambar 3.11. Flowchat simulasi JST ... 61
Gambar 4.1. Perangkat keras pre-amplifier ... 62
Gambar 4.2. Perangkat keras phonocardiogram ... 63
Gambar 4.3. Grafik tanggapan frekuensi penguat mikrofone ... 65
Gambar 4.4. Error rekonstruksi fungsi wavelet pada sinyal suara jantung Normal (a) Fungsi wavelet symlet, (b) Fungsi wavelet doubechies dan (c) Coilet ... 68
Gambar 4.5. Error rekonstruksi fungsi wavelet pada sinyal suara jantung Mitral Stenosis (a) Fungsi wavelet symlet, (b) Fungsi wavelet doubechies dan (c) Coilet ... 69
Gambar 4.6. Dekomposisi sinyal sinusoidal dengan noise random ... 71
Gambar 4.7. (a) Sinyal sinusoidal buatan, (b) Sinyal sinus soidal dengan Noise Gausian (c) Sinyal noise random dan (d) Hasil De-Noising dengan filtering Wavelet (SNR=20.1489 dB) ... 72
Gambar 4.8. (a) Sinyal Suara Asli dari File pen2, (b) Sinyal Hasil Filter (SNR=21.9) (c) Sinyal Noise ... 74
Gambar 4.9. Grafik hasil perhitungan PSD dan korelasi pada sub-band A6 (a) Suara jantung normal dan (b) Suara jantung Aortic regurgitasi ... 79
Gambar 4.10.(a) Epoch rata-rata pada variasi laju pembelajaran dan momentum tetap dan (b) Epoch rata-rata pada variasi momentum dan laju pembelajaran tetap ... 91
Gambar 4.11. Tampilan depan sistem kecerdasan buatan ... 93
Gambar 4.12. Tampilan akuisisi data suara jantung ... 93
BAB I PENDAHULUAN
1.1. Latar Belakang
Penyakit jantung (koroner) merupakan salah satu penyebab kematian terbesar di dunia dan di Indonesia. Penyakit jantung ini merupakan salah satu penyakit yang tidak menular dari sekian banyak penyakit tidak menular seperti hipertensi, asma, gagal ginjal, epilepsy dan lain sebagainya. Menurut Organisasi Kesehatan Dunia WHO, kematian akibat Penyakit Tidak Menular (PTM) diperkirakan akan terus meningkat di seluruh dunia, peningkatan terbesar akan terjadi di Negara-negara menengah dan miskin. Lebih dari dua per tiga (70%) dari populasi global akan meninggal akibat Penyakit Tidak Menular (PTM) seperti kanker, penyakit jantung, stroke dan diabetes. Dalam jumlah total, pada tahun 2030 diprediksi akan ada 52 juta jiwa kematian per tahun karena penyakit tidak menular, naik 9 juta jiwa dari 38 juta jiwa pada saat ini.
Seperti yang sudah kita ketahui, penyakit jantung merupakan penyakit pembunuh nomor satu di dunia yang didominasi pada kalangan dewasa dan orang tua. Hal itu disebabkan karena serangan jantung datang secara tiba-tiba. Untuk mengatasi serangan jantung yang datang secara tiba-tiba, pasien penyakit jantung akan melakukan rekaman aktifitas jantung secara rutin baik menggunakan
Electrokardiogram (EKG) maupun menggunakan Phonocardiogram (PCG).
Dewasa ini telah banyak ditemukan teknik pemerikasaan jantung. Salah satunya adalah teknik auskultasi, yaitu teknik yang digunakan untuk mendiagnosa penyakit jantung dengan cara mendengarkan suara jantung menggunakan stetoskop yang dipasangkan secara manual di telinga dokter (Saptaji dkk, 2006). Kemudian ditambah dengan keahlian dokter spesialis jantung, maka dokter dapat menduga bahwa pasien mengalami kelainan pada jantung dari hasil pendengaran dengan menggunakan stetoskop. Teknik ini kadang kurang akurat karena terdapat banyak beberapa faktor penentu keberhasilan dari diagnosis ini seperti noise lingkungan berupa suara selain suara detak jantung, kepekaan telinga, frekuensi dan amplitudo yang rendah serta pola suara yang relatif sama. Selain itu proses penentuan jenis suara yang terjadi cenderung mengandalkan penilaian subyektif dari dokter (Rizal dkk, 2007). Untuk itu perlu adanya teknik lain selain teknik auskultasi untuk mendeteksi kelainan penyakit jantung, dari hasil rekaman suara detak jantung dengan menggunakan teknik pengolahan sinyal.
termasuk di dunia medik telah ditemukan suatu alat yang digunakan untuk merekam dan menampilkan data sinyal detak jantung (suara jantung) pada sebuah osiloskop, yang dikenal dengan nama Phonocardiogram (PCG) atau dikenal juga sebagai stetoskop elektrik (Rizal dkk, 2007). Selain alat Phonocardiogram (PCG) yang telah ada, pada saat ini para peneliti khususnya dibidang pengolahan sinyal biomedis terus menerus mencari metode atau pendekatan yang terbaik. Salah satu metode yang terbaik untuk menganalisis sinyal biomedis adalah dengan transformasi wavelet. Transformasi wavelet ini dipilih karena mampu menganalis sinyal-sinyal stasioner maupun non-stasioner yang memiliki frekuensi yang berubah-ubah terhadap waktu dalam hal ini adalah suara detak jantung. Sinyal non-stasioner banyak terjadi pada sinyal biomedis seperti
Phonocardiogram (PCG), Electrokardiogram (EKG), EEG, EMG dan lain-lain.
yang digunakan meliputi Dekomposisi Paket Wavelet (DPW), Root Mean Squere
(RMS), Shanon dan Linear Prediction Code (LPC), serta menggunakan sistem jaringan syraf tiruan balik (backpropogation) dalam mengenali pola suara jantung. Pada hasil penelitiannya diperoleh bahwa metode yang baik untuk ekstraksi ciri suara jantung adalah metode Dekomposisi Paket Wavelet (DPW).
1.2. Rumusan Masalah
Berdasarkan uraian latar belakang tersebut dapat dibuat rumusan masalah sebagai berikut:
1. Bagaimana merancang sebuah sistem akuisisi data untuk menganalisis detak jantung dengan menggunakan sound card.
2. Bagaimana mendesaian sebuah steteskop serta mikrofone sebagai tranduser untuk suara jantung, yang semuanya terintegrasi dengan komputer.
3. Bagaimana membuat sistem komputasi untuk analisis detak jantung menggunakan dekomposisi wavelet dan dekorlet sebagai metode untuk ekstraksi ciri sinyal suara jantung.
4. Bagaimana membuat Jaringan Syaraf Tiruan (JST) untuk mengetahui kelainan jantung berdasarkan ekstraksi ciri suara jantung.
1.3. Tujuan Penelitian
Tujuan yang ingin dicapai dari penelitian ini adalah sebagai berikut:
1. Merancang sebuah alat untuk analisis detak jantung yang dapat digunakan secara luas khususnya dibidang kesehatan.
2. Merancang sebuah sistem akuisisi data untuk menganalisis detak jantung dengan menggunakan sound card sebagai gerbang akuisisi sinyal suara jantung pada komputer.
3. Mengembangkan teknik pengolahan sinyal digital untuk ekstraksi ciri sinyal
4. Mengaplikasiskan Jaringan Syaraf Tiruan (JST) untuk klasifikasi suara jantung.
1.4. Batasan Masalah
Sesuai dengan rumusan masalah di atas, batasan masalah untuk penelitian ini meliputi:
1. Metode ekstraksi ciri detak jantung yang digunakan adalah metode dekorlet dengan jaringan syaraf tiruan yang digunakan untuk mengenali jenis suara jantung normal dan abnormal.
