Journal of Control and Network Systems

EKSTRAKSI CIRI DAN IDENTIFIKASI SINYAL SUARA

JANTUNG S1 DAN S2 PHONOCARDIOGRAM (PCG)

MENGGUNAKAN METODE CONTINUOUS WAVELET

TRANSFORM

Fitriya Ningsih 1) _Jusak2) _{Ira Puspasari}3)

Program Studi/Jurusan Sistem Komputer Institut Bisnis dan Informatika Stikom Surabaya

Jl. Raya Kedung Baruk 98 Surabaya, 60298

Email: 1)fitriya0603@gmail.com, 2)jusak@stikom.edu, 3)ira@stikom.edu

Abstrak: Penyakit jantung salah satu penyakit yang mengancam kesehatan manusia. Penyakit penyebab kematian di kalangan masyarakat adalah jantung koroner. Penyakit jantung menempati posisi puncak, bahkan di negara Indonesia sendiri. Penyakit jantung dapat dideteksi semenjak dini melalui analisis frekuensi untuk menghindari kejadian yang tidak diinginkan, dengan memperhatikan komponen-komponen penyusun utamanya, yaitu S1(suara jantung pertama), S2(suara jantung kedua), dan murmur pada siklus suara jantung. Untuk mengantisipasi hal diatas dapat diambil tindakan dengan cara mendiagnosis kelainan jantung menggunakan pengolahan sinyal suara jantung. Penelitian tersebut menggunakan metode Continuous Wavelet Transform, yaitu mengekstraksi ciri dan mengidentifikasikan sinyal suara jantung S1 dan S2. Dari hasil percobaan yang dilakukan pada interval rata-rata S1 dan S2 dengan selang waktu cuplik jantung dalam keadaan normal 8kHz, 44.1kHz dan 48kHz selama 0.26s, interval rata – rata S2 ke S1 selama 0.53s, interval rata – rata S1 ke S1 selama 0.83s dan interval rata – rata S2 ke S2 selama 0.83s.

Kata Kunci: Continuous Wavelet Transform, Phonocardiogram, Time – Frequency, S1 dan S2

Penyakit jantung merupakan yang sangat membahayakan. Penyakit jantung mendapat peringakat tertinggi yang menyebabkan kematian di Dunia. Bahkan di Indonesia penyakit jantung menempati posisi pertama sebagai penyebab kematian.

Salah satu penyebab dari serangan jantung adalah adanya kelainan yang terdapat di jantung. Kelainan jantung dapat dibedakan menjadi dua, yaitu kelainan dalam bentuk morfologis dan fisiologis.hal yang harus diperhatikan sebelum mendeteksi kelainan jantung adalah memisahkan suara jantung menjadi komponen – komponen utamanya, yaitu S1 (suara jantung pertama), S2 (suara jantung kedua), dan murmur pada satu siklus suara jantung melalui análisis frekunsi.

Untuk permasalahan diatas dapat diatasi dengan adanya perkembangan dunia kedokteran saat ini dapat dilakukan pemrosesan sinyal digital. Dokter dapat menganalisis suara detak jantung pasien kembali menggunakan stetoskop elektrik atau PCG.

Tahun 2012 penelitian yang dilakukan oleh Putri Madona, Achmad Arifin, Tri Arief Sardjono dengan judul penelitian “Segmentasi Suara Jantung S1 dan S2 Menggunakan Kurva Amplop” yang menyimpulkan penggunaan algoritma Shannon energy dan moving average filter, semakin lebar window yang digunakan, akan memperbesar geseran yang terjadi pada hasil perhitungn kurva amplop terhadap sinyal aslinya. Penggunaan kurva amplop Shannon energy lebih direkomendasikan karena memilki pergeseran yang lebih kecil dibandingkan moving average filter . Presentase yang dihasilkan melalui metode pemisahan sinyal suara jantung S1 dan S2 menghasilkan nilai sebesar 71.43% pada masing-masing suara jantung menggunakan algoritma segmentasi (Madona dkk, 2012).

