Klasifikasi Suara Paru Normal Dan Abnormal Dengan Menggunakan Discrete Wavelet Transform Dan Support Vector Machine

Abstract

Abstrak Suara paru adalah salah satu informasi penting dalam diagnosa penyakit pada pernafasan paruparu. Teknik yang digunakan dokter untuk melakukan diagnosa pada suara paru adalah teknik auskultasi, mayoritas hasil dari diagnosa dengan menggunakan teknik auskultasi menyebabkan hasil yang subjektif. pada penelitian ini metode yang digunakan adalah Discerete Wavelet Transform (DWT) dengan single wavelet dengan tipe DWT bior 3.3 dan Time Domain Feature (TDF) dengan enam perhitungan yaitu mean, kurtosis, standart deviation, skewness, variance, mean absolute deviation. Untuk melakukan klasifikasi tersebut menggunakan metode Support Vector Machine (SVM) dengan Grid Search Hyperparameter Tuning untuk mendapatkan parameter yang baik pada SVM, hasil akurasi pada klasifikasi ini sebesar 60% dengan C = 10, Gamma = 1, dan Kernel = Rbf. Kata Kunci: Discerete Wavelet Transform, Time Domain Feature, Support Vector Machine Abstract Lung sounds are one of the important information in diagnosing diseases of the respiratory tract of the lungs. The technique that doctors use to diagnose lung sounds is auscultation technique, the majority of the results of the diagnosis using auscultation techniques lead to subjective results. In this study, the method used is Discerete Wavelet Transform (DWT) with a single wavelet with DWT type 3.3 and Time Domain Feature (TDF) with six calculations, namely mean, kurtosis, standard deviation, skewness, variance, mean absolute deviation. To perform this classification using the Support Vector Machine (SVM) method with Grid Search Hyperparameter Tuning to get good parameters on the SVM, the accuracy of this classification is 60% with C = 10, Gamma = 1, and Kernel = Rbf. Keyword: Discerete Wavelet Transform, Time Domain Feature, Support Vector Machine LAST, Apache spark,Hadoop