2. Sinyal yang akan dianalisis adalah sinyal biomedis yaitu sinyal suara dari detak jantung.
3. Tranduser yang digunakan untuk analisis suara jantung adalah jenis tranduser steteskop.
4. Proses penggambilan sampel data dilakukan di ruangan tertutup dengan kondisi lingkungan jauh dari kebisingan.
5. Pengambilan sampel data dilakukan pada saat kondisi pasien berada pada keadaan rileks.
6. Alat bantu software yang digunakan adalah Matlab 7.8.
1.5. Manfaat Penelitian
Adapun manfaat yang diharapkan dari penelitian ini adalah sebagai berikut: 1. Tersedinya suatu alat phonocardiogram berbasis komputer.
BAB II
TINJAUAN PUSTAKA
2.1. Penelitian Terdahulu
Penelitian sejenis juga pernah dilakukan oleh Puspitasari (2012) dengan menggunakan metode yang berbeda-beda. Metode yang digunakan untuk ekstraksi ciri memakai Short Time Fourier Transform (STFT), Continous Wavelet Transform
(CWT) dan Discrete Wavelet Transform (DWT). Pada penelitian ini juga digunakan metode windowing untuk mengurangi noise dari sinyal detak jantung (suara jantung) yang dianalisis. Window yang digunakan pada penelitian ini adalah
Hamming window, dengan lebar window adalah 100 point. Berdasarkan hasil penelitiannya diperoleh perbandingan bahwa penggunaan STFT belum bisa memberikan hasil yang akurat, karena masih terlihat over lapping sinyal, sehingga komponen penyusun belum terlihat jelas. Sedangkan dengan menggunakan
Wavelet Transform dapat memberikan informasi waktu dan magnitudo dari komponen suara jantung.
2.2. Perbedaan dengan Penelitian Sebelumnya
2.3. Teori Dasar 2.3.1. Anatomi Jantung
Jantung merupakan organ muscular berlubang yang berfungsi sebagai pompa ganda sistem kardiovaskular (jantung dan pembulu darah). Sisi kanan jantung memompa darah ke paru sedangkan sisi kiri jantung memompa darah keseluruh tubuh. Secara harfiah jantung manusia terbagi menjadi dua bagian yaitu bagian kiri dan bagian kanan (Atwood, 1996). Kedua bagian jantung ini dipisahkan oleh septum. Masing-masing bagian dibagi lagi menjadi dua ruangan yaitu serambi jantung (atria) yang terletak disebelah atas dan bilik jantung (ventricle) yang terletak disebelah bawah. Seperti yang ditunjukan pada Gambar 2.1 berikut.
Gambar 2.1. Anatomi katub jantung
Pada Gambar 2.1 di atas, jantung mempunyai empat katup utama yang terbuat dari jaringan endokardium. Katup merupakan bangunan yang mirip penutup yang membuka dan menutup sebagai respon terhadap pemompaan jantung dengan membuka dan menutup katup memungkinkan darah bergerak keseluruh jantung, paru dan mencegah aliran darah kembali. Kemudian dari proses membuka dan menutupnya katup jantung akan menghasilkan suara detak jantung.
Mitral Valve Tricuspid
2.3.2. Isyarat Suara Jantung
Suara dekat jantung yang didengar oleh dokter sebenarnya merupakan proses terjadinya pembukaan dan penutupan katup jantung. Detak jantung menghasilkan dua suara yang berbeda yang dapat didengarkan pada stetoskop yang sering dinyatakan dengan lub-dub. Pada umumnya suara jantung yang dihasilkan dari aktifitas jantung akan sinkron dengan rekaman EKG seperti ditunjukan pada Gambar 2.2 berikut.
Gambar 2.2. Sinkronisasi rekaman aktifitas jantung dengan EKG dengan suara jantung.
atrioventikular membuka kembali. Suara S2 ini terjadi hampir bersamaan dengan akhir gelombang T dari EKG, suara jantung ke-tiga (S3) sesuai dengan berhentinya pengisian atrioventikular, sedangkan suara jantung ke-empat (S4) memiliki korelasi dengan kontraksi atria (Antonisfia, 2008).
Pada jantung abnormal terdapat suara tambahan yang disebut murmur. Murmur
disebabkan oleh pembukaan katub yang tidak sempurna atau stenotic (yang memaksa darah melewati bukaan sempit), atau regurgitasi yang disebabkan oleh penutupan katub yang tidak sempurna dan mengakibatkan aliran balik darah. Dalam masing-masing kasus suara yang timbul adalah akibat aliran darah dengan kecepatan tinggi yang melewati bukaan sempit. Selain itu penyebab terjadinya murmur adalah kebocoran septum yang memisahkan bagian jantung sebelah kiri dan kanan, sehingga darah mengalir dari ventrikel kiri ke ventrikel kanan yang mana proses ini menyimpangkan sirkulasi sistemik (Widodo, 2012). Gambar 2.3 berikut merupakan contoh gelombang suara jantung normal dan abnormal.
Pada Gambar 2.3 ditunjukan rekaman suara jantung normal dan abnormal dengan beberapa jenis murmur. Suara jantung normal memiliki rentang frekuensi antara 20 hingga 100 Hz, sedangkan suara murmur mempunyai rentang frekuensi hingga 1000 Hz. Suara jantung S1 terdiri atas energi dalam rentang frekuensi 30 hingga 45 Hz, yang sebagian besar berada dibagian bawah ambang batas pendengaran manusia. Suara jantung S2 biasanya memiliki nada yang lebih tinggi dengan energi maksimum yang berada dalam rentang 50 hingga 70 Hz. Suara jantung S3 merupakan vibrasi yang sangat lemah dengan hampir semua energinya dibawah 30 Hz. Salah satu jenis regurgitasi yang menyebabkan murmur dalam rentang frekuensi antara 100 hingga 600 Hz dan bahkan untuk jenis murmur tertentu hingga 1000 Hz (Cromwell, 1980). Untuk contoh ragam gelombang suara jantung dapat dilihat pada Gambar 2.4 berikut.
1.3.3. Tinjauan Medis Tentang Suara Jantung
Secara umum suara jantung terbagi atas beberapa jenis suara, yang menggambarkan kondisi aktifitas pembukaan dan penutupan katup jantung. Suara jantung sendiri dapat dikelompokan dalam beberapa kategori yaitu kelompok jantung normal, murmur sistolik, murmur diastolik serta kontinu murmur. Masing-masing dari kelompok suara jantung ini dalam dunia medis memiliki dampak tersendiri yang ditimbulkan oleh aktifitas pembukaan dan penutupan katup jantung. Berikut ini merupakan tinjauan medis dari suara jantung normal dan suara jantung abnormal yang digunakan untuk penelitian.
1. Suara Jantung Normal
S4 terjadi setelah kontraksi atrium dan sebelum bunyi jantung pertama (Tilkian et. all, 1987).
