REDUKSI NOISE DARI REKAMAN SUARA PERNAPASAN
MENGGUNAKAN WAVELET TRANSFORM
BASED FILTER
SKRIPSI
SAMUEL INDRA GUNAWAN SITUMEANG
091402036
PROGRAM STUDI S1 TEKNOLOGI INFORMASI
FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI
UNIVERSITAS SUMATERA UTARA
MEDAN
2014
REDUKSI NOISE DARI REKAMAN SUARA PERNAPASAN MENGGUNAKAN WAVELET TRANSFORM
BASED FILTER
SKRIPSI
Diajukan untuk melengkapi tugas dan memenuhi syarat memperoleh ijazah Sarjana Teknologi Informasi
SAMUEL INDRA GUNAWAN SITUMEANG 091402036
PROGRAM STUDI S1 TEKNOLOGI INFORMASI
FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI UNIVERSITAS SUMATERA UTARA
MEDAN 2014
PERSETUJUAN
Judul : REDUKSI NOISE DARI REKAMAN SUARA
PERNAPASAN MENGGUNAKAN WAVELET TRANSFORM BASED FILTER
Kategori : SKRIPSI
Nama : SAMUEL INDRA GUNAWAN SITUMEANG
Nomor Induk Mahasiswa : 091402036
Program Studi : SARJANA (S1) TEKNOLOGI INFORMASI
Fakultas : ILMU KOMPUTER DAN TEKNOLOGI
INFORMASI (FASILKOM-TI) UNIVERSITAS SUMATERA UTARA
Diluluskan di Medan, Juni 2014
Komisi Pembimbing :
Pembimbing 2 Pembimbing 1
Romi Fadillah Rahmat, B.Com.Sc, M.Sc NIP. 19860303 201012 1 004
M. Fadly Syahputra, B.Sc.,M.Sc.IT NIP. 19830129 200912 1 003
Diketahui / Disetujui oleh
Program Studi S1 Teknologi Informasi Ketua,
M. Anggia Muchtar, S.T, M.MIT NIP. 19800110 200801 1 010
PERNYATAAN
REDUKSI NOISE DARI REKAMAN SUARA PERNAPASAN MENGGUNAKAN WAVELET TRANSFORM
BASED FILTER
SKRIPSI
Saya mengakui bahwa skripsi ini adalah hasil karya saya sendiri, kecuali beberapa kutipan dan ringkasan yang masing-masing telah disebutkan sumbernya.
Medan, Juni 2014
Samuel Indra Gunawan Situmeang 091402036
UCAPAN TERIMA KASIH
Segala hormat, puji dan syukur kepada Tuhan Yesus Kristus, yang senantiasa melimpahkan berkat dan kasih-Nya sehingga penulis dapat menyelesaikan skripsi ini sebagai syarat untuk memperoleh ijazah Sarjana Teknologi Informasi, Program Studi S1 Teknologi Informasi Universitas Sumatera Utara.
Proses penyusunan skripsi ini tidak lepas dari dukungan dan bantuan dari berbagai pihak. Oleh karena itu, penulis mengucapkan terima kasih dan penghargaan yang setinggi-tingginya kepada :
1. Kedua orang tua penulis yang telah mendidik, membesarkan penulis, memberi nasehat, mendukung dan memotivasi, ayah Drs. Antoni Situmeang dan ibu Dra. Kristina Laoli. Adik-adik penulis : Jeremiya Situmeang, Mohaga Rianto Manalaksak Situmeang dan Julio Gilbert Hamonangan Situmeang yang selalu mendoakan, memberikan dorongan dan dukungan kepada penulis. Serta kepada keluarga besar, termasuk kakek, nenek, paman, bibi, sepupu atas segala dukungan dan doanya. Skripsi ini penulis persembahkan untuk orangtua dan keluarga penulis.
2. Amangboru Good Fried Panggabean, S.T., M.T. yang telah memberikan saran dan masukan untuk membantu penulis menyelesaikan skripsi ini.
3. Bapak M. Fadly Syahputra, B.Sc, M.Sc.IT. dan Bapak Romi Fadillah Rahmat, B.Com.Sc, M.Sc. selaku dosen pembimbing penulis yang telah banyak memberikan inspirasi, saran, masukan, serta bersedia meluangkan waktu, tenaga dan pikiran untuk membantu penulis menyelesaikan skripsi ini.
