Klasifikasi Suara Jantung Normal Dan Abnormal Menggunakan Short-time Fourier Transform Dan Convolutional Neural Network

Abstract

Abstrak Stetoskop adalah alat untuk mendiagnosa suatu penyakit untuk melakukan proses auskultasi. Auskultasi adalah proses memeriksa pasien dengan mendengarkan suara didalam tubuh yang bisa berupa suara jantung, paru-paru ataupun usus. Dari proses ini dapat diketahui suara didalam tubuh pasien itu normal ataupun abnormal. Pada penelitian ini diusulkan metode STFT dan deep learning CNN (Convolutional Neural Network) arsitektur Alexnet. Langkah analisis ini menggunakan short-time fourier transform dan kemudian data citra didapat dari STFT berupa citra plot sinyal, dilanjutkan ke proses klasifikasi data citra suara jantung normal dan abnormal dengan menggunakan metode CNN (Convolutional Neural Network). Dari uji klasifikasi CNN (Convolutional Neural Network) ini didapati tingkat akurasi dari proses pengujian ini menggunakan CNN Arsitektur Alexnet dengan learning rate dan Iterasi/Epoch jumlah Terbaik yakni 0,00001 dan Jumlah iterasi 70 sehingga didapati akurasi suara jantung 91.07% untuk klasifikasi suara jantung normal dan abnormal menggunakan 56 data suara jantung. Presisi 88.46%, recall 92%, dan untuk f1 score 90.2%. Kata kunci: Smartphone, Stethoscope, STFT, CNN, Heart Sounds, Signal, Image, Spectogram, Alexnet