2. Mitral Stenosis
Mitral Stenosis adalah suatu penyakit jantung, dimana katup atau pintu yang menghubungkan ruang atrium (serambi) dan ventrikel (bilik) jantung bagian kiri mengalami penyempitan, sehingga tidak bisa membuka dengan sempurna. Secara normal pembukaan katub mitral adalah selebar tiga jari. Pada kasus stenosis berat terjadi penyempitan lumen sampai selebar pensil. Ventrikel kiri tidak terpengaruh, namun atrium kiri mengalami kesulitan dalam mengosongkan darah melalui lumen yang sempit ke ventrikel kiri. Akibatnya atrium akan melebar dan mengalami hipertrofi. Karena tidak ada katub yang melindungi vena pulmonal terhadap aliran balik dari atrium, maka sirkulasi pulmonal mengalai kongesti shingga ventrikel kanan harus menanggung beban tekanan arteri pulmunal yang tinggi dan mengalami peregangan berlebihan yang berakhir dengan gagal jantung. (Brunner dan Suddarth, 2001).
Murmur akibat stenosis mitral mempunyai frekuensi rendah berupa rumblemid
diastolik. Biasanya mengikuti opening snap dan disertai dengan S1 yang keras.
katup dengan pembentukan parut yang padat atau kalsifikasi. Pada stenosis mitral lanjut dengan kalsifikasi daun katup yang hebat sering mengakibatkan hipertensi pulmonal untuk penderita penyakit jantung ini (Tilkian et. all, 1987).
3. Aortic Stenosis
Stenosis katup aorta (Aortic Stenosis) adalah penyempitan pada lubang katup aorta, yang menyebabkan meningkatnya tahanan terhadap aliran darah dari ventrikel kiri ke aorta. Jenis suara jantung ini masuk dalam kategori suara jantung dengan murmur sistolik. Murmur ini terjadi selama sistole ventrikel yang disebabkan oleh turbulensi aliran darah yang melintasi inflow tract,
outflow tract atau dari ventrikel ke ventrikel seperti pada defek septum ventrikel. Defek septum ventrikel yang sangat kecil akan menimbulkan aliran darah turbulensi dari ventrikel ke ventrikel setelah katup AV menutup dan berkurangnya ejection berlanjut sehingga akan timbul istilah murmur awal sistolik. Murmur ini terjadi setelah bunyi jantung pertama. Penyakit yang ditimbulkan oleh Aortic Stenosis sering mengakibatkan demam reumatik atau penyakit katub aorta kongential (Tilkian et. all, 1987).
4. Mitral Regurgitasi
Mitral regurgitasi merupakan salah satu jenis murmur sistolik yang terjadi pada saat jantung berkontraksi. Murmur ini terjadi pada saat sistole dan terus berlanjut selama tekanan ventrikel kiri melebihi tekanan atrium kiri. Maka
bertambah keras, maka transmisi (penyebaran) akan bertambah pula. Murmur
yang keras mungkin akan menyebar ke bagian aksila (Tilkian et. all, 1987). Penyebab yang sering terjadi meliputi:
a. Penyakit jantung reumatik b. Disfungsi otot papilaris c. Prolaps katup mitral d. Kalsifikasi annulus mitral
e. Dilatasi ventrikel kiri disertai gagal jantung kiri
5. Aortic Regurgitasi
Aortic Regurgitasi merupakan salah satu jenis murmur diastolik yang terjadi pada saat jantung melakukan relaksasi. Murmur aortic regurgitasi terjadi pada akhir diastolik yang disebabkan oleh obstruksi aliran masuk ventrikel kanan atau kiri. Murmur ini bernada tinggi, lembut, bertiup, yang dimulai dengan komponen aorta S2 bila tekanan ventrikel kiri turun di bawah tekanan pangkal aorta. Murmur ini sulit untuk didengar dan dibutuhkan perhatian khusus serta posisi tubuh pasien yang tepat agar dapat mendengarkan jenis murmur ini.
Untuk Aourtic regurgitasi berat akut, pada kasus ini tekanan aorta mencapai tekanan ventrikel kiri secara dini. Penyebab Aourtic regurgitasi seringkali disebabkan karena penyakit jantung reumatik, kongential atau kalsifikasi katup menyebabkan insufisiensi katup aorta. Penyakit lain yang ditimbulkan oleh
6. Patent Ductus Arteriosus
Patent Ductus Arteriosus merupakan salah satu jenis suara jantung abnormal yang masuk dalam kotegori Continuosus Murmur. Murmur ini timbul akibat hubungan abnormal dua bagian sistem sirkulasi sehingga membentuk gradien tekanan antara dua sistem pada waktu sistole dan diastole. Sehingga
continuosus murmur merupakan murmur tunggal, tidak terputus pada transisi dari sistole ke diastole dan meluas melewati S2 ke dalam seluruh bagian diastole. Continuosus murmur dihasilkan oleh kelainan hemodinamika seperti pada Patent Ductus Arteriosus (PDA). Pada umumnya terdapat tiga mekanisme yang merupakan penyebab dari continuosusmurmur.
a. Aliran darah yang cepat
b. Shunting tekanan tinggi ke tekanan rendah c. Obstruksi arteri lokal
Penyakit yang disebabkan oleh Patent Ductus Arteriosus (PDA) akan mengakibatkan penderitanya sering menggalami hipertensi dikarenakan aliran darah pada saat sistole dan diastole memiliki kelajuan yang cepat dari keadaan normal (Tilkian et. all, 1987).
2.3.4. Tranduser Steteskop
menyalurkan suara dari bagian dada, melalui tabung kosong berisi-udara, ke telinga pendengar. Gambar 2.5 berikut merupakan bagian-bagian dari steteskop.
Gambar 2.5. Bagian-bagian steteskop
Bagian chestpiece biasanya terdiri dari dua sisi yang dapat diletakkan di badan pasien untuk memperjelas suara, yaitu sebuah diafragma (disk plastik) atau bell
(mangkok kosong). Bila diafragma diletakkan pada pasien, suara tubuh akan menggetarkan diafragma, menciptakan tekanan gelombang akustik yang berjalan sampai ke tube dan berakhir ditelinga pendengar. Bila bell diletakkan di tubuh pasien, getaran kulit secara langsung memproduksi gelombang tekanan akustik yang berjalan ke telinga pendengar. Bell menyalurkan suara frekuensi rendah, sedangkan diafragma menyalurkan frekuensi suara yang lebih tinggi (Oktivasari, 2010).
semakin kecil diameter bell, maka akan semakin tinggi frekuensi resonansinya. Murmur jantung yang frekuensinya rendah tidak akan terdengar apabila bell stetoskop terlalu kencang ditekan ke kulit. Pada bell tertutup digunakan untuk menapis suara-suara berfrekuensi rendah. Stetoskop pada bagian bell tertutup digunakan khususnya untuk mendengarkan suara paru yang frekuensinya lebih tinggi dari pada suara jantung. Untuk kemudian suara jantung atau paru-paru akan dilewatkan melalui selang steteskop dan Ear Tips sehingga suara jantung atau paru-paru yang dideteksi dapat terdengar dengan jelas oleh telinga kita. Fungsi dari stetoskop ini adalah sebagai penangkap getaran bunyi jantung yang dirambatkan hingga ke dada dan menuju telingga.
2.3.5. Tranduser Mikrofone
Mikrofone adalah suatu jenis transduser yang mengubah energi-energi akustik (gelombang suara) menjadi sinyal listrik. Salah satu jenis mikrofone yang sering digunakan untuk merekam suara adalah mikrofone jenis kondensor. Mikrofone ini memiliki sensitivitas (kepekaan) yang baik terhadap gelombang suara. Mikrofone jenis kondensor ini bekerja berdasarkan prinsip kapasitansi kapasitor plat sejajar seperti yang ditunjukan pada Gambar 2.6 berikut
Berdasarkan gambar diatas terdapat dua buah plat kapasitor yang terpisah sejauh d dengan muatan yang berbeda-beda yaitu muatan positif (+) dan muatan negative (-). Perbedaan muatan ini pada suatu titik tertentu menyebabkan terjadinya medan listrik yang sebanding dengan perubahan jarak pemisah kedua plat. Secara matematis medan listrik yang terjadi dapat dirumuskan pada persamaan berikut.
