Klasifikasi Suara Paru-paru Menggunakan Convolutional Neural Network (cnn)
Abstract
Abstrak
Paru-paru merupakan saluran respirasi bagi manusia untuk bernafas dengan menghirup oksigen (O2) dan menghembuskan
karbondioksida (CO2) dan uap air (H2O). Pencegahan maupun deteksi dini terhadap gangguan paru-paru biasanya dilakukan oleh
seorang dokter. Keahlian yang dimiliki memungkinkan dokter untuk mendiagnosa apakah paru-paru seseorang normal atau terdapat
gangguan (abnormal). Deteksi gangguan (abnormal) paru-paru yang biasanya digunakan oleh dokter yaitu dengan mendengarkan
suara paru-paru menggunakan alat bantu stetoskop atau biasa disebut sebagai teknik auskultasi. Dalam penelitian ini, pembaharuan
data suara paru-paru dibuat dalam data spectrogram yang berbentuk 2 dimensi. Algoritma klasifikasi yang baik menangani data
2 dimensi adalah Convolutional Neural Network (CNN). Sehingga pelitian mengenai data suara paru-paru yang dilakukan berupa
spectrogram suara paru-paru yang akan diolah dengan klasifikasi CNN. Hasil akurasi yang didapatkan sebesar 74% dari keseluruhan
penelitian yang dilakukan.
Paru-paru merupakan saluran respirasi bagi manusia untuk bernafas dengan menghirup oksigen (O2) dan menghembuskan
karbondioksida (CO2) dan uap air (H2O). Pencegahan maupun deteksi dini terhadap gangguan paru-paru biasanya dilakukan oleh
seorang dokter. Keahlian yang dimiliki memungkinkan dokter untuk mendiagnosa apakah paru-paru seseorang normal atau terdapat
gangguan (abnormal). Deteksi gangguan (abnormal) paru-paru yang biasanya digunakan oleh dokter yaitu dengan mendengarkan
suara paru-paru menggunakan alat bantu stetoskop atau biasa disebut sebagai teknik auskultasi. Dalam penelitian ini, pembaharuan
data suara paru-paru dibuat dalam data spectrogram yang berbentuk 2 dimensi. Algoritma klasifikasi yang baik menangani data
2 dimensi adalah Convolutional Neural Network (CNN). Sehingga pelitian mengenai data suara paru-paru yang dilakukan berupa
spectrogram suara paru-paru yang akan diolah dengan klasifikasi CNN. Hasil akurasi yang didapatkan sebesar 74% dari keseluruhan
penelitian yang dilakukan.
Full Text:
PDFRefbacks
- There are currently no refbacks.