Penelitian yang juga dilakukan oleh Putri Madona, Achmad Arifin, Tri Arif Sardjono dan Rimuljo Hendradi dengan judul penelitian “Analisis Suara Jantung Berbasi Complex Continuous Wavelet Transform” yang JCONES Vol. 7, No. 1 (2018) 113-120

Journal of Control and Network Systems

Situs Jurnal : http://jurnal.stikom.edu/index.php/jcone

menyimpulkan bahwa Transformasi Wavelet Kontinu melakukan ekstraksi ciri fisiological event terhadap jantung normal dan murmur untuk menguji dan menyajikan informasi frekuensi yang didapatkan dalam bentuk skala dan waktu bersamaan.

Dari pengujian yang dilakukan peneliti sebelumnya, belum diketahui secara pasti waktu posisi S1 dan S2. Untuk menyempurnakan penelitian tersebut perlu dilakukan pengkajian dengan cara ekstraksi ciri dan identifikasi sinyal suara jantung menggunakan metode Continuous Wavelet Transform (CWT) dan Mother Wavelet Biorthogonal orde 6.8 dengan variasi frekuensi sampling jantung normal 8kHz, 44.1kHz dan 48kHz dari data PCG real yang diperoleh pada penelitian Anggi Citra Ekinasti pada tahun 2016.

LANDASAN TEORI

Jantung

Fungsi jantung adalah sebagai pompa darah yang dapat mengalirkan darah keseluruh tubuh. Peredaran darah dari jantung untuk bagian tubuh dan kembali ke jantung merupakan fungsi dari pembuluh darah (Taylor, 2010).

Berikut ini bagian - bagian dari jantung yaitu: a. serambi (atrium)

b. bilik (ventricle).

Fungsi dari otot – otot jantung yaitu memompa darah dari satu ruang ke ruang lainnya. Setiap proses pemopaan katup jantung membuka maka darah akan mengalir ke ruang yang dituju. Lalu katup menutup agar mencegah aliran balik dari darah (Setiaji, 2011).

Empat bagian pada suara jantung yaitu: 1. Suara jantung pertama (S1) yaitu bunyi yang

disertai dengan penutupan katup atrioventricular yaitu katup trikuspidal dan katup mitral

2. Suara jantung kedua (S2) terjadi karena katup seminular tertutup yaitu katup aorta dan katup pulmonal secara tiba – tiba.

3. Bunyi ventrikel merupakan suara jantung ketiga

4. bunyi dengan suara rendah merupakan suara jantung ke empat

Secara umum, frekuensi sinyal jantung berkisar 20 – 200 Hz. Pada siklus jantung terjadi periode sistol yang merupakan proses untuk mengosongkan darah pada serambi sedangkan diastole merupakan proses pengisian darah pada jantung (Maisyaroh, 2012).

Phonocardiogram (PCG)

Phonocardiogram (PCG) merupakan aktivitas rekaman getaran jantung yang dihasilkan oleh alat elektronik. Suara jantung diindikasikan oleh laju dan ritme jantung pada saat memompa darah. Efektifitas pemompaan jantung dan aktifitas katup jantung merupakan informasi dari suara jantung. Suara jantung akan terlihat lebih efisien ketika ditampilkan dalam bentuk gambar (Debbal, 2009).

Pada umumnya ada dua suara jantung, dalam penyebutannya lub yang merupakan suara jantung yang pertama (S1) dan dub merupakan suara jantung yang kedua (S2). Suara yang dihasilkan S1 memiliki waktu yang lebih lama dibandingkan dengan waktu S2 (Nurlaili, 2011). Berikut ini merupakan frekuensi suara jantung, (Debbal, 2014):

a. S1 (30 – 100 Hz) dan b. S2 (100 – 200 Hz).

Suara jantung memiliki unsur sistole dan diastole. Sistol adalah waktu yang diperlukan selama detak jantung pertama dan detak jantung kedua, sedangkan diastol adalah waktu yang diperlukan selama detak jantung kedua dan detak jantung pertama pada ritme selanjutnya. Sistole dan diastole ditunjukkan pada Gambar 1.

Gambar 1. Bunyi Jantung Normal (Rizal, 2007)

Denoising

Denoising merupakan cara untuk memperkecil sinyal noise, agar mendapatkan hasil gambaran sinyal asli. Dalam hal ini konsep yang digunakan untuk men-denoise sinyal adalah memperkecil atau men-threshold terhadap komponen wavelet yang memiliki frekuensi tinggi yang disebut koifisien detail.