=4��
0�2 (1)
Selanjutnya dari perubahan medan listrik tersebut akan menghasilkan beda potensial yang sebanding dengan perubahan jarak antara kedua plat. Dalam prinsip sebuah kapasitor nilai kapasitansi berubah terhadap jarak antara dua plat. Persamaan matematis yang menunjukan hubungan antara dua plat kapasitor ditunjukan pada persamaan berikut.
� = � � (2)
Dari persamaan diatas besar kapasitansi kapasitor ditentukan oleh luas plat, jenis dielektrik, dan jarak antar plat. Selanjutnya hubungan antara kapasitansi kapasitor dengan tegangan keluaran dari perubahan kapasitansi dapat dirumuskan dengan persamaan matematis sebagai berikut.
� = � (3) Dengan mensubtitusikan persamaan 2 ke persamaan 3 diperoleh persaman tegangan microfone:
� =��
0 (4)
dengan:
C = kapasitansi kapasitor
A = luas penampang plat
d = jarak antara dua plat kapasitor Q = jumlah muatan
V = beda potensial
Saat kapasitansi kapasitor dinaikkan akan menyebabkan kapasitor terisi muatan dan arus listrik akan mengalir melalui rangkaian sementara proses pengisian muatan berlangsung. Jika dikurangi kapasitansnya, kapasitor tidak lagi mampu menjaga muatannya dan ini akan menyebabkan kapasitor terlucuti (discharge). Sementara kapasitor terlucuti, arus akan mengalir lagi ke rangkaian.
Pada mikrofone kapasitor, peristiwa pengisian dan pelucutan kapasitor memang terjadi. Satu plat kapasitor terbuat dari bahan yang sangat mengkilap yang merupakan diafragma mikrofone. Salah satu platnya difungsikan sebagai membran, dan plat satunya dibuat tetap. Prinsip kerja dari mikrofone condenser
menggunakan prinsip pelucutan muatan dalam sebuah kapasitor. Dua lempeng konduktor yang dipakai diberi polaritas yang berbeda sehingga berfungsi sebagai kapasitor dengan bahan dielektrik berupa udara yang nilainya 1,00059. Secara prinsip dapat digambarkan seperti pada Gambar 2.7 berikut.
Pada Gambar 2.7 diatas gelombang suara mengenai diafragma (satu plat) dan mengakibatkan terjadi getaran yang tergantung pada gelombang suara. Gerakan diafragma menyebabkan perubahan kapasitans. Saat diafragma bergerak masuk, kapasitans akan naik dan terjadi pengisisan muatan. Saat diafragma bergerak keluar, kapasitansi turun dan terjadi pelucutan muatan. Karena gerakan diafragma dan kapasitansi tergantung pada gelombang suara, pengisian dan pelucutan muatan ini merepresentasikan gelombang suara (Cahyono, 2008).
2.3.6. Akuisisi Data dengan Sound Card
Sistem akuisisi data dapat didefinisikan sebagai suatu sistem yang berfungsi untuk mengambil, mengumpulkan dan menyiapkan data, hingga memprosesnya untuk menghasilkan data yang dikehendaki. Mode akuisisi data merupakan tata cara pengiriman data dari suatu perangkat ke perangkat lainnya (Stallingus, 2001). Terdapat dua cara dalam mode akuisisi data, yaitu dengan sinkron dan asinkron. Akuisisi sinkron adalah jenis akuisisi dimana kedua belah pihak, pengirim atau penerima berada pada waktu yang sinkron, contohnya pemancar radio dengan perangkat penerima radio. Akuisisi asinkron merupakan akuisisi data dimana kedua belah pihak baik pengirim maupun penerima tidak perlu berada pada waktu yang sinkron, seperti internet dengan server (Ariyus dan Rumandri, 2008).
dalam mode AC, di antaranya adalah Softscope dan BIP Electronics Lab Oscilloscope. Penelitian yang menggunakan sound card untuk berbagai macam pengukuran telah dilakukan oleh berbagai peneliti diantaranya untuk menguji
transmission loss akustik bahan sekat (Sumawas, 2004), getaran jembatan (Khotimatr, 2004), dan kepekaan telinga (Kardianto,2004). Pada semua penelitian tersebut, sound card digunakan untuk mengukur sinyal-sinyal yang rentang frekuensinya memang dapat ditangkap oleh sound card (Murod, 2005).
Komponen utama sound card adalah ADC (Analogao-Digital Converter) dan DAC (Digital-to-Analog Converter). Dengan prinsip dasar dijelaskan pada gambar berikut;
Gambar 2.8. Blok diagram prinsip dasar sound card (Engdahl, 2009)
(Digital Singal Prosessing). Hasil akhir dari pemrosesan sinyal ini akan dikeluarkan lagi menjadi sinyal analog melalui speker pada jalur output.
2.3.7. Energi Sinyal
Pada dasarnya sebagian besar srnyal (sinyal listik) adalah sinyal tegangan atau arus listrik. Energi E t yang dikeluarkan oleh suatu tegangan listrik V(t) pada suatu resistor R selama rentang waktu tertentu dinyatakan dengan persamaan berikut:
= ∫�� � � 2 (5) Untuk rumus listrik energi sinyal berlaku persamaan
= ∫ ��� (6) Dari persamaan 5 dan 6 diatas, energi tampak berbanding lurus denga integral kuadrat sinyal. Jika hambatan (R) diatur sama dengan 1 ohm, maka persamaan 5 dan 6 dapat dituliskan dalam bentuk yang lebih umum seperti pada persamaan 7 berikut.
= ∫−∞+∞ < ∞ (7) Jika sinyal kontinu menjadi sinyal diskrit maka persamaan energi sinyal menjadi
= ∑+∞
−∞ (8) Untuk sinyal diskrit yang panjangnya berhingga N maka persamaan 8 dapat ditulis sebagai berikut (Lessard, 2006).
= ∑�−
2.3.8. Transfomasi Wavelet
Analisis multi-resolusi digunakan untuk menganalisis sinyal pada frekuensi-frekuensi yang berbeda-beda dan dengan resolusi yang berbeda-beda juga. Metode ini dirancang agar dapat memberikan resolusi waktu yang baik khusus untuk frekuensi-frekuensi tinggi serta memberikan dan resolusi frekuensi yang baik (good resolution) untuk frekuensi-frekuensi rendah. Pendekatan dengan metode ini akan efektif jika sinyal yang dianalisis memiliki kandungan frekuensi tinggi berdurasi pendek dan kandungan frekuensi rendah berdurasi panjang. Transformasi Wavelet dikembangkan sebagai suatu alternatif pendekatan pada Transformasi Fourier Waktu Pendek (Short Time Fourier Transfrom) untuk mengatasi masalah resolusi, namun ada 2 (dua) perbedaan pokok antara Transformasi Fourier Waktu Pendek dengan Transformasi Wavelet, yaitu:
1. Transformasi Fourier pada sinyal yang terjendela (windowed) tidak dilakukan, akibatnya akan terlihat sebuah puncak yang berkaitan dengan suatu sinusoid (artinya, frekuensi-frekuensi negatif tidak dihitung);
2. Lebar jendela berubah-ubah selama transformasi melakukan perhitungan untuk masing-masing komponen spektrum dan ini merupakan ciri khas dari Transformasi Wavelet (Polikar, 1996).
