BAB 1 PENDAHULUAN 1.1. Latar Belakang - Reduksi Noise Dari Rekaman Suara Pernapasan Menggunakan Wavelet Transform Based Filter
BAB 1 PENDAHULUAN
1.1. Latar Belakang
Dalam melakukan diagnosa terhadap sistem pernapasan seseorang, praktisi kesehatan atau dokter menggunakan suatu alat yang dinamakan stetoskop. Dengan stetoskop, praktisi kesehatan dapat mendengar suara paru-paru untuk mendiagnosa kondisi fisik dan kesehatan seseorang. Suara paru-paru yang didengar melalui stetoskop, masih bercampur dengan suara-suara lain seperti suara jantung, suara gesekan kulit dengan stetoskop, dan suara gerak dada. Hal ini mempersulit praktisi kesehatan dalam mendiagnosa kondisi fisik dan kesehatan seseorang. Dalam pemrosesan sinyal, suara- suara lain atau suara asing ini biasa disebut gangguan sinyal atau noise.
Perkembangan ilmu pengetahuan dan teknologi di bidang kesehatan semakin memberikan kemudahan dalam mendiagnosa sistem pernapasan. Perekaman suara pernapasan adalah salah satu contoh perkembangan tersebut. Suara paru-paru direkam menggunakan stetoskop digital, kemudian disimpan dalam format suara. Seperti halnya metode konvensional, suara pernapasan belum terbebas dari gangguan sinyal. Oleh karena itu, diperlukan filter suara atau reduksi gangguan sinyal sehingga komponen suara pernapasan yang berisi sinyal informasi dapat lebih diperjelas. Penelitian terhadap reduksi gangguan sinyal telah dilakukan sejak beberapa tahun terakhir, namun belum dapat memberikan suatu hasil yang memuaskan.
Hadjileontiadis & Panas (1997), mengombinasikan multiresolution analysis dengan hard thresholding untuk menyusun skema wavelet transform based
stationary-nonstationary filter (WTST-NST). WTST-NST kemudian
diimplementasikan untuk analisis discontinuous adventitious sounds (DAS). Skema telah dievaluasi pada rekaman yang dipilih dari tiga database internasional dan telah diaplikasikan pada tiga tipe dasar DAS, contohnya, fine/coarse crackles dan squawks. Percobaan menunjukkan bahwa, meskipun perbedaannya di karakter struktural di antara ketiga jenis DAS, WTST-NST filter memiliki kualitas yang sangat baik dalam memisahkan sinyal pada semua kasus. Cost komputasi dari wavelet transform based WTST-NST filter tergolong rendah; filter dapat dengan mudah diimplementasi dan dapat digunakan sebagai objective screening method dalam analisis DAS. Komputasi iterasi prosedur MRD-MRR (Multiresolution Decomposition
- – Multiresolution
Reconstruction ) menghitung hingga 95% dari seluruh usaha komputasi.
Bagaimanapun, penelitian ini hanya berfokus pada separasi discontinuous adventitious sounds dari vesicular sound.
Hadjileontiadis & Panas (1998), mengombinasikan multiresolution analysis dengan hard thresholding untuk menyusun wavelet transform based stationary-
nonstationary filter (WTST-NST). WTST-NST kemudian diaplikasikan untuk
menseparasi bagian nonstasioner sinyal masukan (suara jantung) dari bagian stasioner (suara paru-paru). Seperti penelitian sebelumnya, penelitian ini memakai metode yang serupa dengan masalah yang berbeda. Namun, ditemukan masalah white noise setelah sinyal masukan melalui filter.
