Aplikasi jaringan syaraf tiruan untuk klasifikasi isyarat suara jantung menggunakan metode spektral

ANTONISFIA, Yul, Dr.Ir. Thomas Sri Widodo, DEA

2007 | Tesis | S2 Teknik Elektro

Penelitian ini bertujuan menghasilkan program dengan algoritma jaringan syaraf tiruan propagasi-balik untuk mengklasifikasikan isyarat suara jantung. Isyarat suara jantung yang diklasifikasikan adalah suara jantung normal dan 24 macam kasus murmur. Dengan menggunakan stetoskop dan penguat berlebar bidang 1 kHz direkam suara jantung normal dari beberapa orang sampel. Untuk melengkapi data murmur patalogis maka didownload suara murmur jantung dari suatu situs internet. Isyarat suara jantung kemudian dianalisis spektral dayanya untuk diekstraksi ciri . Klasifikasi dengan jaringan syaraf tiruan dilakukan untuk beberapa resolusi spektral. Hasil yang diperoleh menunjukan bahwa dengan ekstraksi ciri menggunakan metode spektral dan algoritma jaringan syaraf tiruan propagasibalik dapat membedakan suara jantung normal dan murmur. Keberhasilan pengujian jaringan dengan isyarat yang bercampur derau dengan SNR 10 dB dapat mencapai 90 % dengan resolusi 125 cacah cuplikan frekuensi pada 50 data pelatihan. Arsitektur dan parameter jaringan terbaik yang didapatkan mempunyai 125 neuron masukan, 2 lapisan tersembunyi dengan 75 dan 50 neuron pada masing-masing lapisannya, 25 neuron keluaran serta dengan laju pelatihan 0,6 dan koefisien momentum 0,7.

The aim of this research is to develop a program with a back-propagation artificial neural network algorithm to classify heart sound signals. The classification is done for normal heart sound and 24 heart murmurs. Using a stethoscope with 1 kHz bandwidth amplifier, normal heart sound from some human samples are detected. For completing pathology data, heart murmurs are downloaded from internet. The signals of heart sound were analyzed it’s power spectral, for feature extraction. The results show that using feature extraction with spectral method and backpropagation artificial neural network, we can differentiate the normal heart sound and heart murmurs. The input tolerance of the system is tested using noisy data. The percentage of success of 90 % is obtained with SNR of 10 dB for 125 frequency samples. The best architecture and network parameters result 125 input neurons, 2 hidden layers with 75 and 50 neurons on each layer, 25 output neurons, 0.6 learning rate and 0.7 momentum coefficient.

Kata Kunci : Jaringan Syaraf Tiruan,Klasifikasi Isyarat Suara Jantung,Heart murmurs, power spectral, classification, ANN, backpropagation