4. Bapak Prof. Dr. M. Zarlis, M.Sc. selaku Dekan Fakultas Ilmu Komputer dan Teknologi Informasi Universitas Sumatera Utara beserta seluruh Staf Dosen Pengajar dan pegawai, atas didikan, bimbingan dan layanan yang telah diberikan kepada penulis selama menuntut ilmu di Fakultas Ilmu Komputer dan Teknologi Informasi Universitas Sumatera Utara.
iv
5. Bapak Muhammad Safri Lubis, S.T., M.Com. selaku dosen penasehat akademik yang senantiasa memberikan saran, petunjuk dan bimbingan yang bermanfaat selama penulis menuntut ilmu di Fakultas Ilmu Komputer dan Teknologi Informasi Universitas Sumatera Utara.
6. Bapak Prof. Dr. Opim Salim Sitompul, M.Sc. dan Bapak Dani Gunawan, ST., MT. yang telah bersedia menjadi dosen pembanding penulis.
7. Sahabat-sahabat yang selalu mendukung dan mendoakan penulis : Frans J.H. Sihombing, Joy J.G. Simanjuntak, Eldo H. Tobing, Tri N.A. Situmorang, Lidya R. Ginting, Elysabeth Y. Nababan, Fransisca R.E. Pardede dan Wanda E. Simatupang.
8. Teman-teman guru sekolah minggu dan pemuda/i GKPI Jemaat Khusus Binjai Kota yang senantiasa mendukung dan mendoakan penulis.
9. Pemimpin Kelompok Kecil Kami Ga Mamoru, kak Rolina Harianja serta Saudara Kelompok Kecil Kami Ga Mamoru : Iphon H. Panjaitan, Alman, J. Tarigan dan T.B. Reinhard Pasaribu yang senantiasa mendukung dan mendoakan penulis. Terima kasih juga atas kebersamaan kita dalam persekutuan selama di kelompok kecil.
10. Teman-teman angkatan 2009, senior, dan junior yang telah memberikan dukungan, serta teman-teman mahasiswa yang tidak dapat penulis sebutkan satu-persatu.
Akhir kata, penulis memohon maaf bila dalam penulisan karya tulis ilmiah ini terdapat beberapa kesalahan. Oleh karena itu, penulis sangat mengharapkan adanya masukan-masukan yang membangun.
Semoga karya tulis ini dapat memberikan kontribusi bagi perkembangan Teknologi Informasi di Indonesia. Tuhan Yesus memberkati.
ABSTRAK
Perkembangan ilmu pengetahuan dan teknologi di bidang kesehatan semakin memberikan kemudahan dalam mendiagnosa sistem pernapasan. Perekaman suara pernapasan adalah salah satu contoh perkembangan tersebut. Suara pernapasan direkam menggunakan stetoskop digital, kemudian disimpan dalam format file suara. Suara pernapasan ini nantinya akan dianalisis oleh praktisi kesehatan untuk diagnosa gejala penyakit ataupun penyakit. Namun, suara pernapasan ini belum terbebas dari gangguan sinyal. Oleh karena itu, diperlukan filter suara atau sistem reduksi gangguan sinyal sehingga komponen suara pernapasan yang berisi sinyal informasi dapat lebih diperjelas. Pada penelitian ini dirancang sebuah filter yang disebut wavelet transform based filter. Wavelet transform based filter yang dirancang dalam penelitian ini menggunakan wavelet daubechies dengan empat koefisien wavelet transform. Berdasarkan pengujian terhadap sepuluh jenis data suara pernapasan, diperoleh SNRdB
terbesar pada data bronkial, sebesar 74.3685 desibel.
NOISE REDUCTION OF BREATH SOUND RECORD USING WAVELET TRANSFORM BASED FILTER
ABSTRACT
The development of science and technology in health area increasingly to give convenience in diagnose of breath system adoption. Recording breath sound is one of the example of that development. Breath sound recorded with digital stethoscope, than stored in audio format file. This breath sound will be analyzed by the health expertise for disease symptoms diagnosis or diseases diagnosis. Even though, this breath sound not yet free from noise. Therefore, required a sound filter or noise reduction system so that the breath sound component that contain signal information will be enhance. In this research, designed wavelet transform based filter. Wavelet transform based filter that designed in this research using wavelet daubechies with four wavelet transform coefficients. According to testing of ten type of breath sound data, acquired the biggest SNRdB in bronchial data, the size is 74.3685 decibel.
DAFTAR ISI
Hal.