Persamaan Transfomrasi wavelet (continu) dituliskan pada persamaan 10 berikut ini:
� , = √ ∫+∞ �∗ �−
dasar dari dilatasi suatu sinyal dirumuskan pada persamaan berikut (Putra dkk, 2009):
� = ∑ � � − (11) Dalam analisis sinyal menggunakan transformasi wavelet khususnya sinyal yang merniliki frekuensi berubah-ubah terhadap waktu. Yang mana dalam menganalisis sinyal tersebut dapat dilakukan dengan cara memilah-milah sinyal menjadi beberapa bagian, kemudian dari bagian sinyal tersebut dianalisis secara terpisah-pisah dan akan menghasilkan komponen aprosimasi dan detil. Aproksimasi merupakan komponen-komponen skala-tinggi, frekuensi-rendah, sedangkan Detil merupakan komponen-komponen skala-rendah, frekuensi-tinggi. Proses tapisan (filtering) ditunjukkan pada Gambar 2.9, sinyal asli S dilewatkan pada tapis lolos-rendah (lowpass) dan lolos-tinggi (highpass) kemudian menghasilkan dua sinyal A (aproksimasi) dan D (detil). Jika dekomposisi sinyal diteruskan secara iteratif untuk bagian-bagian aproksimasinya sehingga suatu sinyal bisa dibagi-bagi ke dalam banyak komponen-komponen resolusi-rendah, maka proses ini dinamakan sebagai dekomposisi banyak tingkat atau multiple-level decomposition, sebagaimana ditunjukkan pada Gambar 2.10. Dengan melihat hasil pohon dekomposisi wavelet kita akan mendapatkan informasi yang berharga.
Gambar 2.10. Pohon dekomposisi (setengah) wavelet
2.2.9. Dekomposisi dan Korelasi (Dekorlet)
Korelasi merupakan operasi matematik yang sangat mirip dengan konvolusi. Sebagaimana pada konvolusi, korelasi menggunakan 2 (dua) sinyal untuk menghasilkan sinyal yang ketiga. Sinyal ketiga ini disebut sebagai kros-korelasi dari dua sinyal masukan. Jika sinyal dikorelasikan dengan dirinya sendiri, maka hasilnya disebut sebagai autokorelasi. Garnbar 2.11 menunjukan sebuah ilustasi mesin korelasi.
Gambar 2.11 diatas menunjukkan sinyal masukan , dan sebagai hasil korelasi. Bentuk gelombang yang akan dicari, berada di dalam mesin korelasi sebagai sinyal referensi. Tiap-tiap cuplikan dari dihitung dengan cara menggeser ke kanan maupun ke kiri dari mesin korelasi tersebut. Data-data yang terkait antara dengan masing-masing dikalikan kemudian bersama-sama dijumlahkan untuk menghasilkan . Amplitudo tiap-tiap cuplikan pada merupakan ukuran seberapa cocok antara sinyal dari dagaa pada titik tersebut. Dengan kata lain, nilai dari kros-korelasi akan maksimum saat sinyal dan tepat berhimpit dengan kesamaan fitur (Smith,1999). Dengan demikian, jika hasil dari masing-masing dekomposisi penuh dikorelasikan kembali dengan sinyal aslinya, maka akan diperoleh ukuran seberapa besar keterkaitan antara sinyal pada pita frekuensi dengan sinyal asli itu sendiri. Inilah yang mendasari metode penggabungan antara dekomposisi dan korelasi yang kemudian diberi nama metode Dekorlet (Putra, 2006).
�� = �∑�−= (12) dengan:
= sinyal yang akan dibandingkan = sinyal sinyal referensi
�� = sinyal hasil kros-korelasi
2.3.10. Power Spectral Density (PSD)Welch
Spectral Density menggambarkan bagaimana daya dari sinyal periodik didistribusikan diantara komponen-komponen frekuensi. Komponen frekuensi mengadopsi dari transformasi fourier yang menghasilkan koefisien fourier (� ). Dimana nilai koefisien fourier (� ) dari suatu sinyal dapat dihitung menggunakan rumus berikut.
� =� ∫� / − � � �
−� / (13) Dimana � =
� (Periode Fundamental) dan adalah frekuensi pada sekala sinyal (k=….., -1, 0, 1, ……), kemudian dari koefisien ini akan terbentuk spektrum daya dari suatu sinyal seperti pada Gambar 2.12 berikut.
Gambar 2.12. Spektrum daya dari suatu sinyal
Metode Power Spectral Density ini banyak digunakan dibidang pengolahan sinyal digital untuk mengetahui rapat spektrum daya dari suatu sinyal. Power Spectral Density sendiri telah banyak mengalami perkembangan, salah satu metode Power Spectral Density yang mengalami perkembangan adalah Power Spectral Density
(window) sebelum dilakukan perhitungan periodogram. Window yang digunakan pada penelitian ini memakai window jenis Hamming seperti pada persamaan 14 (Gapta et all, 2013). Window ini dipilih untuk mengurangi efek diskontinuitas saat melakukan transformasi pada kawasan frekuensi. Selanjutnya periodogram yang telah dimodifikasi ini dirata-rata dan akan menghasilkan estimasi spektrum yang lebih baik (Kandi, 2013).
w n =0,54− ,46 Cos πn ; 0≤n≤N (14)
Sinyal hasil korelasi dikalikan dengan fungsi window dapat menggunakan persamaan berikut.
xi n =x iD+n w n ; ≤n≤M- , ≤i≤L- (15) Perhitungan periodegram dapat menggunakan persamaan berikut.
P̂i (f)= 1
U|∑n=− xi n e− πfn| (16)
dimana
U = ∑ − w n
n= (17) Perhitungan PSD welch dapat dihitung menggunakan persamaan berikut
P̂ = ∑ − P̂ fi
= (18) dimana:
N =Indeks segment L =Sampel periodegram
P̂ fi = Spectral estimasi periodogram xi n P̂ = Spectral estimasi Welch
D = Panjang antar segment U = Normalisasi window
Setelah dirata-rata nilai dari PSD welch ini dapat digunakan sebagai masukan dalam proses berikutnya seperti Jaringan Syaraf Tiruan (JST).
2.3.11. Jenis Wavelet Daubechies
Teori Wavelet didasarkan pada analisis komponen-komponen sinyal menggunakan sekumpulan firngsi basis (dasar). Satah satu karakteristik penting fungsi-fungsi basis wavelet tersebut adalah keterkaitan antara satu dengan yang lainnya dengan penskalaan dan translasi yang sederhana. Fungsi wavelet asli, biasa disebut sebagai “wavelet induk” atau mother wavelet, biasanya dirancang berdasar beberapa karakteristik yang berkaitan dengan fungsi tersebut, digunakan untuk menghasilkan semua fungsi basis. Secara umum, tujuan dari kebanyakan riset-riset wavelet modern adalah membuat suatu fungsi wavelet ibu atau mother wavelet yang akan memberikan deskripsi sinyal yang dianalisis lebih informatif, efisien dan berguna.
wavelet simetrik adalah wavelet biortogonal, sebagaimana ditunjukan pada Gambar 2.13 (Reza, 1999).
