Analisis Spektral Suara Pernapasan Abnor

(1)

Analisis Spektral Suara Pernapasan Abnormal Pada

Anak-Anak Penderita Pneumonia

Lalu Moh. Hasbi Maulidin1_{, Yusuf Aziz Amrulloh}2 Fakultas Teknik Elektro, Universitas Islam Indonesia

Jl Kaliurang KM 14.5 Yogyakarta, Indonesia 1_{13524008@students.uii.ac.id}

2_{yusuf.amrulloh@uii.ac.id}

Suara pernapasan merupakan indikator penting pada proses diagnosis penyakit pernapasan. Di Indonesia, mayoritas tenaga kesehatan masih menggunakan stetoskop analog untuk mendeteksi suara pernapasan. Hal ini menjadikan suara pernapasan hanya bisa didengarkan oleh dokter yang bersangkutan. Padahal, saat ini telah banyak tersedia stetoskop elektronik dengan kualitas yang sangat baik. Alat ini memungkinkan suara pernapasan bisa direkam dan disimpan untuk dianalisis lebih lanjut. Rekaman suara pernapasan tersebut dapat didengarkan oleh beberapa dokter (tim dokter) sehingga diperoleh hasil diagnosis yang objektif. Pada penelitian ini kami menurunkan fitur formant frekuensi dari masing-masing jenis suara pernpasan abnormal yang direkam dengan menggunakan stetoskop elektronik pada subjek anak pneumonia berusia di bawah 5 tahun. Dari total jumlah suara pernapasan pada 7 subjek anak penderita pneumonia yang kami teliti, diketahui bahwa terdapat 29,5% suara wheeze, 26,9% suara ronchi, 38,2% dan suara stridor. Hasil dari penelitian ini diketahui bahwa suara wheeze, ronchi, dan stridor pada subjek anak berusia di bawah 12 bulan memiliki perbedaan nilai frekuensi formant signifikan yang dibuktikan oleh secara keseluruhan nilai signifikansi (p) antara suara wheeze-ronchi dan suara ronchi-stridor kurang dari 0,05, dengan perbedaan tidak signifikansi pada suara wheeze-stridor dibuktikan dengan secara keseluruhan nilai P lebih dari 0,05. Sedangkan pada subjek anak berusia di atas 12 bulan juga memiliki perbedaan yang signifikan antara suara wheeze-ronchi dan wheeze-stridor yang dibuktikan dengan secara keselurhan nilai signikasi (p) yang kurang dari 0,05, dengan perbedaan yang tidak signifikansi pada saura ronchi-stridor dibuktikan dengan secara keseluruhan nilai P yang lebih dari 0,05. Masing-masing suara pernapasan abnormal tersebut pada subjek anak berusia di bawah 12 bulan dan di atas 12 bulan memiliki perbedaan nilai frekuensi signifikan, dibuktikan oleh rata-rata nilai signifikansi (p): wheeze = 0; ronchi = 0 dan stridor = 0. Luaran dari penelitian ini adalah data kuantitatif yang bersifat objektif dari suara pernapasan abnormal untuk keperluan pembelajaran maupun mendukung diagnosis.

Kata kumci—Suara pernapasan abnormal, Pneumonia, Formant, Frekuensi Fundamental.

I. PENDAHULUAN

Pneumonia merupakan penyakit pernapasan berbahaya yang masih menjadi penyebab utama kematian anak di Dunia [1]. Dari data yang dirilis oleh UNICEF tahun 2016 menunjukkan bahwa pneumonia menyebabkan 15% kematian dari total balita di dunia. Diperkirakan 99% kejadian pneumonia terjadi di negara-negara berkembang dan 82%

terjadi di daerah Asia bagian selatan dan Afrika (Sub-Saharan) [2].

Untuk membantu diagnosis penyakit-penyakit berbahaya pada anak-anak (salah satunya pneumonia) terutama di daerah-daerah yang sulit mendapatkan akses kesehatan, WHO memperkenalkan guidline yang disebut Integrated Management of Childhood Illness (IMCI). Cara kerja IMCI dalam mendiagnosis pneumonia adalah dengan mengamati gejala-gejala yang terjadi pada anak pneumonia, dimana napas cepat dan suara pernapasan abnormal menjadi gejala utama untuk menyatakan anak dengan pneumonia [3]. Namun sampai saat ini belum ada nilai kuantitatif tetap pada masing-masing suara pernapasan abnormal, sehingga hasil klasifikasi suara pernapasan abnormal yang dilakukan oleh tenaga kesehatan masih bersifat subjektif.

