REDUKSI NOISE DARI REKAMAN SUARA PERNAPASAN MENGGUNAKAN WAVELET TRANSFORM BASED FILTER SKRIPSI SAMUEL INDRA GUNAWAN SITUMEANG

Transkripsi

1 REDUKSI NOISE DARI REKAMAN SUARA PERNAPASAN MENGGUNAKAN WAVELET TRANSFORM BASED FILTER SKRIPSI SAMUEL INDRA GUNAWAN SITUMEANG PROGRAM STUDI S1 TEKNOLOGI INFORMASI FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI UNIVERSITAS SUMATERA UTARA MEDAN 2014

2 REDUKSI NOISE DARI REKAMAN SUARA PERNAPASAN MENGGUNAKAN WAVELET TRANSFORM BASED FILTER SKRIPSI Diajukan untuk melengkapi tugas dan memenuhi syarat memperoleh ijazah Sarjana Teknologi Informasi SAMUEL INDRA GUNAWAN SITUMEANG PROGRAM STUDI S1 TEKNOLOGI INFORMASI FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI UNIVERSITAS SUMATERA UTARA MEDAN 2014

3 PERSETUJUAN Judul : REDUKSI NOISE DARI REKAMAN SUARA PERNAPASAN MENGGUNAKAN WAVELET TRANSFORM BASED FILTER Kategori : SKRIPSI Nama : SAMUEL INDRA GUNAWAN SITUMEANG Nomor Induk Mahasiswa : Program Studi : SARJANA (S1) TEKNOLOGI INFORMASI Fakultas : ILMU KOMPUTER DAN TEKNOLOGI INFORMASI (FASILKOM-TI) UNIVERSITAS SUMATERA UTARA Diluluskan di Medan, Juni 2014 Komisi Pembimbing : Pembimbing 2 Pembimbing 1 Romi Fadillah Rahmat, B.Com.Sc, M.Sc NIP M. Fadly Syahputra, B.Sc.,M.Sc.IT NIP Diketahui / Disetujui oleh Program Studi S1 Teknologi Informasi Ketua, M. Anggia Muchtar, S.T, M.MIT NIP

4 PERNYATAAN REDUKSI NOISE DARI REKAMAN SUARA PERNAPASAN MENGGUNAKAN WAVELET TRANSFORM BASED FILTER SKRIPSI Saya mengakui bahwa skripsi ini adalah hasil karya saya sendiri, kecuali beberapa kutipan dan ringkasan yang masing-masing telah disebutkan sumbernya. Medan, Juni 2014 Samuel Indra Gunawan Situmeang

5 UCAPAN TERIMA KASIH Segala hormat, puji dan syukur kepada Tuhan Yesus Kristus, yang senantiasa melimpahkan berkat dan kasih-nya sehingga penulis dapat menyelesaikan skripsi ini sebagai syarat untuk memperoleh ijazah Sarjana Teknologi Informasi, Program Studi S1 Teknologi Informasi. Proses penyusunan skripsi ini tidak lepas dari dukungan dan bantuan dari berbagai pihak. Oleh karena itu, penulis mengucapkan terima kasih dan penghargaan yang setinggi-tingginya kepada : 1. Kedua orang tua penulis yang telah mendidik, membesarkan penulis, memberi nasehat, mendukung dan memotivasi, ayah Drs. Antoni Situmeang dan ibu Dra. Kristina Laoli. Adik-adik penulis : Jeremiya Situmeang, Mohaga Rianto Manalaksak Situmeang dan Julio Gilbert Hamonangan Situmeang yang selalu mendoakan, memberikan dorongan dan dukungan kepada penulis. Serta kepada keluarga besar, termasuk kakek, nenek, paman, bibi, sepupu atas segala dukungan dan doanya. Skripsi ini penulis persembahkan untuk orangtua dan keluarga penulis. 2. Amangboru Good Fried Panggabean, S.T., M.T. yang telah memberikan saran dan masukan untuk membantu penulis menyelesaikan skripsi ini. 3. Bapak M. Fadly Syahputra, B.Sc, M.Sc.IT. dan Bapak Romi Fadillah Rahmat, B.Com.Sc, M.Sc. selaku dosen pembimbing penulis yang telah banyak memberikan inspirasi, saran, masukan, serta bersedia meluangkan waktu, tenaga dan pikiran untuk membantu penulis menyelesaikan skripsi ini. 4. Bapak Prof. Dr. M. Zarlis, M.Sc. selaku Dekan Fakultas Ilmu Komputer dan Teknologi Informasi beserta seluruh Staf Dosen Pengajar dan pegawai, atas didikan, bimbingan dan layanan yang telah diberikan kepada penulis selama menuntut ilmu di Fakultas Ilmu Komputer dan Teknologi Informasi.