Gambar 2.12. Beberapa contoh fungsi penskalaan dan wavelet coiflet (Reza, 1999)
2.3.12. Jaringan Syaraf Tiruan Balik (Backpropagation)
Jaringan Syaraf Tiruan adalah paradigma pemrosesan suatu informasi yang terinspirasi oleh sistem sel syaraf biologi, sama seperti otak yang memproses suatu informasi. Elemen mendasar dari paradigma tersebut adalah struktur yang baru dari sistem pemrosesan informasi. Jaringan syaraf tiruan, seperti manusia belajar dari suatu contoh. Jaringan syaraf tiruan dibentuk untuk memecahkan suatu masalah tertentu seperti pengenalan pola atau klasifikasi dari proses pembelajaran. Pada dasarnya jaringan syaraf tiruan memiliki 2 struktur yaitu struktur jaringan syaraf tiruan tunggal dan jaringan syaraf tiruan perambatan balik.
Jaringan syaraf tiruan perambatan balik merupakan perbaikan dari jaringan syaraf tiruan lapis tunggal yang memiliki keterbatasan dalam pengenalan pola, yaitu dengan cara menambahkan satu/beberapa lapisan tersembunyi antara lapisan masukan dan keluaran. Skema sistem jaringan syaraf tiruan membalik dapat dilihat seperti pada Gambar 2.14 berikut.
Dalam jaringan syaraf tiruan (JST), fungsi aktifasi dipakai untuk menentukan keluaran suatu neuron. Argumen fungsi aktifasi adalah net masukan (kombinasi linier masukan dan bobotnya). Jika net= ∑ , maka fungsi aktifasinya dapat menggunakan persamaan berikut.
f(net)=f(∑ ) (19)
Dalam backpropagation, fungsi aktivasi yang dipakai harus memenuhi beberapa syarat yaitu: kontinu, terdiferensial dengan mudah merupakan fungsi yang tidak turun. Salah satu fungsi yang memenuhi ketiga syarat tersebut adalah fungsi sigmoid biner yang memiliki range (0,1) (Siang, 2005).
= + − (20)
dengan turunannya
′ = ( − ) (21)
Pelatihan Backpropogation meluputi tiga fase yaitu; a. Fase I: Perambatan maju
bobot setiap garis dalam jaringan akan dimodifikasi untuk mengurangi kesalahan yang terjadi.
b. Fase II: Perambatan mundur
Berdasarkan kesalahan − , dihitung faktor � (k= 1, 2, 3, ……., m) yang dipakai untuk mendistribusikan kesalahn diunit ke semua unit tersembunyi yang terhubung langsung dengan . � juga dipakai untuk mengubah bobot garis yang berhubungan langsung dengan unit keluaran. Menggunakan cara yang sama, dihitung factor � disetiap unit layar tersembunyi sebagai dasar perubahan bobot semua garis yang berasal dari unit tersembunyi dilayar bawahnya.
c. Fase III: Perubahan bobot
Setelah semua faktor � dihitung, bobot semua garis dimodifikasi bersamaan. Perubahan bobot suatu garis didasarkan atas faktor � neuron dilayar atasnya. Sebagai contoh, perubahan bobot garis yang menuju layar keluar didasarkan atas � yang ada diunit keluaran.
Algoritma perambatan balik (Backpropagation) dilakukan dengan langkah-langkah berikut:
Langkah 0: Inisialisasi semua bobot dengan nilai acak kecil (-1 sampai 1). Langkah 1: Jika kondisi penghentian belum terpenuhi, mengerjakan langkah 2-9 Langkah 2: Untuk setiap pasang data latih, kerjakan langkah 3-8
Fase I: Perambatan Maju
Langkah 3: Tiap unit masukan menerima sinyal dan meneruskannya ke unit tersembunyi diatasnya
_ = + ∑= (22) = ( _ ) = + − _ �� (23)
Langkah 5: Menghitung semua keluaran jaringan di unit = , , … . . ,
_ = + ∑ − (24) = ( _ ) = + − _ �� (25)
Fase II: Perambatan Mundur Langkah 6:
- Menghitung factor δ unit keluaran berdasarkan kesalahan di setiap unit keluaran = , , … . . ,
� = − ′(
� ) , � = − − (26) - Menghitung suku perubahan bobot (yang akan dipakai untuk mengubah
bobot ) dengan laju percepatan �
∆ = �� (27) Langkah 7:
- Menghitung factor δ unit tersembunyi berdasarkan kesalahan di setiap unit tersembunyi = , , … . . , �
� = �_ ′( _ )� = _ − (28) - Menghitung suku perubahan bobot (yang akan dipakai untuk merubah
bobot )
∆ = �� (29) Fase III: Perubahan bobot
� = +∆ (k=1, 2, ……,m ; j=0, 1, 2, ….., p) (30) - Perubahan bobot garis yang menuju unit tersembunyi
� = +∆ (j=1, 2, ……, p ; i=0, 1, 2, ….., n) (31)
Dari ketiga fase tersebut diulang-ulang terus hingga kondisi penghentian terpenuhi (MSE (Mean Squere Error) terpenuhi). Umumnya kondisi penghentian adalah jumlah iterasi atau kesalahan. Iterasi akan dihentikan jika jumlah iterasi yang dilakukan sudah melebihi jumlah iterasi yang ditetapkan, atau jika kesalahan yang terjadi sudah lebih kecil dari batas toleransi yang diizinkan (Siang, 2009).
2.3.13. Perangkat Lunak Matlab
Matlab merupakan software yang handal untuk menyelesaikan berbagai permasalahan komputasi numerik yang diproduksi oleh The Mathwork, Ine. Solusi dari permasalahan yang berhubungan dengan vektor dan matiks dapat diselesaikan dengan mudah dan sederhana menggunakan software ini. Matlab menyediakan lingkungan kerja terpadu layaknya bahasa pemrograman lainnya. Lingkungan terpadu ini senantiasa dilengkapi vitur yang canggih seiring dengan pembaharuan versinya. Lingkungan terpadu ini terdiri beberapa form/window yarig memiliki fungsi masing-masing.
Gambar 2.15. Tampilan interfacing sound card secara real time
Dengan menggunakan fasilitas Grafic User Interface (GUI). Grafic User Interface
(GUI) ini memungkinkan interaksi antara user dengan perintah teks semakin mudah. GUI merupakan tampilan grafis yang membuat program menjadi lebih efisien karena semua program yang telah dibangun dapat dikumpulkan dalam satu
BAB III
METODE PENELITIAN
3.1. Waktu dan Tempat Pelaksanaan
Penelitian ini dilaksanakan di Laboratorium Pemodelan Fisika dan Laboratorium Elektronika Dasar Jurusan Fisika Fakultas Matematika dan IImu Pengetatruan Alam Universitas Lampung pada bulan Februari 2014 sampai Mei 2014.
3.2. Alat dan Bahan
Alat dan bahan yang digunakan pada penelitian ini meliputi: 1. Steteskop dan Mikrofone
Steteskop dan mikrofone digunakan untuk mendeteksi sinyal suara jantung yang kemudian diubah kebesaran elektris agar dapat diolah oleh komputer. 2. Penguat Mikrofone
Penguat mikrofone digunakan untuk menguatkan sinyal suara jantung yang berasal dari steteskop, karena output steteskop memiliki frekuensi yang kecil sehingga perlu dilakukan penguatan sebelum masuk ke sound card komputer.
3. Personal Computer (PC)
4. Data Base Suara Jantung
Pada penelitian ini menggunakan data base suara jantung untuk melatih jaringan syaraf tiruan yang telah dibangun, agar diperoleh hasil klasifikasi sinyal yang akurat. Data base ini diperoleh dari sumber yang terpercaya dan diambil langsung dari website Continuing Medical Implamentation.
