Kisti, Azifa Bil (2020) KLASIFIKASI SUARA JANTUNG MENGGUNKAN METODE LEARNING VECTOR QUANTIZATION (LVQ) BERDASARKAN EKSTRAKSI CIRI FAST FOURIER TRANSFORM (FFT). S1 thesis, Fakultas Teknik Universitas Sultan Ageng Tirtayasa.

	Text (Fulltext) LAPORAN SKRIPSI.pdf Restricted to Registered users only Download (1MB)
	Text (Abstrak) ABSTRAK - 2024-11-18T145837.384.pdf Download (33kB)

Abstract

Suara jantung pada beberapa kasus penyakit jantung memiliki pola-pola tertentu yang bisa dikenali, oleh karena itu suara jantung biasanya dipakai untuk mendiagnosa penyakit jantung. Teknik yang biasa digunakan adalah teknik auskultasi, yaitu mendengarkan suara jantung dengan menggunakan stetoskop. Secara umum, sistem pendeteksian kelainan jantung ini terdiri dari dua bagian utama, yaitu ekstraksi ciri menggunakan Fast Fourier Transform (FFT) dan klasifikasi ciri menggunakan jaringan saraf tiruan Learning Vector Quantization (LVQ). Data yang digunakan sebanyak 136 sinyal suara jantung yang terdiri dari 92 data training dan 46 data testing. Hasil dekomposisi yang berupa subband ini kemudian dihitung energinya sehingga didapatkan ciri tertentu. Ciri yang diperoleh inilah yang kemudian dikenali dengan menggunakan LVQ. Dari hasil pengujian diperoleh tingkat detection accuracy kelainan jantung adalah 8,6% untuk data uji begitu juga untuk classification menggunakan data latih adalah 8,6%.

Actions (login required)

View Item