Untuk membantu tenaga kesehatan dalam mengatasi permasalahan ini peneliti ingin mengkaji suara pernapasan abnormal pada anak-anak dengan pneumonia dan menciptakan sarana bantu untuk tenaga kesehatan (dokter muda) untuk memperkaya pengetahuan dan pengalaman dalam membedakan suara pernapasan abnormal pada subjek anak. Parameter yang dikaji pada penelitian ini adalah nilai frekuensi formant dari suara pernapasan abnormal yang terdapat pada subjek anak dengan pneumonia. Nilai frekuensi masing-masing suara pernapasan abnormal yang didapatkan kemudian dikelompokkan berdasarkan usianya, karena pada dasarnya suara pernapasan yang ada pada anak akan mengalami perubahan seiring dengan bertambahnya usia dari anak tersebut. Temuan ini nantinya diharapkan dapat menjadi sarana pembelajaran terutama di bidang kedokteran tentang perbedaan karakteristik suara pernapasan abnormal pada subjek anak dengan pneumonia dan menjadi sarana latihan untuk menentukan suara pernapasan abnormal pada subjek anak-anak.

II. TINJAUAN PUSTAKA

A. Formant

(2)

oleh lidah, rahang, bibir seseorang hingga jenis kelamin seseorang.

Perhitungan dari fitur formant dapat dilakukan dengan menggunakan adalah Linear Predictive Coding (LPC). Tahapan awal perhitungan nilai LPC pada sebuah sinyal akustik terdiri dari proses filter dan windowing menjadi bingkai-bingkai kecil (small frame). Bingkai-bingkai kecil ini kemudian diperkirakan secara linier kombinasi linier dari sampel P untuk selanjutnya dihitung nilai koefisien LPC dari setiap bingkai-bingkai kecil tersebut. LPC juga dikenal sebagai model pole yang dirumuskan pada persamaan 1 [5][6]:

~

_S

₍

_n

₎₌

_∑

k=1 P

α

_k

s

(

n

−

k

)(1)

Untuk mengetahui selisih dari perbedaan nilai prediksi (S (n)) dan nilai aktual (S(n))/nilai error (e(n)) dari prediksi

̃

dirumuskan pada persamaan 2:

e

(

n

)=

S

(

n

)−~

S

(

n

)=

S

(

n

)−

[

∑

k=1 P

α

k

s

(

n

−

k

)

]

(2)

Setelah memproleh nilai error (e(n)), selanjutnya dilakukan transformasi Z dari persamaan 2 dengan menggunakan persamaan 3:

¿

E

(

z

)

=

S

(

z

)

[

1−

∑

k=1 P

α

_k

z

−k

]

(

SEQ Persamaan

1)

Dari nilai error (e(n)) pada persamaan 2 yang ditransformasi Z menjadi nilai error E(z) persamaan 3, dapat dihitung nilai fungsi alih dari sinyal suara H(z). Rumusan dari suara fungsi alih suara adalah pada persamaan 4:

¿

H

(

z

)=

S

(

z

)

E

(

z

)

=

1 1−

∑

k=1 P

α

_k

z

−k

(

SEQ Persamaan

2)

Dimana:

α

_k : Nilai konstanta (diasumsikan bernilai konstan)

S(n) : Sinyal ucapan P : Jumlah sampel

B. Fast Fourier Transform (FFT)

FFT merupakan singkatan dari Fast Fourier Transform yang digunakan pertama kali pada tahun 1805 oleh Gauss [7]. FFT selanjutnya dipopulerkan oleh James W. Cooley dan John W. Tukey pada tahun 1965 dengan sebuah jurnal yang dipublikasikan oleh American Mathematical Society. Tujuan algoritma ini diciptakan adalah untuk menghitung Discrete Fourier Transform (DFT) dengan cepat dan efisien [8]. FFT

kemudian diterapkan dalam bidang pengolahan sinyal dengan persamaan 5:

X

(

f

)=

∫

−∞ ∞

x

(

t

)

e

−jωt

_ⅆ

_t

₍₅₎

Dimana:

X(f) = Sinyal kontinyu pada domain frekuensi (hasil FFT) x(t) = Sinyal kontinyu pada domain waktu

FFT merupakan algoritma yang diciptakan untuk merepresentasikan sinyal pada domain waktu ke dalam sinyal pada domain frekuensi. FFT mengubah sinyal ke dalam domain frekuensi dengan tujuan untuk memudahkan dalam proses analisis karena pada domain frekuensi sinyal dapat dianalisis dengan lebih mudah. Hal ini juga memungkinkan untuk dapat dilakukan analisis komposisi spektrum dari suatu sinyal.