Continuing Medical Implamentation merupakan salah satu komunitas kesehatan di Amerika Serikat yang menangani masalah penyakit
cardiovascular. Selain meneliti dan merancang alat kesehatan yang berhubungan dengan jantung, komunitas ini juga menyediakan beragam rekaman aktivitas jantung, baik rekaman menggunakan Elektrokardiogram
(EKG) maupun menggunakan Phonocardiogram (PCG). Sehingga pada penelitian ini data base suara jantung yang digunakan sebagai pembanding diambil dari website Continuing Medical Implamentation.
5. Software Matlab
Software Matlab pada penelitian ini digunaka untuk proses komputasi dan pengolahan sinyal berdasarkan rumusan dari metode Dekorlet dan Transformasi Wavelet serta perancangan Jaringan Syaraf Tiruan (JST).
3.3. Metode Penelitian
Tahap pendeteksian sinyal merupakan proses pendeteksian sinyal suara jantung dari tubuh manusia yang menggunakan perangkat keras (hardware). Hardware
pada penelitian ini menggunakan steteskop yang dikombinasikan dengan sebuah mikrofone dan penguat mikrofone yang semuanya saling terintegrasi. Steteskop digunakan untuk mendeteksi suara jantung manusia, kemudian dari suara jantung ini akan dikonversi menjadi besaran elektris oleh mikrofone dan output dari mikrofone ini akan dikuatkan oleh penguat mikrofone. Penguat mikrofone ini akan memperkuat sinyal suara jantung yang dideteksi olek steteskop yang akan dihubungkan ke komputer melalui jalur sound card.
Gambar 3.1. Blok diagram tahapan penelitian Penguatan Mikrofone
Ekstraksi ciri sinyal suara jantung
Klasifikasi dengan JST Perekaman Suara Jantung
Tahap perekaman adalah tahap penggambil sampel data (sinyal suara jantung) yang akan dijadikan data dalam penelitian ini. Sinyal suara jantung yang terekam oleh komputer akan dilakukan pengolahan sinyal hingga diperoleh hasil yang sesuai dengan harapan. Perekaman dan pengolahan sinyal ini dilakukan oleh komputer dengan bantuan perangkat lunak Matlab 7.8.
Tahapan filtering sinyal merupakan salah satu tahapan pemrosesan sinyal yang bertujuan untuk menghilangkan noise random dari hasil rekaman. Noise random ini disebabkan oleh perangkat komputer pada bagian sound card yang rentan terhadap
noise. Apabila noise dalam sinyal tidak dihilangan terlebih dahulu akan menyebabkan kesalahan dalam ekstraksi ciri sinyal. Untuk menghilangkan derau sinyal pada penelitian ini menggunakan salah satu jenis filter digital yaitu filter digital dengan wavelet. Setelah sinyal terbebas dari noise maka barulah dapat dilakukan ekstraksi ciri sinyal.
Tahap ekstraksi ciri merupakan salah satu tahapan pemrosesan sinyal yang bertujuan untuk memperoleh perbedaan ciri antara satu jenis sinyal suara jantung dengan jenis yang lain, dalam hal ini suara jantung normal dan abnormal. Jenis suara jantung yang akan menjadi perbandingan yaitu jenis suara jantung Normal (N), Aortic stenosis (AS), Mitral regurgitation (MR), Aortic regurgitation (AR),
energi dekomposisi pada masing-masing sub-band. Selanjutnya dari hasil ekstraksi ciri tersebut akan diklasifikasi dengan jaringan syaraf tiruan perambatan balik (Backpropogation).
Tahapan klasifikasi merupakan tahapan pemrosesan sinyal suara jantung yang dilakukan untuk mengelompokan suara jantung berdasarkan jenisnya. Pengelompokan sinyal suara jantung ini menggunakan sistem jaringan syaraf tiruan balik. Struktur jaringan syaraf tiruan yang dibangun terdiri atas lapisan input, lapisan tersembunyi dan lapisan output. Jumlah neuron masing-masing lapisan adalah 7, 7 dan 6 neuron. Input jaringan syaraf tiruan ini berasal dari ekstraksi ciri suara jantung yang telah dilakukan menggunakan metode Dekorlet serta menggunakan metode Transformasi Wavelet Diskrit dengan cara menghitung energi normalisasi dekomposisinya. Hasil akhir dari penelitian ini akan didapatkan jenis suara jantung manusia yang dideteksi menggunakan steteskop elektronik (Phonocardiogram).
3.3.1. Penguat Mikrofone
Perancangan hardware pada penelitian ini meliputi perancangan sistem akuisis data melalui sound card, yang terdiri dari rangkaian penguat microfone dengan sistem antarmuka sound card. Gambar 3.2 berikut merupakan rangkaian skematik penguat
Gambar 3.2. Rangkaian penguat mikrofone dengan antarmuka sound card
Rangkaian penguat di atas merupakan rangkaian penguat pre-amplifier mikrofone yang digunakan untuk menguatkan sinyal input yang berasal dari mikrofone sebelum masuk ke sound card PC. Penguat pre-amplifier menggunakan penguat transistor bias pembagi tegangan dua tingkat. Pada prinsipnya penguatan sinyal
output akan tergantung pada sinyal masukan yang berasal dari kaki basis transistor tingkat pertama. Masukan sinyal dari kaki basis terhubung dengan sebuah kapasitor sebesar 2,2 µF yang berguna sebagai kopling, yaitu untuk menahan frekuensi dc yang berasal dari sumber tegangan dan meloloskan frekuensi ac dari mikrofone. Pada penguat transistor tingkat pertama besar nilai input bergantung dari sinyal � yang berasal dari mikrofone. Besar nilai � awal sebesar 6 volt yang dicatu langsung ke mikrofone. Besar nilai � ini akan berubah sebanding dengan besarnya tekanan suara yang diterima oleh mic kondensor. Besar penguatan dari rangkaian diatas dapat dihitung dengan menggunakan persamaan penguat transistor cascade
dua tingkat sebagai berikut.
� = � × � (32) Mikrofone
dimana: � = Penguatan total
� = Penguat transistor tingkat pertama � = Penguat transistor tingkat kedua
Penurunan rumus penguat mikrofone pada rangkaian diatas selengkapnya dapat dilihat pada lampiran 5. Rangkaian diatas juga dilengkapi dengan low pass filter yang dirancang menggunakan resistor dan kapasitor. Besar frekuensi cut off
dihitung dengan persamaan berikut.
�� = �� (33)
dimana: R= Hambatan yang terhubung ke output
C= Kapasitor filter ��= Frekuensi cut off
Resistor sebesar 3,9 KΩ dan kapasitor sebesar 51 nF digunakan sebagai low pass
filter dengan frekuensi cut off sebesar 1500 Hz. Pemilihan frekuensi cut off sebesar 1500 Hz didasarkan pada rentang frekuensi phonocardiogram sebesar 20-1500 Hz. Kemudian dari output pre-amplifier ini akan dikuatkan lagi oleh sound card
komputer.
3.3.2. Perekaman Suara Jantung dengan Matlab
wavrecord, dengan sintak wavrecord(t rekaman, frek sampling). Frekuensi sampling yang digunakan pada penelitian ini sebesar 10504 Hz. Pemilihan frekuensi sampling ini dipilih berdasarkan penyamaan frekuensi sampling sebesar frekuensi sampling sinyal suara jantung yang menjadi data latih pada jaringan syaraf tiruan.
