Deteksi Infeksi Pada Rongga Mulut Berbasis Pemrosesan Sinyal Wicara Dengan Metode Discrete Cosine Transform (dct) Dan K-nearest Neighbor (knn)

Abstract

Abstrak Stomatitis Aftosa Rekuren (SAR) merupakan kondisi ulseratif pada rongga mulut yang biasa disebut dengan sariawan. SAR dapat menyerang selaput lendir pipi bagian dalam, gusi, dan bagian dalam rongga mulut. Meskipun penyakit ini tidak berbahaya tetapi keberadaannya di rongga mulut sangat mengganggu, sehingga mengakibatkan kesulitan dalam makan, berbicara, dan beraktivitas. Oleh karena itu, sangat dibutuhkan suatu sistem yang dapat mengidentifikasi infeksi rongga mulut sehingga dapat membantu pekerjaan dokter. Pada Tugas Akhir (TA) ini telah dirancang sistem yang dapat mengidentifikasi infeksi rongga mulut pada sinyal wicara / speech processing. Pada sistem identifikasi infeksi rongga mulut ini terdiri dari ekstraksi ciri dari sinyal wicara dan pengklasifikasi infeksi rongga mulut. Proses membedakan sinyal audio berdasarkan fitur Discrete Cosine Transform (DCT) dan metode klasifikasi K-Nearest Neighbor (KNN). Sinyal wicara ditransformasi DCT untuk mendapatkan fitur yang selanjutnya diproses oleh KNN untuk menentukan apakah suara wicara tersebut terdeteksi infeksi atau tidak. Parameter keberhasilan simulasi ini adalah akurasi (ACC) dan waktu komputasi. Dari hasil pengujian yang dilakukan, sistem mampu membedakan suara orang yang mengidap sakit stomatitis dan tidak mengidap sakit stomatitis. Nilai akurasi yang didapat dalam sistem penelitian dengan metode ekstraksi ciri DCT dan metode klasifikasi KNN adalah mencapai 80%. Pada proses klasifikasi KNN, Correlation Distance adalah jenis distance yang terbaik yang bisa digunakan dalam sistem ini dengan nilai K = 1 dan K = 7. Correlation distance digunakan untuk mengamati asosiasi antara dua variabel acak dalam penelitian. Nilai akurasi terbesar pada pengujian ini yaitu 87,5% dengan waktu komputasi 0,693 detik. Dengan hasil tersebut, ahli forensik akan mendapatkan hasil tepat untuk mengidentifikasi infeksi rongga mulut. . Kata Kunci: Sinyal Wicara, Infeksi, K-Nearest Neighbor (KNN), Discrete Cosine Transform (DCT) Abstract Aphthous Stomatitis Recurrent (SAR) is an ulcerative condition in the oral cavity commonly called thrush. SAR can attack the inner cheek mucous membranes, gums, and the inside of the oral cavity. Although this disease is not dangerous but challenges it in the oral cavity which is very difficult, making it difficult to eat, talk and move. Therefore, a system that can help the oral cavity is needed so that it can help the doctor's work. In this Final Project (TA) a system has been designed that can facilitate infection of the oral cavity in speech signals / speech processing. In the oral cavity detection system it consists of feature extraction from the speech signal and classification of oral cavity infections. The process of distinguishing audio signals is based on the Discrete Cosine Transform (DCT) feature and the K-Nearest Neighbor (KNN) classification method. The speech signal is transformed DCT to get the next feature needed by the KNN to determine whether the speech sound can detect infection or not. The success parameters of this simulation are approval (ACC) and computation time. From the results of the tests carried out, the system was able to distinguish the sound of people suffering from sick stomatitis and not having stomatitis pain. Accuracy values obtained in the research system with DCT feature extraction method and KNN classification method reached 80%. In the KNN classification process, Distance Correlation is the best type of distance that can be used in this system with a value of K = 1 and K = 7. Correlation ISSN : 2355-9365 e-Proceeding of Engineering : Vol.6, No.1 April 2019 | Page 554 distance is used for association research between two random variables in the study. The largest verification value in this test is 87.5% with a computation time of 0.693 seconds. With these results, forensic experts will get the right results to get an oral infection. Keywords: Signal Speech, Infection, K-Nearest Neighbor (KNN), Discrete Cosine Transform (DCT)