III. METODE PENELITIAN

Penelitian ini dirancang ke dalam 3 tahapan utama yakni (1) Pengambilan data suara pernapasan pada anak-anak penderita pneumonia, (2) Pengolahan sinyal untuk mengetahui informasi-informasi yang terkandung dalam suara pernapasan yang dan (3) verifikasi hasil penelitian. Hal ini digunakan untuk menentukan alur kerja dari proses penelitian ini secara spesifik. Tahapan mengenai penelitian pemrosesan suara pernapasan abnormal pada subjek anak dengan pneumonia ini dapat dilihat pada Gambar 3.1.

Penjelasan mengenai tahapan alur penelitian akan dijelaskan dalam subbab dibawah ini:

A. Pengambilan data

(3)

dari mendapatkan izin untuk melakukan pengambilan data pada subyek hidup dengan lolos kaji etik dari komite etik (ethical clearance) Fakultas Kedokteran Universitas Islam Indonesia (FK UII). Selain itu juga, pengambilan data hanya dilakukan apabila telah mendapatkan izin dari orang tua/wali dari subyek terkait.

Data yang diambil adalah rekaman suara pernapasan dan rekam medis pada subjek anak berusia di bawah 5 tahun. 2013a dan LabView 2017. Pengolahan sinyal secara umum memiliki 5 tahapan utama yakni:

1. Persiapan data

Persiapan data pada penelitian ini diawali dengan rekaman data suara pernapasan didengarkan oleh tenaga kesehatan (dokter) dengan tujuan untuk mengetahui suara pernapasan abnormal yang ada pada subjek. Pada tahapan ini tenaga kesehatan membantu dalam mengelompokkan suara pernapasan abnormal pada subjek. Tahapan setelah data dikelompokkan berdasarkan suara pernapasan abnormalnya adalah segmentasi pertama (segmentasi 1). Pada tahap ini event-event suara pernapasan abnormal tersebut dipotong secara manual menjadi bingkai besar/big frame dengan menggunakan perangkat lunak Audacity

Suara pernapasan abnormal yang dikaji pada penelitian ini adalah suara ronchi, wheeze dan stridor. Pada masing-masing subjek akan digunakan 30 event suara pernapasan abnormal. Namun apabila subjek memiliki suara pernapasan abnormal kurang dari 30 event, maka akan digunakan semua event suara pernapasan abnormal yang dimiliki oleh subjek

2. Filter

Filter pada penelitian ini ditujukan untuk menghilangkan noise/derau di luar frekuensi suara pernapasan/suara paru-paru. Filter yang digunakan adalah Band Pass Filter (BPF) dengan frekuensi cut-off batas bawah (f_l) 50 Hz dan batas atas (f_h) 2000 Hz. Pemilihan ini didasarkan karena suara pernapasan/suara paru-paru memiliki rentang frekuensi 50 Hz – 2000 Hz. Jenis band pass filter dirancang dengan menggunakan band pass filter tipe Butterworth orde 10. Filter ditujukan untuk melemahkan sinyal pada frekuensi cut-off sebesar 6 dB.

3. Segmentasi

Tahapan ini merupakan tahapan segmentasi ke 2 (segmentasi 2), dimana event suara pernapasan abnormal akan disegmentasi ke dalam bingkai yang lebih kecil (small frame) guna meminimalkan penggunaan memori pada perangkat yang

digunakan. Pada tahapan ini durasi segmentasi divariasikan mulai dari 20 ms – 80 ms. Metode yang digunakan dalam proses segmentasi ini adalah dengan metode overlapping dengan pergeseran tiap small frame sebesar 50% dari small frame sebelumnya.

