Nurfiani, Indri and Jumadi, Jumadi and Firdaus, Muhammad Deden (2024) Pemanfaatan STFT dan CNN dalam pengolahan data suara untuk mengklasifikasikan suara batuk. Rabit: Jurnal Teknologi dan Sistem Informasi Univrab, 9 (2). pp. 184-190. ISSN E-ISSN: 2502-891X
Full text not available from this repository. (Request a copy)Abstract
INDONESIA: Penelitian ini bertujuan untuk mengembangkan sistem evaluasi otomatis suara batuk guna mengembangkan sistem evaluasi otomatis suara batuk guna meningkatkan akurasi diagnosa penyakit pernafasan. Dalam studi ini, digunakan metode Short-Time Fourier Transform (STFT) dan Convolutional Neural Network (CNN) untuk klasifikasi suara batuk menjadi batuk kering dan berdahak. Model Naïve Bayes kemudian digunakan untuk mengidentifikasi pernyakit pernafasan berdasarkan hasil klasifikasi batuk. Pengujian dilakukan dengan menggunakan dataset suara batuk yang tersedia, menghasilkan akurasi klasifikasi batuk dengan akurasi 82% dan akurasi identifikasi penyakit pernafasan menggunakan Naïve Bayes sebesar 71,43%. Hasil evaluasi menunjukkan bahwa sistem yang dikembangkan mampu mengklasifikasikan jenis batuk dan mengidentifikasi penyakit dengan akurasi yang memadai. Sistem ini berpotensi meningkatkan pencegahan dan pengelolaan penyakit pernafasan di daerah dengan sumber daya terbatas, serta dapat menjadi alat bantu yang signifikan dalam praktik medis untuk diagnose yang lebih cepat dan akurat. Selain itu, penelitian ini membuka peluang untuk pengembangan lebih lanjut dalam teknologi deteksi dan diagnose penyakit melalui analisis suara, memberikan manfaat luas bagi masyarakat dan bidang kesehatan. ENGLISH: This research aims to develop an automatic cough sound evaluation system to improve the accuracy of respiratory disease diagnosis. In this study, the Short-Time Fourier Transform (STFT) and Convolutional Neural Network (CNN) methods were used to classify cough sounds into dry and wet coughs. The Naïve Bayes model was then used to identify respiratory diseases based on the cough classification results. Testing was conducted using the available cough sound dataset, resulting in a cough classification accuracy of 82% and a respiratory disease identification accuracy using Naïve Bayes of 71.43%. The evaluation results indicate that the developed system can accurately classify cough types and identify diseases. This system has the potential to enhance the prevention and management of respiratory diseases in resource-limited areas and can be a significant tool in medical practice for faster and more accurate diagnoses. Furthermore, this research opens opportunities for further development in disease detection and diagnosis technology through sound analysis, providing wide-ranging benefits for society and the healthcare sector.
| Item Type: | Article |
|---|---|
| Additional Information: | Tugas Akhir Non Skripsi |
| Uncontrolled Keywords: | Cough sound; STFT; CNN; Naive Bayes |
| Subjects: | Data Processing, Computer Science Special Computer Methods Special Computer Methods > Digital Audio |
| Divisions: | Fakultas Sains dan Teknologi > Program Studi Teknik Informatika |
| Depositing User: | Ilham Nurfauzi |
| Date Deposited: | 28 Aug 2024 01:33 |
| Last Modified: | 28 Aug 2024 07:36 |
| URI: | https://digilib.uinsgd.ac.id/id/eprint/94412 |
Actions (login required)
 |
View Item |
