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
Universitas Sumatera Utara
diaplikasikan pada tiga tipe dasar DAS, contohnya, finecoarse 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
Universitas Sumatera Utara
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
Kategori