4. Ekstraksi fitrur

Sinyal yang telah terbagi ke dalam beberapa bingkai kecil small frame kemudian diturunkan fiturnya dengan menggunakan ekstraksi fitur untuk mendapat nilai matematis dari sinyal pernapasan. Metode ekstraksi fitur yang digunakan pada penelitian ini adalah Formant dan Fast Fourier Transform (FFT). Komputasi fitur formant akan dilakukan dengan menggunakan software Matlab. Fitur formant memiliki 5 keluaran berupa nilai frekuensi yang diproleh dari koefisien Linear Predictive Coding (LPC). Sedangkan komputasi FFT akan dilakukan dengan menggunakan software LabView.

Hasil dari ekstraksi fitur formant pertama merupakan nilai frekuensi fundamental. Frekuensi fundamental sendiri merupakan frekuensi dasar dari suatu sinyal. Frekuensi fundamental pada penelitian ini akan ditampilkan pada guideline. Selain itu juga, guideline pada penelitian ini menampilkan sinyal suara pernapasan pada domain frekuensi dan sinyal spectrogram dari setiap event suara pernapasan abnormal. Untuk mengubah sinyal pada domain waktu ke dalam domain frekuensi, pada penelitian ini digunakan algoritma Fast Fourier Transform (FFT). Sinyal dalam domain frekuensi ditampilkan guna untuk mengetahui bentuk sinyal pada domain frekuensi dan nilai magnitude setiap frekuensi dari sinyal suara pernapasan abnormal. Sedangkan spectrogram ditampilkan guna mengetahui perubahan frekuensi berdasarkan waktu.

5. Perhitungan nilai statistik

Hasil dari ekstraksi fitur formant masing-masing memiliki beberapa keluaran dikarenakan setiap sinyal suara pernapasan abnormal dibagi ke dalam bingkai-bingkai kecil. Beberapa keluaran dari bingkai-bingkai kecil pada setiap fitur formant kemudian dihitung nilai rata-ratanya sehingga diperoleh satu nilai masing-masing format pada satu suara pernpasan abnormal.

Setiap subjek pada penelitian ini memiliki lebih dari satu event suara pernapasan abnormal, sehingga untuk memudahkan dalam proses analisis, nilai rata-rata dari masing-masing fitur formant dari masing-masing suara pernapasan abnormal pada setiap subjek dihitung nilai rata-rata dan nilai standar deviasinya. Perhitungan nilai rata-rata-rata-rata dan nilai standar deviasi dilakukan pada setiap variasi duarasi dari bingkai-bingkai kecil (20 ms – 80 ms).

C. Verifikasi Hasil

(4)

diperoleh dari kedua kelompok subjek untuk mengetahui tingkat perbedaannya, baik antara masing-masing suara pernapasan abnormal pada kedua kelompok subjek maupun antara kedua kelompok subjek.

Cara kerja nilai p adalah metode ini membagi data ke dalam dua kelompok nilai dengan batas nilai 0.05. Perhitungan nilai p yang menghasilkan nilai p yang lebih kecil dari dari 0,05 akan dianggap memiliki perbedaan yang signifikan, dimana semakin kecil nilai dari nilai p akan memperkuat bukti bahwa data tersebut saling tidak berkaitan. Sedangkan jika nilai nilai P memiliki nilai yang lebih besar dari 0,05 akan di anggap memiliki perbedaan yang tidak signifikan. Selain itu juga, peneliti akan menampilkan nilai frekuensi fundamental, grafik Fast Fourier Transform (FFT) dan grafik spectrogram dalam guideline pembelajaran untuk tenaga kesehatan sebagai informasi tambahan.

IV. HASILDAN ANALISIS

Pada proses pengambilan data didapatkan 7 rekaman suara pernapasan saja pada 7 subjek yang berbeda. Hasil dari klasifikasi suara pernapasan abnormal secara manual dengan dibantu oleh tenaga kesehatan, diketahui bahwa pada ke-7 subjek yang digunakan pada penelitian ini memiliki wheeze, ronchi dan stridor. Total dari event suara pernapasan dari 7 subjek tersebut adalah sebanyak 513 event suara pernapasan yang terdiri dari 31,2% suara wheeze, 28.5% suara ronchi, dan 40,4% suara stridor. Adapun persebaran suara pernapasan abnormal dari ke-7 subjek yang akan digunakan pada penelitian ini disajikan pada Tabel 1

Tabel 1 Jumlah suara pernapasan pada subjek penelitian

Subjek Wheeze akan digunakan pada penelitian ini dijelaskan pada Tabel 2: Tabel 2 Data jumlah event suara pernapasan abnormal yang dianalisis pada penelitian