Hossain & Moussavi (2003), wavelet transform based filter diimplementasikan pada sinyal suara paru-paru yang telah direkam pada laju aliran rendah dan menengah bersama dengan beberapa detik rekaman napas yang ditahan, untuk mereduksi suara jantung sehingga didapatkan suara paru-paru yang bersih dari suara jantung. Penelitian ini pada dasarnya masih memiliki konsep yang sama dengan penelitian Hadjileontiadis & Panas (1997). Perbedaannya terletak pada masalah yang akan diselesaikan. Masalah yang akan diselesaikan serupa dengan penelitian Hadjileontiadis & Panas (1998), hanya dalam penelitian ini rekaman suara paru-paru sudah dispesifikasi. White noise masih ditemukan.
Falk & Chan (2008), menginvestigasi penggunaan modified spectro-temporal
representation untuk meningkatkan pemisahan sinyal. Representasi diperoleh dengan
cara dekomposisi frekuensi (disebut modulasi frekuensi) dari lintasan-lintasan proyektil temporal komponen spektral jangka pendek. Percobaan menunjukkan bahwa peningkatan pemisahan suara jantung dan suara paru-paru dicapai dalam domain modulasi frekuensi. Filter modulasi bandpass dan bandstop dirancang untuk memisahkan sinyal suara jantung dan sinyal suara paru-paru dari rekaman suara pernapasan. Inspeksi visual dan pendengaran, analisis kuantitatif, serta algoritma waktu eksekusi digunakan untuk menilai performa algoritma. Dalam penelitian mengkode ucapan, dua sinyal dengan jarak log-spektral lebih kecil dari 1 dB dianggap tidak dapat dibedakan secara perseptif (Kleijn & Paliwal, 1995). Menggunakan pernyataan tersebut dengan ambang batas yang berbeda untuk transparansi spektral, dapat diamati bahwa rata-rata jarak log-spektral 0,61 dB dan 0,31 dB dapat dicapai untuk memisahkan masing-masing sinyal suara paru-paru dan sinyal suara jantung. Oleh karena itu, artefak yang dapat didengar tidak digunakan dalam metode pemisahan yang diusulkan; pernyataan ini lebih dikuatkan dengan mendengar sinyal suara paru-paru dan suara jantung yang telah dipisahkan.
Sukresno et al. (2009), menggunakan filter adaptif karena mempunyai kemampuan untuk mengubah bobot koefisiennya secara otomatis, menyesuaikan dengan sinyal input. Filter adaptif dirancang sebagai noise cancellar dengan algoritma
recursive least square (RLS) untuk mereduksi suara jantung dari rekaman paru-paru.
Pada penelitian ini digunakan rekaman suara pernapasan dimana suara jantung memiliki amplitudo yang lebih besar dibandingkan dengan suara-paru-paru.Dalam penelitian ini, akan diterapkan wavelet transform based filter untuk mereduksi suara-suara asing atau gangguan sinyal dalam rekaman suara pernapasan, sehingga didapatkan sinyal yang lebih jelas tanpa kehilangan informasi penting yang terdapat di dalam sinyal tersebut. Dalam penelitian ini white noise juga akan dicoba untuk dikurangi. Dengan rekaman suara paru-paru yang telah difilter, praktisi kesehatan atau dokter mendapatkan informasi yang lebih jelas sehingga hasil diagnosa menjadi lebih baik.
1.2. Rumusan Masalah
Berdasarkan latar belakang maka rumusan masalahnya adalah sulitnya mendiagnosa penyakit melalui rekaman suara pernapasan yang masih bercampur dengan noise.
1.3. Batasan Masalah
Penulis membuat batasan masalah yaitu sebagai berikut: 1.
Wavelet yang dipakai hanya Wavelet Daubechies (Db4).
2. Hasil kerja sistem diukur dengan kriteria objektif dan subjektif. Kriteria objektif yang digunakan adalah signal-to-noise ratio (SNR) serta tampilan sinyal. Sedangkan kriteria subjektif adalah pengamatan terhadap sinyal suara dan pendengaran manusia.
3. Suara pernapasan dalam hal ini adalah suara yang dapat didengar manusia yaitu antara frekuensi 20 - 20.000 Hz (Serway & Jewett 2013).