PERSETUJUAN i
PERNYATAAN ii
UCAPAN TERIMA KASIH iii
ABSTRAK v
ABSTRACT vi
DAFTAR ISI vii
DAFTAR TABEL ix DAFTAR GAMBAR x BAB 1 PENDAHULUAN 1 1.1. Latar Belakang 1 1.2. Rumusan Masalah 3 1.3. Batasan Masalah 4 1.4. Tujuan Penelitian 4 1.5. Manfaat Penelitian 4 1.6. Metodologi Penelitian 5 1.7. Sistematika Penulisan 6
BAB 2 LANDASAN TEORI 7
2.1. Suara Pernapasan 7
2.2. Suara Napas Abnormal 9
2.3. Karakteristik Suara Paru-paru dan Noise 10
2.4. WAVE 10 2.5. Wavelet Transform 12 2.6. Analisis Multiresolusi 13 2.7. Denoising 15 2.8. Threshold 16 2.9. Signal-to-Noise Ratio (SNR) 16 2.10. Penelitian Terdahulu 17
BAB 3 ANALISIS DAN PERANCANGAN SISTEM 19
viii
3.2. Analisis Sistem 20
3.3. General architecture 31
3.4. Perancangan Tampilan Antarmuka 33
BAB 4 IMPLEMENTASI DAN PENGUJIAN 35
4.1. Implementasi Sistem 35
4.1.1. Spesifikasi hardware dan software yang digunakan 35
4.1.2. Implementasi perancangan antarmuka 35
4.2. Pengujian Sistem 36
4.2.1. Rencana pengujian sistem 37
4.2.2. Kasus dan hasil pengujian sistem 37
4.2.3. Pengujian kinerja sistem 39
4.2.4. Pengujian data 43
BAB 5 KESIMPULAN DAN SARAN 54
5.1. Kesimpulan 54
5.2. Saran 54
DAFTAR PUSTAKA 55
DAFTAR TABEL
Hal.
Tabel 2.1 Deskripsi format berkas WAVE 11
Tabel 2.2 Penelitian Terdahulu 17
Tabel 3.1 Rangkuman Data Rekaman Suara Pernapasan 19
Tabel 4.1 Rencana Pengujian Sistem 37
Tabel 4.2 Hasil Pengujian Komponen Jendela Utama 38
Tabel 4.3 Data dalam Bentuk Larik bertipe Double 40
Tabel 4.4 Hasil Dekomposisi 41
Tabel 4.5 Sinyal Suara Pernapasan Hasil Threshold 41
Tabel 4.6 Noise Hasil Threshold 41
Tabel 4.7 Sinyal Suara Pernapasan Hasil Rekonstruksi 42
Tabel 4.8 Noise Hasil Rekonstruksi 42
DAFTAR GAMBAR
Hal.
Gambar 2.1 Format file WAVE 11
Gambar 2.2 Penerapan dekomposisi pada Discrete Wavelet Transform; dimana
g[n] adalah high pass filter; h[n] adalah low pass filter 14
Gambar 3.1 Flowchart tahapan preprocess 26
Gambar 3.2 Flowchart tahapan dekomposisi 27
Gambar 3.3 Flowchart tahapan threshold 28
Gambar 3.4 Flowchart tahapan rekonstruksi 29
Gambar 3.5 Flowchart tahapan final process 30
Gambar 3.6 General Architecture 31
Gambar 3.7 Rancangan Jendela Utama (Main Window) 33
Gambar 4.1 Tampilan Jendela Utama (main window) 36
Gambar 4.2 Sinyal suara pernapasan 40
Gambar 4.3 Sinyal suara pernapasan setelah melalui filter 43
Gambar 4.4 Noise setelah melalui filter 43
Gambar 4.5 Sinyal bronkial sebelum reduksi noise (atas) dan sinyal setelah
reduksi noise (bawah) 44
Gambar 4.6 Sinyal coarse crackles sebelum reduksi noise (atas) dan sinyal
setelah reduksi noise (bawah) 45
Gambar 4.7 Sinyal fine crackles dengan bronkial yang gugur sebelum reduksi
noise (atas) dan sinyal setelah reduksi noise (bawah) 46
Gambar 4.8 Sinyal fine crackles sebelum reduksi noise (atas) dan sinyal setelah
reduksi noise (bawah) 47
Gambar 4.9 Sinyal inspirasi stridor sebelum reduksi noise (atas) dan sinyal
setelah reduksi noise (bawah) 48
Gambar 4.10 Sinyal trakea normal sebelum reduksi noise (atas) dan sinyal setelah
xi
Gambar 4.11 Sinyal vesikular normal sebelum reduksi noise (atas) dan sinyal
setelah reduksi noise (bawah) 50
Gambar 4.12 Sinyal gesekan pleura sebelum reduksi noise (atas) dan sinyal
setelah reduksi noise (bawah) 51
Gambar 4.13 Sinyal rhonchus sebelum reduksi noise (atas) dan sinyal setelah
reduksi noise (bawah) 52
Gambar 4.14 Sinyal wheezing sebelum reduksi noise (atas) dan sinyal setelah