Thresholding adalah salah satu metode pengurangan noise yang paling sederhana dan menjadi dasar bagi beberapa metode pengurangan noise yang lain. Ada 2 jenis thresholding yang diterapkan pada fungsi wavelet, yaitu hard thresholding dan soft thresholding. Soft threshold adalah bagian – bagian yang mempunyai nilai kurang dari threshold yang diperkecil perlahan menjadi nol.

Continuous Wavelet Transform (CWT)

Transformasi Wavelet Kontinu adalah suatu perubahan fungsi window terhadap sinyal x(t), fungsi ini dapat berubah disetiap waktu dan disetiap skala yang diinginkan. Fungsi dasar dari wavelet berasal dari jendela modulasi yang merupakan mother wavelet.

Continuous Wavelet Transform (CWT) dikembangkan untuk mengatasi masalah resolusi.dan alternatif waktu singkat. Analisa wavelet menyerupai metode Short Term Fourier Transform (STFT), STFT dan CWT memiliki dua perbedaan utama, yaitu:

1. Fourier transforms dari sinyal-sinyal window yang ada tidak diambil. Hal ini disebabkan karena titik puncak tidak sesuai dengan frekuensi negative sehingga tidak dihitung. 2. Perubahan lebar jendela pada transformasi

akan dikalkulasikan pada setiap komponen spektral tunggal merupakan salah satu ciri penting dari metode transformasi wavelet ini. Transformasi Wavelet Kontinu didefinisikan sebagai persamaan berikut :

𝐶𝑊𝑇𝑥ᴪ (𝜏, 𝑠) = ᴪ𝑥ᴪ(𝜏, 𝑠) = 1 √|𝑠| ∫ 𝑥 (t) ᴪ ∗ ₍𝑡−𝜏 𝑠 ) dt (1) Keterangan : CWT = koofisien ᴪ = psi s = scala t = time 𝜏 = tau x = data * = konjugasi

Dari perumusan di atas, terdapat adanya perubahan sinyal dari dua variabel tau dan s, serta translasi dan skala parameter. Psi(t) adalah fungsi transformasi yang digunakan memanggil mother wavelet. Prototype dari fungsi pembangkit window yang lain merupakan fungsi dari mother wavelet. Guna didapatkan informasi yang simultan, dan resolusi waktu serta frekuensi yang tinggi tentang sinyal tertentu maka dikembangkan suatu metode CWT

Transformasi wavelet kontinu dihasilkan dari sebuah konvolusi sinyal s(t) dengan sebuah modulasi window disetiap waktu dengan skala yang dikehendaki. Maka dari itu mother wavelet atau fungsi dasar wavelet mempunyai skala yang fleksibel.

Energi merupakan sesuatu kemampuan yang bisa memberikan perubahan, energi berfungsi untuk menggambarkan berapa banyak potensi sistem yang berubah. Pada suara jantung selalu memiliki energi normalisasi yang besar, sedangkan energi normalisasi yang kecil akan memiliki nilai

frekuensi hasil dekomposisi yang semakin tinggi maka memiliki energi normalisasi yang kecil dikarenakan dalamnya memiliki artefak (Kumar, 2015).

Wavelet Biorthogonal

Wavelet biorthogonal adalah bentuk perluasan dari konsep wavelet orthogonal. Istilah ‘biorthogonal’ dilihat dari adanya 2 fungsi basis atau yang disebut dengan fungsi skala yang saling orthogonal satu sama lain, tetapi masing-masing sinyal tidak membentuk set orthogonal. Keuntungan menggunakan Biorthogonal Wavelet transform adalah penggunaan kelas filter yang lebih luas. Ditunjukan pada Gambar 2.

Gambar 2 Mother Wavelet Biorthogonal (Matlab)

METODE PENELITIAN

Metode penelitian yang telah diterapkan pada penelitian ini meliputi studi literatur dan penelitian yang dilakukan di laboratorium. Studi literatur dilakukan guna menggali teori dasar dan informasi yang didapat dari jurnal, buku, dan beberapa artikel yang berkenaan dengan permasalahan yang ada. Hasil informasi studi literatur selanjutnya ditindaklanjuti dengan melakukan pembuatan program pada software Matlab guna membantu melakukan analisis. Rancangan penelitian ini memiliki blok diagram yang ditunjukan lebih rinci pada Gambar 4.