Jenis Suara

Pernapasan Subjek SubjekUsia JumlahEvent Event Total

Wheeze

ID3 5 bulan 16

76 ID5 14 bulan 30

ID14 4 bulan 30

Ronchi _ID11ID2 _{12 bulan}6 bulan 30₃₀ 60

Stridor _ID12ID4 _{32 bulan}6 bulan 30₃₀ 60

Total 196

A. Hasil dari ekstraksi fitur formant pada subjek di bawah 12 bulan

Tabel 3 Nilai formant 1 masing-masing suara pernapasan abnormal

20 267,8 194,6 169 24,6 240,5 42 30 252 168,9 166,7 22,1 240,8 39,1 40 244,8 154,4 165,7 21,2 240,4 38,6 50 233,1 115,2 165,4 20,5 241,5 35,1 60 229,8 112,3 164,8 19,2 241 35,1 70 228,7 97,4 164,8 19,6 242,1 32,8 80 224,7 88,2 164,8 18,8 239,3 34,5

Dihitung nilai signifikansi (p) dari data pada Tabel 3 untuk masing-masing suara pernapasan abnormal dan didapatkan hasil: suara wheeze – ronchi dan suara stridor – ronchi memiliki nilai p kurang dari 0,05, sedangkan nilai p suara wheeze – stridor = 0,9112.

20 1355,7 322,₅ 1260,5 192,5 1338,7 274,3

30 1369,9 324,₂ 1303,6 209,5 1385,2 295,9

40 1385 339 1327,5 224,9 1405,7 350,3

50 1403,3 324,₆ 1368,6 221,9 1405,7 369 60 1401 337 1367,7 245,3 1400,2 414,1

70 1418,1 347,₄ 1384,5 247,1 1465,7 364,8

80 1417,7 358,₄ 1413,1 233,9 1309,7 542,6

(5)

(ms)

20 2379,4 306,₉ 2258 ₁₀ 2 2361,6 255,9

30 2399,8 306 2307 229,1 2415,6 274,3 40 2426,1 305,₉ 2330,5 234,1 2454,6 304

50 2450,3 284 2368,6 245,9 2470,5 292,3

60 2451,6 284,₇ 2371,9 246,1 2482,2 317,7

70 2473,8 283,₁ 2388,7 247,8 2541,7 282,1

80 2480,9 293,₃ 2417,4 241,3 2464 364,8

Dihitung nilai signifikansi (p) dari data pada Tabel 5 untuk masing-masing suara pernapasan abnormal dan didapatkan hasil: suara wheeze¬ – ronchi dan suara stridor – ronchi memiliki nilai p kurang dari 0,05, sedangkan nilai p suara wheeze – stridor = 0,1358.

Durasi

Small frame

(ms)

Wheeze Ronchi Stridor

Me Std Me Std Me Std

20 3372,9 312,5 3251,3 219,₆ 3358,6 257,3

30 3395,1 308,7 3302,4 234,₈ 3414,8 274,5

40 3427,2 306,4 3332,2 231,₉ 3454,7 306,6

50 3454 278,8 3377,1 237,₅ 3472,7 289,7

60 3456,9 278,9 3375,9 251,₈ 3487,6 311

70 3477,5 274 3398 244,₇ 3544,02 280

80 3488,3 284,4 3429,2 233,₇ 3477,9 348,4

Tabeln 7 Nilai formant 5 masing-masing suara pernapasan abnormal

Durasi

Small frame

(ms)

20 4357,9 310 4233,7 220,4 4342,5 260,3 30 4380,6 305,₆ 4287 234,7 4400,6 278,1

40 4414,2 303,₈ 4316,4 235,9 4443 306,5

50 4441,3 278,₄ 4362,9 240,1 4462 287,4

60 4445,6 275,₅ 4366,6 240 4477,6 309,9

70 4465 272,₅ 4384,3 248,7 4533 280,9

80 4480,6 279,₇ 4419,4 236,2 4471 344

Berdasarkan Tabel 3 – Tabel 7, diketahui bahwa nilai frekuensi formant pada masing-masing suara pernapasan abnormal dari kelompok subjek berusia di bawah 12 bulan memiliki perbedaan. Dari Tabel 3 – Tabel 7 terlihat bahwa nilai frekuensi formant pada suara wheeze dan suara stridor memiliki nilai perbedaan yang tidak signifikan. Hal ini dibuktikan dari nilai p untuk suara wheeze dan stridor secara keseluruhan memiliki nilai p lebih dari 0,05. Perbedaan tidak signifikan ini terjadi karena suara wheeze dan suara stridor memiliki karakteristik yang mirip. Ini dikarenakan suara stridor merupakan suara wheeze yang terdengar saat menghembuskan napas (ekspirasi).

