Analisa Suara Jantung Normal Menggunakan Discrete Wavelet Transform (DWT) dan Fast Fourier Transform (FFT)

Analisa Suara Jantung Normal Menggunakan Discrete Wavelet Transform (DWT) dan Fast Fourier Transform (FFT)

Putri Madona

Jurusan Teknik Elektro Program Studi Teknik Elektronika Politeknik Caltex Riau Pekanbaru, Riau, 28265

dhona@pcr.ac.id

Abstrak

Penyakit jantung masih menjadi penyebab utama kematian di banyak tempat di seluruh dunia.

Suara jantung normal dan abnormal memiliki ciri yang berbeda, termasuk dari kandungan frekuensi yang dimilikinya. Untuk itu dilakukan analisa suara jantung normal dengan menggunakan enam buah data suara jantung normal yang berbeda, dengan metode Discrete Wavelet Transform (DWT) dan Fast Fourier Transform (FFT). Metode DWT men-downsampling data suara jantung sampai dengan level 9.

Bagian yang di analisa adalah bagian aproksimasi. FFT menyajikan informasi dalam domain frekuensi.

Frekuensi dengan magnitudo yang tertinggi dianalisa di setiap levelnya. Hasil menunjukkan bahwa metode yang digunakan mampu menyajikan range frekuensi yang terkandung di dalam suara jantung normalyang diteliti, yakni berada pada range 10 – 278 Hz.

Kata kunci : Discrete wavelet Transform, Fast Fourier Transform, Suara Jantung Normal.

1. Pendahuluan

Serangan jantung sampai saat ini masih menjadi salah satu penyebab utama kematian di banyak tempat di dunia. Gejala abnormalitas atau yang dikenal dengan murmur, seringkali datang secara tiba-tiba. Sehingga pengenalan secara dini terhadap penyakit jantung dapat membantu untuk terhindar dari serangan jantung.

Suara jantung normal dan abnormal (murmur) mempunyai ciri fisik yang berbeda- beda. Pengekstrak ciri yang digunakan harus mampu membedakan karakteristik dari masing- masing suara jantung normal dan murmur.

Banyak metode yang bisa dilakukan untuk mendapatkan ciri-ciri dari sinyal suara jantung, khususnya suara jantung normal. Metode- metode tersebut ada yang bekerja pada ranah waktu, ranah frekuensi dan ranah waktu- frekuensi. Setiap metode memiliki keunggulan dan kelemahan masing-masing.

Salah satu informasi yang dibutuhkan dalam mengekstrak ciri dari sinyal suara jantung normal adalah informasi frekuensi yang yang terkandung di dalam suara jantung normal tersebut. Sehingga pada analisis sinyal suara jantung, konsentrasi energi pada frekuensi

tertentu dalam sinyal suara jantung normal menjadi perhatian yang penting. Bila konsentrasi energi ini diketahui, maka setiap distribusi energi yang tidak lazim menunjukkan indikasi ketidaknormalan.

Oleh karena itu, pada paper ini akan mengekstrak sinyal suara jantung normal untuk mendapatkan informasi energi menggunakan salah satu metode Wavelet Trasform yakni Dicrete Wavelet Transform (DWT).

2. Dasar Teori

2.1. Anatomi dan Siklus Jantung Normal.

Jantung adalah organ muscular berlubang yang berfungsi sebagai pompa ganda sistem kardiovaskular. Sisi kanan jantung memompa darah ke paru sedangkan sisi kiri jantung memompa darah ke seluruh tubuh. Berat jantung normal sekitar 1 pon (0,45 kg) atau sebesar tinju orang dewasa dan terletak di dalam rongga dada diantara ruang dada (sternum kolumna vertebralis).

Gambar 2.1. Anatomi jantung.

Jantung manusia terbagi menjadi dua bagian yaitu bagian kiri dan bagian kanan.

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. Pemompaan jantung dibagi menjadi dua tahap. Pada tahap sistole, ventrikel berkontraksi dan darah dialirkan dari jantung, dan tahap diastole, ketika ventrikel mengalami relaksasi dan jantung dipenuhi dengan darah. Empat katup jantung mencegah darah mengalir balik.

Katup-katup atrioventrikular (katup mitral dan trikuspid) mencegah darah mengalir kembali dari ventrikel ke atrium dan katup-katup semilunar (katup aorta dan pulmonal) mencegah darah mengalir kembali ke arah ventrikel ketika darah dipompa ke dalam aorta dan arteri paru-paru.