Gambar 3. Diagram Blok Rancangan Penenlitia

Prosedur penelitian :

1. Pada penelitian ini menggunakan data sebenarnya. Yaitu sebanyak 3 subjek serta pengambilan data dilakukan terhadap subjek dalam keadaan normal dan relax. Lama pengambilan data untuk tiap subjek adalah 5 detik dengan menggunakan beberapa frekuensi sampling yaitu 8kHz, 44.1kHz dan 48kHz.

2. Sebelum sinyal asli diolah dengan metode Continuous Wavelet Transform (CWT) sinyal terlebih dahulu dilakukan denoising.

3. Sinyal yang didapatkan lalu dilakukan pengujian dengan CWT menggunakan Mother Wavelet Biorthogonal orde 6.8. 4.

Setelah itu sinyal PCG di ekstraksi

dengan metode CWT. Pada tahap ini

menghasilkan nilai koefisien yang terdistribusi dari nilai energi dalam bidang waktu – frekuensi.

5. Dari hasil ekstraksi tadi dilakukan pemilihan nilai energi maksimum sinyal, frekuensi sebagai fungsi waktu dan menentukan posisi S1 dan S2 berdasarkan analisis frekuensi dan energi maksimum sebagai fungsi waktu.

HASIL DAN PEMBAHASAN

Hasil Pengujian Sinyal PCG dan Sinyal Hasil

Denoising

Penelitian yang dilakukan sebanyak 9 kali. Data diambil dari database dengan format file yang berupa .wav dan menggunakan beberapa frekuensi sampling jantung normal yaitu 8kHz, 44.1kHz dan 48kHz di setiap subjek. Untuk setiap subjek dan setiap frekuensi sampling diamati selama 5 detik. Pada proses Denoising menggunkan soft thresholding dengan threshold rule level dependent thresholding, serta menggunakan Mother Wavelet Biorthogonal 6.8. Adapun hasil pengambilan data dan hasil proses Denoising yang dapat dilihat sebagai berikut :

Gambar 4 Perbandingan Antara Sinyal Asli dan Sinyal Hasil Denoising untuk Subjek Pertama

pada Frekuensi Cuplik 8kHz

Gambar 5 Perbandingan Antara Sinyal Asli dan Sinyal Hasil Denoising untuk Subjek Pertama

pada Frekuensi cuplik 44,1kHz Database

PCG

Denoising

Continuous Wavelet Transform (CWT)

Ekstraksi dan Identifikasi Sinyal Jantung S1 dan S2

Output :

1. Analisis energi maksimum sinyal sebagai sinyal waktu untuk mother wavelet Biorthogonal 6.8 dan beberapa variasi frekuensi sampling dari sinyal untuk menentukan parameter uji energi.

2. Analisis frekuensi sebagai fungsi waktu untuk

mother wavelet Biorthogonal 6.8 dan beberapa

variasi frekuensi sampling dari sinyal untuk menentukan parameter uji energi dan standar deviasi.

3. Analisis untuk menentukan posisi S1 dan S2 berdasarkan analisis frekuensi dan energi maksimum sebagai fungsi waktu.

Gambar 6 Perbandingan Antara Sinyal Asli dan Sinyal Hasil Denoising untuk Subjek Pertama

pada Frekuensi Cuplik 48kHz

Jika dilihat pada Gambar 4-6 terlihat tidak ada perubahan signifikan antara sinyal asli dan sinyal yang sudah di denoising ini disebabkan karena sinyal yang diambil dengan menggunakan Digital Sthetoscope dari thinkslabone (Ekinasti, 2016) merupakan sinyal yang telah mengalami pemfilteran noise. Akan tetapi proses denoising dalam penelitian tetap dilakukan untuk melakukan denoising terhadap sinyal PCG lain yang mungkin tidak memiliki filter noise.

Gambar 7 Tampilan Data Sinyal Asli dan Sinyal Denoising pada Subjek Pertama dengan Frekuensi

Sampling 8kHz

Dari Gambar 7 di atas terlihat ada perubahan nilai yang terjadi pada data tersebut. Data tersebut merupakan data yang didapat dari sinyal asli dan sinyal yang sudah di denoising. Hal ini membuktikan bahwa sinyal yang digunakan pada penelitian ini mengandung noise.