Pada Tabel 3 – Tabel 7 terlihat juga nilai frekuensi formant pada suara wheeze – ronchi dan suara ronchi – stridor secara keseluruhan memiliki nilai p yang kurang dari 0,05. Pada masing-masing nilai frekuensi formant, nilai p pada kedua kelompok tersebut memiliki hanya satunilai frekuensi formant yang memiliki nilai p lebih dari 0,005, yakni pada nilia frekuensi formant 2 dengan nilai p maing-masing adalah 0,0537 dan 0,1641. Sehingga dapat dikatakan bahwa suara wheeze dan ronchi memiliki perbedaan yang signifikan. Begitu pula dengan suara stridor dan ronchi, yakni dapat dikatakan memiliki perbedaan yang signifikan.

B. Hasil dari ekstraksi fitur formant pada subjek di atas 12 bulan

Tabel 8 – 12 berikut akan menyajikan hasil perhitungan rata-rata dari nilai rata-rata (Me) dan standar deviasi (std) hasil ekstraksi frekuensi formant suara pernapasan abnormal pada subjek anak berusia di atas 12 bulan.

Durasi

Small frame

(ms)

Me Std Me Std Me- Std

(6)

Dihitung nilai signifikansi (p) dari data pada Tabel 8 untuk masing-masing suara pernapasan abnormal dan didapatkan hasil: suara wheeze – ronchi dan suara wheeze – stridor memiliki nilai p kurang dari 0,05, sedangkan nilai p suara ronchi – stridor = 0,6179.

Durasi

Small frame

(ms)

20 1270,5 264,₇ 1260,5 192,5 1406,8 340,8

30 1284,6 271,₉ 1303,6 209,5 1438,1 384,1

40 1306,9 268 1327,5 224,9 1418,6 445,4 50 1298,3 283,₆ 1368,6 221,9 1442,8 447,5

60 1315,7 312,₇ 1367,7 245,3 1419,7 498,9

70 1307,7 325,₉ 1384,5 247,1 1387,8 527,2

80 1298,9 370,₇ 1413,1 233,9 1379 551,6

Dihitung nilai signifikansi (p) dari data pada Tabel 9 untuk masing-masing suara pernapasan abnormal dan didapatkan hasil: suara wheeze – ronchi, suara wheeze – stridor dan suara ronchi – stridor memiliki nilai p kurang dari 0,05.

Durasi

Small frame

(ms)

20 2280,1 259,₄ 2433 299,3 2451,3 284,1

30 2300,5 264,₇ 2469,5 297,7 2499,5 298,7

40 2324,8 274,₄ 2500,5 302,9 2507,2 315,2

50 2321 264,₄ 2525,4 305,5 2534 313,2

60 2343,9 284,₇ 2533 323,9 2533,9 338,4

70 2339,9 289,₆ 2550,9 304,6 2520,5 345

80 2355,1 305,₅ 2559,2 318,5 2523,8 356,4

Dihitung nilai signifikansi (p) dari data pada Tabel 10 untuk masing-masing suara pernapasan abnormal dan didapatkan hasil: suara wheeze – ronchi dan suara wheeze – stridor memiliki nilai p kurang dari 0,05, sedangkan nilai p suara ronchi – stridor = 0,9929.

Durasi

Small frame

(ms)

20 3270,7 264,₆ 3430,7 298,2 3450,5 282,1

30 3291,5 271,₉ 3470,5 293,9 3502 291,9

40 3319,1 280,₅ 3505,5 293,6 3513,6 304,2

50 3314,4 266,₂ 3528,8 298,9 3538,5 308,1

60 3342,6 283,₅ 3540,7 309,4 3540,8 329

70 3339,4 287,₄ 3559 291,1 3530,5 330,7

80 3355 302,₂ 3566,5 305,8 3533,5 342,9

Dihitung nilai signifikansi (p) dari data pada Tabel 11 untuk masing-masing suara pernapasan abnormal dan didapatkan hasil: suara wheeze – ronchi, suara wheeze – stridor dan suara ronchi – stridor memiliki nilai p kurang dari 0,05.

