Deteksi Pulpitis Reversibel Melalui Sinyal Wicara Dengan Metoda Zero Crossing Rate Dan Average Energy Serta Klasifikasi Learning Vector Quantization

Abstract

Abstrak Suara merupakan salah satu sarana manusia untuk berkomunikasi. Suara juga salah satu pembeda antar individu yang satu dengan yang lainnya. Hal ini dapat dijadikan suatu sarana untuk mendeteksi penyakit lewat suara maanusia. Untuk mendeteksi suatu penyakit melalui suara manusia diperlukan bantuan proses pengambilan informasi yang diinginkan melalui rekaman sinyal suara yang disebut speech processing. Ada beberapa faktor yang dapat mempengaruhi suara manusia yaitu dari proses pembentukan suara yang terjadi pada individu itu sendiri dan juga dari struktur giginya. Tugas akhir ini membuat sebuah aplikasi yang dapat mendeteksi penyakit pulpitis reversibel dengan menggunakan beberapa parameter akustik suara yaitu frekuensi dasar (F0), durasi, amplitudo, gelombang spektrum suara, dan kualitas vokal. Dari parameter akustik suara akan dihitung nilai sample rate sebagai inputan awal untuk mendaapatkan ciri dan juga klasifikasi yang ditargetkan. Proses pengambilan ciri ini menggunakan metode Zero Crossing Rate (ZCR) dan Average Energy (AE) yang merupakan metode analisis pengambilan ciri atau fitur berdasarkan panjang frame dari rekaman sinyal suara. Proses klasfikasi dilakukan dengan menggunakan metode Learning Vector Quantization (LVQ). Klasifikasi bertujuan untuk mengklasifikasikan audio ke dalam dua kondisi yaitu sehat dan pulpitis reversibel. Dari penelitian ini diperoleh hasil dengan tingkat akurasi tertinggi yaitu 72.5% dengan parameter pre-processing yang digunakan yaitu non-ccenter clipping dan non-overlapping. Parameter statistik yang digunakan variance serta parameter LVQ yaitu epoch = 750 dan hidden layer = 40. Kata kunci : Suara, Barodontalgia, Pulpitis Reversibel, Zero Crossing Rate Quantiztion Average Energy, Learning Vector Quantization Abstract Sound is one of the human means to communicate. Sound is also one differentiator between individuals with each other. This can be used as a means to detect disease through the voice of humans. To detect a disease through human voice is needed the help of the desired information retrieval process through recording voice signals called speech processing. There are several factors that can affect human voice, namely from the sound formation process that occurs in the individual itself and also from the structure of the teeth. This final project creates an application that can detect reversible pulpitis by using several sound acoustic parameters, namely the basic frequency (F0), duration, amplitude, sound spectrum waves, and vocal quality. From the sound acoustic parameters, the value of the sample rate will be calculated as the initial input to get the targeted characteristics and classification. The process of taking this feature uses the Zero Crossing Rate (ZCR) and Average Energy (AE) method, which is a method of analyzing characteristics or features based on the length of the sound signal recording. The classification process is done using the Learning Vector Quantization (LVQ) method. Classification aims to classify audio into two conditions namely healthy and reversible pulpitis. From this study the results obtained with the highest accuracy were 72.5% with the preprocessing parameters used namely non-ccenter clipping and non-overlapping. The statistical parameters used are variance and LVQ parameters, namely epoch = 750 and hidden layer = 40. Keywords: Sound, Barodontalgia, Pulpitis Reversibel, Zero Crossing Rate Quantiztion and Average Energy, Learning Vector Quantization