Hasil Pengujian Continuous Wavelet Transform (CWT)

Setelah melalui proses denoising, sinyal PCG dilakukan pengolahan dengan metode CWT. Hasil dari pengujian Coontinuous Wavelet Transform (CWT) ini akan menghasilkan energi maksimum

dan frekuensi tertentu. Berikut ini hasil dari pengujian Continuous Wavelet Transform (CWT) :

Gambar 8 Hasil Pengolahan Sinyal Jantung Normal Menggunakan Continuous Wavelet Transform pada Frekuensi Sampling 8kHz

Pada Gambar 8 merupakan hasil dari pengolahan pada frekuensi sampling jantung normal 8kHz dengan menggunakan CWT. Dari gambar ini menunjukan indeks dari frekuensi (skala) dan indeks dari waktu. Sementara itu spektrum warna adalah magnitudo dari koifsien wavelet C. Dimana magnitudo yang maksimum ditunjukkan dengan warna merah.

Gambar 9 Hasil Pengolahan Sinyal Jantung Normal Menggunakan Continuous Wavelet Transform pada Frekuensi Sampling 44,1kHz

Pada Gambar 9 merupakan hasil dari pengolahan pada frekuensi sampling jantung normal 44,1kHz dengan menggunakan CWT. Dari gambar ini menunjukan indeks dari frekuensi (skala) dan indeks dari waktu. Sementara itu spektrum warna adalah magnitudo dari koifsien wavelet C. Dimana magnitudo yang maksimum ditunjukkan dengan warna merah.

Gambar 10 Hasil Pengolahan Sinyal Jantung Normal Menggunakan Continuous Wavelet Transform pada Frekuensi Sampling 48kHz

Pada Gambar 10 merupakan hasil dari pengolahan pada frekuensi sampling jantung normal 48kHz dengan menggunakan CWT. Dari gambar ini menunjukan indeks dari frekuensi (skala) dan indeks dari waktu. Sementara itu spektrum warna adalah magnitudo dari koifsien wavelet C. Dimana magnitudo yang maksimum ditunjukkan dengan warna merah.

Hasil Keseluruhan Untuk Pengujian Continuous

Wavelet Transform (CWT)

Hasil pengujian dari Continuous Wavelet Transform (CWT) untuk energi maksimum dan frekuensi S1 dan S2 terhadap ketiga subjek dengan frekuensi cuplik 48kHz, 44.1kHz dan 8kHz dapat ditujukan pada tabel 1.

Tabel 1 Evaluasi dari Pengujian Continuous Wavelet Transform (CWT) untuk Energi Maksimum dan Frekuensi pada Jantung Normal

FS Sub. S1 S2 Energi Maks. (J) Frek. (Hz) Energi Maks. (J) Frek. (Hz) 8kHz 1 122.7675 60.226 5 78.5218 87.118 9 2 20.9594 82.599 9 30.3805 98.372 6 3 29.2949 69.792 6 88.1071 78.815 Rata – rata 57.6739 70.873 65.6698 83.102 1 44.1kH z 1 733.4720 67.549 3 275.2256 94.286 2 2 191.8597 80.104 456.5885 67.445 6 3 459.8236 68.445 6 219.2304 94.848 6 Rata – rata 461.7184 72.032 9 317.0148 85.526 8 48kHz 1 818.3653 57.453 6 577.2964 77.649 9 2 791.0260 57.901 5 695.4077 76.295 9 3 216.4218 67.825 7 596.1986 72.856 5 Rata – rata 608.6043 61.060 2 622.9675 74.934 1 Pada Tabel 1 merupakan hasil evaluasi energi maksimum dan frekuensi pada frekuensi 8kHz rata – rata energi maksimum S1 untuk semua subjek adalah 57.6739J dan rata – frekuensi pada S1 adalah 70.873Hz. Sedangkan energi maksimum pada S2 adalah 65.6698J, dan rata – rata frekuensi pada S2 adalah 83.1021Hz.

Pada frekuensi sampling 44,1kHz rata – rata energi maksimum S1 untuk semua subjek 461.7184J dan rata – rata frekuensi S1 adalah 72.0329Hz. Sedangkan energi maksimum pada S2 adalah 317.0148J dan rata – rata frekuensi S2 adalah 85.5268Hz.