3.3.3. Pemilihan Fungsi Wavelet
Pemilihan fungsi wavelet dalam penelitian ini sangat penting dilakukan. Hal ini mengingat bahwasannya fungsi wavelet akan digunakan sebagai fungsi penganalisis dalam proses filtering sinyal dan ekstraksi ciri sinyal suara jantung. Pada penelitian kali ini fungsi wavelet Doubechies, Coiflet dan Symlet dipilih dan diuji coba sebagai fungsi wavelet penganalisis karena memiliki bentuk sinyal yang mirip dengan sinyal suara jantung. Ketiga jenis wavelet ini akan dicari error
rekonstruksi dengan cara menghitung selisih antara sinyal suara jantung semula dengan sinyal suara jantung hasil rekonstruksi. Fungsi wavelet yang memberikan
error terkecil akan digunakan dalam proses filtering dan ekstraksi ciri sinyal.
3.3.4. Pemfilteran Sinyal dengan Wavelet
Wavelet selain digunakan sebagai ekstraksi ciri sinyal juga dapat digunakan sebagai
dengan transformasi wavelet pada penelitian ini dapat dilihat dalam diagram blok berikut.
Gambar 3.3. Diagram blok de-noising sinyal
Dari diagram blok diatas proses de-noising sinyal dilakukan dengan cara sebagai berikut:
Proses dekomposisi sinyal noise dilakukan menggunakan transformasi wavelet diskrit dengan level dekomposisi sesuai yang diinginkan.
Thresholding sinyal dilakukan dengan cara menentukan nilai standar deviasi dari sinyal noise pada level dekomposisi yang diperkirakan menggandung
noise, kemudian thresholding dihitung dengan persamaan berikut:
� = �√ log � (34) Sinyal Noise
Transformasi Wavelet Diskrit
Thresholding
De-noising Sinyal Invers Transformasi
dimana: � = Standar deviasi sinyal noise N = Panjang data sinyal diskrit T = Threshold
De-noising dan rekonstruksi sinyal dilakukan dengan invers transformasi wavelet diskrit pada daerah threshold.
Ilustrasi dari proses de-noising sinyal dapat dilihat seperti pada Gambar 3.4 berikut:
Gambar 3.4. Ilustrasi proses de-noising sinyal dengan wavelet
Pada penelitian kali ini uji coba filter wavelet dilakukan dengan cara memberikan
3.3.5. Ekstraksi Ciri Sinyal Suara Jantung
Ekstraksi ciri merupakan tahapan yang sangat penting dalam pengolahan sinyal suara jantung, karena dengan ekstraksi ciri dapat menggambarkan ciri khas (kekhasan) antara satu kelompok suara jantung dengan kelompok suara jantung yang lain. Dalam penelitian ini, ekstraksi ciri dilakukan dengan menggunakan metode Dekorlet serta menggunakan energi dekomposisi wavelet. Dekomposisi yang dilakukan pada penelitian ini sebanyak 6 tingkat dengan frekuensi sampling
phonocardiogram sebesar 10504 Hz.
Rentang frekuensi masing-masing tingkat atau sub-band ditunjukan seperti pada Tabel 1 berikut ini.
Tabel 1. Rentang frekuensi sub-band sinyal suara jantung 6 tingkat
Semua Sinyal Suara Jantung Fs=10504 Hz
Sub-band Rentang frekuensi (Hz)
A6 0-82,06
D6 82,06-164,13
D5 164,13-328,25
D4 328,25-656,50
D3 656,50-1313
D2 1313-2626
D1 2626-5252
Rentang frekuensi pada tiap-tiap sub-band kemudian dilakuka ekstraksi ciri dengan menggunakan metode Dekorlet dan Energi Sinyal dari dekomposisi sinyal suara jantung tersebut.
3.3.5.1. Metode Dekomposisi dan Korelasi (Dekorlet)
dikenali. Dekomposisi yang dilakukan pada penelitian ini sebanyak 6 tingkat dengan range frekuensi dari phonocardiogram sebesar 0-5252 Hz. Hasil dekomposisi ini kemudian dilakukan korelasi dengan menggunakan persamaan umum kros-korelasi sebagai berikut.
� = �∑�− � � − �
= (35)
dengan:
� = sinyal dekomposisi suara jantung Normal
� − � = sinyal dekomposisi suara jantung Abnormal
Proses kroskorelasi suara jantung yang dilakukan pada penelitian ini dapat dilihat seperti pada Gambar 3.6 berikut.
Gambar 3.6. Proses ekstraksi ciri suara jantung dengan metode dekorlet Normal Abnormal Hasil Korelasi
Gambar 3.6 diatas menunjukan proses kroskorelasi suara jantung dengan metode dekorlet. Pengkorelasian dilakukan dengan cara mengkroskorelasikan sinyal pada sub-band aproksimasi dan detil untuk suara jantung normal dengan suara jantung abnormal yang dilakukan pada masing-masing sub-band dekomposisi. Hasil korelasi sinyal pada masing-masing sub-band kemudian akan dilakukan perhitunggan Power Spectral Density (PSD) untuk melihat rapat spectral daya dari hasil korelasi.
Power Spectral Density yang digunakan adalah metode Welch. Perhitungan PSD Welch dapat menggunakan persaman 18 yang tertera dalam teori dasar. Kemudian dari hasil perhitungan korelasi sinyal menggunakan Power Spectral Density (PSD) metode welch dirata-rata dan dijadikan inputan dalam jaringan syaraf tiruan.
3.3.5.2. Metode Transformasi Wavelet Diskrit dengan Energi Normalisasi Dekomposisi
Gambar 3.7. Proses ekstraksi ciri suara jantung dengan metode energi sinyal
Energi dekomposisi rerata sinyal detil tiap sub-band dihitung dengan persamaan:
= ∑�ℎ � � 2 , k=1, 2, 3, ………, jumlah cuplik i=1, 2, 3, N (36)
Energi dekomposisi rerata sinyal aproksimasi tiap sub-band � dihitung dengan persamaan:
� = ∑ �
2
�ℎ � � � , k=1, 2, 3, ………, jumlah cuplik � i=1, 2, 3, …., N (37)
Masing-masing energi dekomposisi rerata kemudian dinormalisasi sehingga rentang nilainya antara 0 dan 1 dengan persamaan berikut:
� = �� �
�, �6 , j=1, 2, 3, ………, M=7 (38)
dimana:
� : Energi rerata normalisasi pada dekomposis ke-j : Energi rerata sinyal detil ke-i (i=1,2,3, ..., 6)
� : Energi rerata sinyal aproksimasi ke-i (i=1,2,3, ..., N)
Kemudian energi rerata yang dinormalisasi dari setiap dekomposisinya akan dijadikan input jaringan syaraf tiruan (JST) balik sebagai pengenalan pola suara jantung (Surtono, 2012).
3.3.6. Pemrosesan dengan Menggunakan Jaringan Syaraf Tiruan Perambatan Balik (Backpropagation)
data latih jaringan terdiri dari 6 jenis suara jantung yaitu jenis suara jantung Normal (N), Aortic stenosis (AS), Mitral regurgitation (MR), Aortic regurgitation (AR),
Mitral stenosis (MS) dan Patent ductus arteriosus (PDA).
Struktur JST terdiri atas unit input , unit lapisan tersembunyi dan unit output. Fungsi aktivasi pada lapisan tersembunyi dan lapisan output menggunakan fungsi sigmoid biner. Unit input terdiri atas 7 neuron sesuai dengan jumlah inputan dari ekstraksi ciri, yaitu r , r , r , r , r , r dan r (menggunakan metode dekorlet) serta END , END , EN , END , END , END dan EN� (menggunakan transformasi
wavelet diskrit dan energi sinyal). Unit lapisan tersembunyi terdiri atas 7 neuron dan lapisan output terdiri dari 6 neuron.