Durasi

Small frame

(ms)

20 4252,9 265,₆ 4414,8 298,3 4436,4 281,3

30 4276,3 268,₇ 4456,5 293,4 4489,9 290,9

40 4302,4 281,₆ 4492,9 294,7 4502,5 301,6

50 4299,1 265,₉ 4519,7 291,5 4529,2 302

60 4327,4 284,₃ 4529,5 307 4532,5 322,2

70 4325,3 286,₉ 4548,7 289,5 4522,1 326

80 4342,7 299,₅ 4558,6 297,1 4526,1 336,1

(7)

Berdasarkan Tabel 8 – Tabel 12, diketahui bahwa nilai frekuensi formant pada masing-masing suara pernapasan abnormal dari kelompok subjek berusia di atas 12 bulan memiliki perbedaan. Dari Tabel 8 – Tabel 12 terlihat bahwa nilai frekuensi formant pada suara wheeze dan suara ronchi memiliki nilai perbedaan yang tidak signifikan. Ini dibuktikan dari nilai p pada masing-masing nilai frekuensi formant suara stridor dan ronchi memiliki nilai lebih dari 0.05. Hal ini terjadi karena suara ronchi memiliki karakteristik yang mirip dengan suara wheeze, dimana suara stridor adalah suara wheeze yang terdengar saat ekspirasi. Bedanya adalah suara ronchi terjadi dengan saluran udara yang lebih besar. Selain itu juga, diketahui bahwa subjek dengan suara stridor memiliki rentang usia yang jauh berbeda dengan usia subjek dengan suara ronchi. Hal ini menyebabkan organ-organ pernapasan pada subjek dengan suara ronchi memiliki organ yang lebih besar.

Berdasarkan Tabel 8 – Tabel 12 juga diketahui bahwa nilai p pada nilai frekuensi formant suara wheeze dan ronchi memiliki nilai yang lebih kecil dari 0,05. Hal yang sama terjadi pada nilai p pada nilai frekuensi formant dari suara wheeze dan stridor. Sehingga dapat dikatakan bahwa nilai frekuensi formant antara suara wheeze dan ronchi memiliki perbedaan nilai yang signifikan. Begitu pula dengan nilai frekuensi formant pada suara wheeze dan stridor. Hal ini terjadi karena perbedaan usia dan perbedaan usia pada subjek.

Berdasarkan Tabel 3 – Tabel 12 diketahui bahwa masing-masing suara abnormal pada dua kelompok subjek memiliki nilai frekuensi formant yang berbeda. Pada penelitian ini dilakukan perhitungan nilai p untuk mengetahui perbedaan masing-masing suara pernapasan abnormal pada kedua kelompok subjek. Hasil yang diperoleh yaitu nilai p pada perbandingan antara dua kelompok usia masing-masing suara pernapasan abnormal adalah suara wheeze: formant 1 – formant 5 memiliki nilai p kurang dari 0,05; suara ronchi: formant 1 – formant 5 memiliki nilai p kurang dari 0,05; suara stridor: formant 1, formant 3, formant 4 dan formant 5 memiliki nilai p kurang dari = 0,05 dengan nilai p formant 2 = 0,2429. Hal ini menunjukkan bahwa masing-masing suara pernapasan abnormal pada kedua kelompok subjek secara keseluruhan memiliki nilai frekuensi formant yang berbeda signifikan. Hal ini membuktikan bahwa seiring bertambahnya usia menyebabkan perubahan pada organ tubuh yang menyebabkan perubahan karakteristik dari suara pernapasan abnormal.

C. Desain Antarmuka Sarana Pembelajaran Suara Pernapasan Abnormal Pada LabView

Gambar 1. Antarmuka guideline untuk mendengarkan dan menampilkan suara pernapasan abnormal anak pneumonia

Gambar 1 merupakan tampilan dari guideline untuk mendengarkan dan menampilkan sinyal (sinyal asli suara, sinyal Fast Fourier Transform (FFT) dan sinyal spectrogram) suara pernapasan abnormal pada pasien pneumonia. Selain itu, dari guideline ini ditampilkan nilai frekuensi fundamental. Guideline ini berisi database suara pernapasan abnormal berupa suara wheeze, crackle, ronchi dan stridor dari pasien pneumonia yang telah didapat pada proses pengambilan data dan telah masuk ke dalam tahap segmentasi menjadi bingkai besar.