Pada frekuensi sampling 48kHz rata – rata energi maksimum S1 untuk semua subjek 608.6043J dan rata – rata frekuensi S1 adalah 61.0602Hz. Sedangkan energi maksimum pada S2 adalah 622.9675J dan rata – rata frekuensi S2 adalah 74.9341Hz.

Tabel 2 Evaluasi dari Pengujian Continuous Wavelet Transform (CWT) untuk Interval Waktu

pada Jantung Normal

Pada tabel 2 merupakan hasil evaluasi dari interval rata – rata. Pada frekuensi sampling 8kHz untuk semua subjek interval rata – rata S1 ke S2 sebesar 0.2908 detik, interval rata – rata S2 ke S1 sebesar 0.5635 detik, interval rata – rata S1 ke S1 sebesar 0.8549 detik dan interval rata – rata S2 ke S2 sebesar 0.8526.

Pada frekuensi sampling 44,1kHz untuk semua subjek interval rata – rata S1 ke S2: 0.2577 detik, interval rata – rata S2 ke S2: 0.5644, interval rata – rata S1 ke S1: 0.8177 detik dan S2 ke S2: 0.7834 detik.

Pada semua subjek untuk frekuensi sampling 48kHz interval rata – rata S1 ke S2 yang dihasilkan adalah 0.2616 detik, interval rata – rata S2 ke S1 dihasilkan adalah 0.5351, interval rata – rata S1 ke S1 dihasilkan adalah 0.8318 detik dan S2 ke S2 dihasilkan adalah 0.8309 detik.

Keadaan jantung normal memiliki interval rata-rata waktu 0.8 detik. Dari keseluruhan pengujian selang waktu rata – rata S1 ke S1 dan S2 ke S2 untuk ketiga frekuensi sampling yang

berbeda pada penelitian ini memiliki hasil yang sama, yaitu 0.8 detik.

KESIMPULAN

Dari paparan hasil penelitian ini menggunakan Metode Continuous Wavelet Transform dari tiga frekuensi sampling yang berbeda dan Mother Wavelet Biorthogonal orde 6.8 dapat di ambil beberapa kesimpulan, yaitu: 1. Hasil pengujian dari keseluruhan energi dan

frekuensi untuk sinyal suara jantung normal pada frekuensi sampling 8kHz didapatkan rata – rata energi maksimum S1 sebesar 57.6739J dan rata – frekuensi S1 sebesar 70.873Hz. Sedangkan rata – rata energi maksimum pada S2 sebesar 65.6698J dan rata – rata frekuensi S2 sebesar 83.1021Hz. Pada frekuensi sampling 44,1kHz didapatkan rata – rata energi maksimum S1 sebesar 461.7184J dan rata – frekuensi S1 sebesar 72.0329Hz. Sedangkan rata – rata energi maksimum pada S2 sebesar 317.0148J dan rata – rata frekuensi S2 sebesar 85.5268Hz. Pada frekuensi sampling 48kHz didapatkan rata – rata energi maksimum S1 sebesar 608.6043J dan rata – frekuensi S1 sebesar 61.0602Hz. Sedangkan rata – rata energi maksimum pada S2 sebesar 622.9657J dan rata – rata frekuensi S2 sebesar 73.9341Hz.

2. Hasil pengujian untuk seluruh selang waktu rata – rata yang diperoleh dari frekuensi cuplik jantung keadaan normal 8kHz untuk semua subjek selang waktu rata – rata S1 ke S2: 0.2908s, selang waktu rata – rata S2 ke S1: 0.5635s, selang waktu rata – rata S1 ke S1: 0.8549s dan selang waktu rata – rata S2 ke S2 : 0.8526s. Untuk semua subjek dari frekuensi cuplik 44.1kHz memperoleh selang waktu rata – rata S1 ke S2: 0.2577s, sampling waktu rata – rata S2 ke S1: 0.5644s, selang waktu rata – rata S1 ke S1: 0.8177s dan selang waktu rata – rata S2 ke S2: 0.7843s. Semua subjek pada frekuensi cuplik 48kHz memperoleh interval waktu rata – rata S1 ke S2: 0.2616s, selang waktu rata – rata S2 ke S1: 0.5351s, selang waktu rata – rata S1 ke S1: 0.8318s dan selang waktu rata – rata S2 ke S2: 0.8309s. 3. Dari semua penelitian selang waktu rata – rata

S1 ke S1 dan S2 ke S2 dari ketiga frekuensi cuplik memilki rata – rata waktu 0.8 detik, hal ini menunjukkan bahwa semua subjek dalam kondisi jantung normal.