4. Data yang digunakan adalah sepuluh rekaman suara pernapasan dari perusahaan Littmann.
5. Data yang digunakan bersifat umum, tidak mempertimbangkan variabel usia dan jenis kelamin.
6. Format berkas rekaman suara pernapasan yang akan dipakai hanya file suara berekstensi wav.
1.4. Tujuan Penelitian
Adapun tujuan dari penelitian ini adalah untuk mengolah suara pernapasan sehingga sinyal yang mengandung informasi dapat lebih diperjelas.
1.5. Manfaat Penelitian
Manfaat penelitian ini adalah sebagai berikut: 1.
Membantu proses penganalisaan suara pernapasan dalam kaitannya mendeteksi penyakit atau kelainan pada pernapasan.
2. Menyumbangkan metode yang efektif dalam mereduksi gangguan sinyal pada suara pernapasan.
1.6. Metodologi Penelitian
Metodologi penelitian yang digunakan pada penelitian ini adalah: 1.
Studi Literatur Studi literatur dilakukan dengan cara mengumpulkan bahan referensi yaitu dari buku, artikel, paper, jurnal, makalah, maupun situs-situs dari internet. Studi literatur yang dilakukan berkaitan dengan peningkatan kualitas sinyal, karakteristik sinyal suara paru-paru, karakteristik noise pada sinyal suara pernapasan, metode wavelet daubechies, dan wavelet transform based filter.
2. Pengumpulan Data Pada tahap ini dilakukan pengumpulan data dan informasi yang akan diperlukan dalam penelitian.
3. Analisis dan Perancangan Pada tahap ini dilakukan analisis terhadap studi literatur untuk mengetahui penyelesaian permasalahan reduksi gangguan sinyal/ noise pada rekaman suara pernapasan dengan menggunakan wavelet transform based filter. Setelah itu dilakukan perancangan sistem berdasarkan analisis yang telah dibuat sebelumnya.
4. Implementasi Pada tahap ini dilakukan analisis terhadap studi literatur untuk mengetahui penyelesaian permasalahan reduksi gangguan sinyal/ noise pada rekaman suara pernapasan dengan menggunakan wavelet transform based filter. Setelah itu dilakukan perancangan sistem berdasarkan sistem berdasarkan analisis yang telah dibuat sebelumnya.
5. Pengujian Pada tahap ini dilakukan pengujian aplikasi yang telah dibuat untuk mengetahui apakah aplikasi tersebut sudah berjalan dengan benar dan sesuai dengan perancangan yang telah dilakukan sebelumnya.
6. Penyusunan Laporan
Pada tahap ini dilakukan penyusunan dokumentasi dari hasil analisis dan implementasi dari aplikasi yang telah dibuat.
1.7. Sistematika Penulisan
Sistematika penulisan skripsi ini dibagi menjadi lima bagian utama, yaitu:
Bab 1: Pendahuluan Bab ini berisi latar belakang, rumusan masalah, batasan masalah, tujuan penelitian, manfaat penelitian, metodologi penelitian, dan sistematika penulisan. Bab 2: Landasan Teori Bab ini membahas teori-teori yang digunakan untuk menyelesaikan permasalahan yang akan dibahas pada penelitian ini. Bab 3: Analisis dan Perancangan Bab ini berisi analisis dan penerapan wavelet transform based filter untuk mereduksi
gangguan sinyal/ noise pada rekaman suara pernapasan. Bab ini juga berisi perancangan sistem dan perancangan antarmuka dari aplikasi yang akan dibuat.
Bab 4: Implementasi dan Pengujian Pada bab ini dibahas implementasi dari aplikasi yang akan dibuat. Setelah itu
dilakukan pengujian untuk memastikan apakah hasil yang didapat sesuai dengan sasaran yang diharapkan atau tidak.
Bab 5: Kesimpulan dan saran Bab ini berisikan kesimpulan dan penelitian yang telah dilakukan beserta saran-saran yang berguna untuk penelitian selanjutnya.