Siklus jantung terdiri dari dua periode, yaitu periode kontraksi (sistole) dan relaksasi (diastole). Selama sistole, ruang jantung memompa darah keluar, selama diastol, ruang jantung terisi dengan darah. Frekuensi suara jantung berkisar antara 20-500Hz¹. Bentuk sinyal suara jantung normal ditunjukkan pada gambar di bawah ini.

1 E. Stein and A. J. Delman, “Rapid Interpretation of Heart Sounds and Murmurs,” EGC, Jakarta, Indonesian Version, 1994

Gambar 2.2. Siklus Jantung Normal

2.2. Discrete Wavelet Transform (DWT) Discrete Wavelet Transform dapat menampilkan data dalam domain waktu- frekuensi. DWT yang dikenal juga sebagai algoritma subband coding adalah filter banks dimana sejumlah filter dengan frekuensi cuttoff yang berbeda-beda digunakan untuk menganalisa skala yang berbeda. Sinyal input dilewatkan pada high pass filter untuk dianalisa frekuensi tingginya dan dilewatkan pada low pass filter untuk dianalisa frekuensi rendahnya.

Persamaan level satu untuk DWT dapat dibuat sebagai berikut :

      ... (1)

      ... (2) Proses filtering dilakukan hingga level yang diinginkan. Pada setiap level, filtering dan subsampling akan menghasilkan jumlah sample setengah dari inputnya (oleh karena itu juga menghasilkan setengah dari resolusi waktunya) dan setengah dari lebar rentangan frekuensi sinyal inputnya (oleh karenanya resolusi frekuensinya menjadi ganda).

Filter high pass dan low pass ini tidaak berdir sendiri, melainkan berhubungan. Dimana rekonstruksi sinyal input pada setiap levelnya ditunjukkan pada persamaan berikut :

   
     
   





Gambar 2.3 di bawah ini menunjukkan proses filtering pada DWT, dimana x[n] adalah sinyal asli yang akan di dekomposisi, h[n] dan g[n] adalah low pass filter dan high pass filter.

Bandwith frekuensi pada setiap level ditandai dengan range ‘f’.

Gambar 2.3. Algoritma Subband Coding²

3. Metode Penelitian.

3.1 Persiapan Data.

Data suara jantung didapat dari literatur [1], berupa buku petunjuk dan sebuah kaset audio yang memuat database mengenai suara jantung normal dan patologis. Phonocardiogram ini merupakan karakteristik dari kondisi klinis yang penting dan direkam untuk tujuan pendidikan. Data ini nantinya akan diubah menjadi file WAVE (*.wav).

Data suara jantung yang akan diekstrak adalah suara jantung normal sebanyak 6 buah data suara jantung normal. Ke-enam data tersebut terlihat pada gambar berikut :

2R. Polikar, “The Wavelet Tutorial Part III Multiresolution Analysis and The Continuous Wavelet Transform,” 2nd ed., June 5, 1996.

(a)

(b)

(c)

(d)

(e)

(f)

Gambar 2.4. (a) – (f) Enam Data suara Jantung Normal

3.2 Ekstraktor Ciri

Ekstraktor yang digunakan dalam penelitian ini adalah Discrete Wavelet Transform (DWT ) level 9 .Transformasi yang digunakan adalah Daubechies 4. Adapun bentuk dari D4 Wavelet Transform ditunjukkan pada gambar 2.4.

Gambar 2.5. Daubechies 4 Wavelet  

!^"#$!^$%'&

Daubechies 4 mempunyai 4 koefisien fungsi skala yaitu :

Seperti telah disebutkan sebelumnya, bahwa pada setiap level, filtering dan subsampling akan menghasilkan jumlah sample setengah dari inputnya (oleh karena itu juga menghasilkan setengah dari resolusi waktunya)

dan setengah dari lebar rentangan frekuensi sinyal inputnya

Maka pada penelitian ini, sinyal input berupa data suara jantung yang direkam dengan frekuensi sampling 11025 Hz akan didown sampling menggunakan DWT pada range frekuensi 5512 Hz (level 1), 2756 Hz (level 2), 1378 Hz (level 3), 689 Hz (level 4), 345 Hz (level 5), 172 Hz (level 6), 86 Hz (level 7), 43 Hz (level 8) dan 21 Hz (level 9). Kemudian, setiap output approksimasi dari level DWT akan di FFT-kan untuk mengetahui kandungan frekuensi yang dominan pada setiap level.