F S Su b Interval waktu S1 ke S2 (s) S2 ke S1 (s) S1 ke S1 (s) S2 ke S2 (s) 8kHz 1 0.301 5 0.516 6 0.819 4 0.817 9 2 0.297 1 0.622 2 0.919 1 0.921 5 3 0.274 0 0.551 7 0.826 4 0.827 6 Rata-Rata 0.290 8 0.563 5 0.854 9 0.852 6 44.1kH z 1 0.262 8 0.529 8 0.791 8 0.794 3 2 0.298 0 0.535 3 0.835 4 0.714 8 3 0.212 4 0.628 1 0.826 1 0.841 4 Rata-Rata 0.257 7 0.564 4 0.817 7 0.783 4 48kHz 1 0.202 5 0.513 6 0.817 1 0.818 6 2 0.298 5 0.540 5 0.841 2 0.838 1 3 0.284 6 0.551 3 0.837 2 0.836 2 Rata-Rata 0.261 6 0.535 1 0.831 8 0.830 9

DAFTAR PUSTAKA

Debbal, S. M. (2009). Computerized Heart Sounds Analysis. Department of Electronic Faculty of Science EngineeringUniversity Aboubekr Belkaid, Algeria: Genie – BiomedicalLaboratory (GBM).

Debbal, S. M., 2014, Model of Differentiation between Normal and Abnormal Heart Sounds in Using the Discrete Wavelet Transform, Journal of Medical and Bioengineering, Vol. 3, No. 1, Maret-2014, Faculty of science engineering, university Aboubekr Belkaid Tlemcen, Algeria.

Ekinasti, Anggi Citra (2016). Analisis dan Ekstraksi Ciri Sinyal Suara Jantung Menggunakan Dekomposisi Wavelet Diskrit. JCONES Vol. 5, No. 1, Prodi Sistem Komputer, Institut Bisnis dan Informatika Stikom Surabaya, Surabaya. Kumar, A. (2015). Interpretation of Heart Sounds

Signal Through Automated Artifact-Free Segmentation. Heart Research Open Jurnal, Vol. 2, Issue 1: Departement of Electronics and Electrical Communication Engineering, India Institute of Technology, Kharagpur, India.

Madona P, Arifin A, Sardjono T, Hendradi R. (Mei, 2012). Segmentasi Suara Jantung S1 dan S2 Menggunakan Kurva Amplop. Institut Teknologi Sepuluh Nopember, Surabaya. Madona P, Arifin A, Sardjono T, Hendradi R.

(Oktober, 2012). Analisa Suara Jantung Berbasis Complex Continuous Wavelet Transform. Institut Teknologi Sepuluh Nopember, Surabaya. Maisyaroh, S., 2012, Rancang Bangun Instrumentasi Elektrokardiografi Berbasis Pc Menggunakan Sound Card, Skripsi, Fakultas MIPA, Jurusan S1 Fisika, Universitas Negri Medan, Medan. Nurlaili, I. (2011). Pendeteksi Suara Jantung S1

dan S2 Menggunakan High Frequency Signatures. Bandung: IT Telkom. Rizal, A., & Vera, S. (2007). Aplikasi Pengolahan

Sinyal Digital pada Analisis dan Pengenalan Suara Jantung dan Paru untuk Diagnosis Penyakit Jantung dan Paru Secara Otomatis. SSTT Telkom, Bandung.

Setiaji, D., 2011, Rekayasa Stetoskop Elektronik Dengan Kemampuan Analisis Bunyi Jantung, Seminar Nasional Teknologi Informasi & Komunikasi Terapan. ISBN

979-26-0255-0, Prodi Teknik Elektro, UKSW, Salatiga.

Taylor,T., 2010, Human Heart,

www.innerbody.com:http://www.innerbo

dy.com/image/card01.html#full-description, Akses tanggal 18 November 2016.