Keluaran hasil segmentasi suara pernapasan abnormal menjadi bingkai besar akan masuk ke dalam proses filter dengan meloloskan frekuensi 50 Hz – 2000 Hz. Kemudian sinyal suara pernapasan abnormal tersebut akan masuk ke dalam proses transformasi dari domain waktu ke domain frekuensi dengan menggunakan Fast Fouries Transform (FFT) dan akan diolah sehingga dapat ditampilkan ke dalam grafik FFT dan diperoleh nilai frekuensi fundamentalnya. Selain itu juga ditampilkan grafik spectrogram dari sinyal suara pernapasan abnormal tersebut.

Guideline yang dibuat ini bertujuan sebagai alat bantu dalam proses pembelajaran dibidang kedokteran (dokter muda dalam masa studi). Guideline bisa menjadi sarana latihan untuk mendengarkan suara pernapasan abnormal karena berisi database suara pernapasan abnormal dari penderita pneumonia.

(8)

pernapasan abnormal, sinyal FFT dan sinyal spectrogram pada kotak dialog Gambar 3.

Gambar 3. Kotak penampil pada guideline dan tombol stop

V. KESIMPULAN

Nilai frekuensi formant pada suara wheeze, ronchi dan stridor memiliki nilai yang berbeda. Untuk subjek berusia di bawah 12 bulan frekuensi fundamental untuk suara wheeze: 229,8 ± 112,3 Hz, ronchi: 164,8 ± 19,2 Hz dan stridor: 241 ± 35,1 Hz. Sedangkan pada subjek berusia di atas 12 bulan frekuensi fundamental untuk suara wheeze: 203,4 ± 49,5 Hz, ronchi: 252,1 ± 96,3 Hz dan stridor: 261,4 ± 54,4 Hz. Frekuensi formant suara wheeze – ronchi dan ronchi-stridor pada anak berusia di bawah 12 bulan memiliki perbedaan signifikan, dibuktikan dengan secara keseluruhan nilai P yang kurang dari 0,05. Sedangkan pada suara wheeze-stridor memiliki nilai frekuensi formant yang tidak signifikan, dibuktikan dengan secara keseluruhan nilai p yang lebih dari 0,05. Frekuensi formant suara wheeze – ronchi dan wheeze – stridor pada anak berusia di atas 12 bulan memiliki perbedaan signifikan, dibuktikan dengan secara keseluruhan nilai p yang kurang dari 0,05. Sedangkan pada suara ronchi – stridor memiliki nilai frekuensi formant yang tidak signifikan, dibuktikan dengan secara keseluruhan nilai p yang lebih dari 0,05. Masing-masing suara pernapasan abnormal pada subjek

anak berusia di bawah 12 bulan dan di atas 12 bulan memiliki perbedaan nilai frekuensi signifikan, dibuktikan dengan secara keseluruhan nilai P yang kurang dari 0,05.

DAFTAR PUSTAKA

[1] E. W. J. (UNICEF) and M. H. Tessa Wardlaw (UNICEF), Pneumonia: The Forgotten Killer of Children. UNICEF, 2006.

[2] Unicef, One is too many - Ending child deaths from pneumonia and diarrhoea, no. 0–78. New York, 2016. [3] S. Ashley, “World Health Organization Integrated Management of Childhood Illness ( IMCI ),” World Heal. Organ., no. October, 2015.

[4] U. M. Rahim, Widia, Erwin, “Analisis Spektrum Suara Manusia Berdasarkan Jenis Kelamin (Gender) Dan Kelompok Umur Menggunakan Komputer,” vol. 2, no. 1, 2015.

[5] D. Y. Loni and S. Subbaraman, “Formant estimation of speech and singing voice by combining wavelet with LPC and Cepstrum techniques,” 9th Int. Conf. Ind. Inf. Syst. ICIIS 2014, 2015.

[6] J. L. G. Zapata, J. C. Diaz Martin, and P. G. Vilda, “Fast formant estimation by complex analysis of LPC coefficients,” Eur. Signal Process. Conf., vol. 06–10– Sept, pp. 737–740, 2015.

[7] M. T. Heideman, D. H. Johnson, and C. S. Burrus, “Gauss and the history of FFT,” IEEE Acoust. Speech, Signal Process. Mag., vol. 1, no. October, pp. 14–21, 1984.

(9)