4. Hasil Pengujian dan Analisa

Hasil pengujian metode DWT untuk ke-6 data suara jantung normal dan hasil FFT-nya ditunjukkan pada gambar berikut :

(a)

(b)

(c)

(d)

(f)

(g)

(h)

(i)

(j)

(k)

Gambar 2.6. (a) Sinyal suara jantung normal dan FFT-nya, (b) – (k) Hasil FFT

dari level 1 sampai 9

Pada hasil FFT, ditampilkan nilai frekuensi yang memiliki magnitudo tertinggi. Pada 5 data suara jantung normal yang lain dilakukan hal yang sama, dan didapatkan data frekuensi setiap levelnya pada tabel berikut :

Tabel 1. Data Frekuensi dengan Magnitude tertinggi pada setiap level

Dari data di atas terlihat, bahwa magnitudo tertinggi dari hasil FFT suara jantung normal berada pada frekuensi yang berdekatan. Pada level 1, magnitudo tertinggi ada pada range frekuensi 1100 Hz – 2200 Hz. Dan hal ini masih sama untuk level 2. Sementara pada level 3, ada di range frekuensi 119 Hz – 278 Hz.

Pada level 4, di range frekuensi 10 Hz – 65 Hz.

Untuk level 5, mayoritas sinyal suara jantung mempunyai magnitudo tertinggi pada frekuensi

6 Hz. Dan pada level 6 hingga level 9 berada pada range frekuensi 1 Hz – 6 Hz.

Jika merujuk pada referensi [1], dimana dinyatakan bahwa range frekuensi suara jantung berkisar antara 20 Hz – 500 Hz ,maka frekuensi ini muncul pada level 3 dan level 4. Sedangkan frekuensi yang uncul pada level 6 hingga level 9 yakni range frekuensi 1 Hz – 6 Hz mempunyai magnitudo yang jauh lebih rendah dibandingkan frekuensi dengan magnitudo tertinggi pada level lain. Sehingga dapat diambil kesimpulan bahwa range frekuensi dengan magnitudo terbesar berada pada 10 – 2200 Hz.

5. Pembahasan

Frekuensi suara jantung normal menempati range frekuensi yang rendah. Sementara suara jantung abnormal atau murmur biasanya mempunyai frekuensi yang lebih tinggi.

Frekuensi yang berada pada level 1 dan 2 dari data hasil percobaan menghasilkan

magnitudo tertinggi pada range 1000 – 2000 Hz. Mungkin saja frekuensi

tersebut adalah frekuensi dari noise. Karena noise biasanya juga menempati frekuensi yang lebih tinggi. Sehingga frekuensi suara jantung normal yang diteliti berada pada range 10 Hz – 278 Hz.

Pada penelitian ini, dilakukan analisa suara jantung hanya pada bagian aproksimasi.

Sementara bagian detail dari DWT tidak dicermati lebih jauh. Sementara sangat dimungkinkan adanya informasi frekuensi penting pada range frekuensi detail dari DWT.

Hal lain yang penting adalah sulitnya menemukan frekuensi mana yang merupakan suara jantung S1 dan mana suara jantung S2.

Karena metode FFT hanya menampilkan magnitude dari sinyal suara jantung ini.

Sementara waktu kapan frekuensi tersebut terjadi tidak dapat disajikan. Sehingga, sulit untuk menentukan berapa range frekuensi dari S1 maupun S2.

6. Penutup

Analisa suara jantung normal dengan 6 buah data .wav yang berbeda sudah dilakukan.

Dan data hasil DWT dan FFT – nya sudah ditampilkan.

Kesimpulan

Berdasarkan hasil data pengujian dan analisa diketahui bahwa FFT mampu menunjukkan frekuensi-frekuensi yang terkandung di dalam suara jantung normal.

Saran

Dari hasil terdapat beberapa range frekuensi dengan magnitudo yang besar yang dimungkinkan adalah noise. Untuk itu perlu dilakukan penyaringan (filter) pada sinyal suara jantung normal sebelum diproses lebih lanjut.

Dan analisa dibagian detail juga perlu dilakukan untuk mendapatkan informasi kandungan frekuensi pada range frekuensi tingginya.

Daftar Pustaka:

[1] E.Stein and A.J.Delman, “Rapid interpretation of Heart Sounds and Murmurs”,EGC, jakarta, indonesian Version, 1994.

[2] John G. Proakis and Dimitris G.

Manolakis, “Pemrosesan Sinyal Digital”,Jilid 1,PT.Prenhallindo, Jakarta.

[3] R.Polikar, “The Wavelet Tutorial Part III Multiresolution Analysis and Continuous Wavelet Transform”, 2nd ed., June 5, 1996.