6 iv 5. Bapak Muhammad Safri Lubis, S.T., M.Com. selaku dosen penasehat akademik yang senantiasa memberikan saran, petunjuk dan bimbingan yang bermanfaat selama penulis menuntut ilmu di Fakultas Ilmu Komputer dan Teknologi Informasi. 6. Bapak Prof. Dr. Opim Salim Sitompul, M.Sc. dan Bapak Dani Gunawan, ST., MT. yang telah bersedia menjadi dosen pembanding penulis. 7. Sahabat-sahabat yang selalu mendukung dan mendoakan penulis : Frans J.H. Sihombing, Joy J.G. Simanjuntak, Eldo H. Tobing, Tri N.A. Situmorang, Lidya R. Ginting, Elysabeth Y. Nababan, Fransisca R.E. Pardede dan Wanda E. Simatupang. 8. Teman-teman guru sekolah minggu dan pemuda/i GKPI Jemaat Khusus Binjai Kota yang senantiasa mendukung dan mendoakan penulis. 9. Pemimpin Kelompok Kecil Kami Ga Mamoru, kak Rolina Harianja serta Saudara Kelompok Kecil Kami Ga Mamoru : Iphon H. Panjaitan, Alman, J. Tarigan dan T.B. Reinhard Pasaribu yang senantiasa mendukung dan mendoakan penulis. Terima kasih juga atas kebersamaan kita dalam persekutuan selama di kelompok kecil. 10. Teman-teman angkatan 2009, senior, dan junior yang telah memberikan dukungan, serta teman-teman mahasiswa yang tidak dapat penulis sebutkan satu-persatu. Akhir kata, penulis memohon maaf bila dalam penulisan karya tulis ilmiah ini terdapat beberapa kesalahan. Oleh karena itu, penulis sangat mengharapkan adanya masukanmasukan yang membangun. Semoga karya tulis ini dapat memberikan kontribusi bagi perkembangan Teknologi Informasi di Indonesia. Tuhan Yesus memberkati.

7 ABSTRAK 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 pernapasan direkam menggunakan stetoskop digital, kemudian disimpan dalam format file suara. Suara pernapasan ini nantinya akan dianalisis oleh praktisi kesehatan untuk diagnosa gejala penyakit ataupun penyakit. Namun, suara pernapasan ini belum terbebas dari gangguan sinyal. Oleh karena itu, diperlukan filter suara atau sistem reduksi gangguan sinyal sehingga komponen suara pernapasan yang berisi sinyal informasi dapat lebih diperjelas. Pada penelitian ini dirancang sebuah filter yang disebut wavelet transform based filter. Wavelet transform based filter yang dirancang dalam penelitian ini menggunakan wavelet daubechies dengan empat koefisien wavelet transform. Berdasarkan pengujian terhadap sepuluh jenis data suara pernapasan, diperoleh SNR db terbesar pada data bronkial, sebesar desibel. Kata kunci: wavelet transform based filter, suara pernapasan, noise, snr

8 NOISE REDUCTION OF BREATH SOUND RECORD USING WAVELET TRANSFORM BASED FILTER ABSTRACT The development of science and technology in health area increasingly to give convenience in diagnose of breath system adoption. Recording breath sound is one of the example of that development. Breath sound recorded with digital stethoscope, than stored in audio format file. This breath sound will be analyzed by the health expertise for disease symptoms diagnosis or diseases diagnosis. Even though, this breath sound not yet free from noise. Therefore, required a sound filter or noise reduction system so that the breath sound component that contain signal information will be enhance. In this research, designed wavelet transform based filter. Wavelet transform based filter that designed in this research using wavelet daubechies with four wavelet transform coefficients. According to testing of ten type of breath sound data, acquired the biggest SNR db in bronchial data, the size is decibel. Keywords: wavelet transform based filter, breath sound, noise, snr

9 DAFTAR ISI Hal. PERSETUJUAN i PERNYATAAN ii UCAPAN TERIMA KASIH iii ABSTRAK v ABSTRACT vi DAFTAR ISI vii DAFTAR TABEL ix DAFTAR GAMBAR x BAB 1 PENDAHULUAN Latar Belakang Rumusan Masalah Batasan Masalah Tujuan Penelitian Manfaat Penelitian Metodologi Penelitian Sistematika Penulisan 6 BAB 2 LANDASAN TEORI Suara Pernapasan Suara Napas Abnormal Karakteristik Suara Paru-paru dan Noise WAVE Wavelet Transform Analisis Multiresolusi Denoising Threshold Signal-to-Noise Ratio (SNR) Penelitian Terdahulu 17 BAB 3 ANALISIS DAN PERANCANGAN SISTEM Data Yang Digunakan 19

10 viii 3.2. Analisis Sistem General architecture Perancangan Tampilan Antarmuka 33 BAB 4 IMPLEMENTASI DAN PENGUJIAN Implementasi Sistem Spesifikasi hardware dan software yang digunakan Implementasi perancangan antarmuka Pengujian Sistem Rencana pengujian sistem Kasus dan hasil pengujian sistem Pengujian kinerja sistem Pengujian data 43 BAB 5 KESIMPULAN DAN SARAN Kesimpulan Saran 54 DAFTAR PUSTAKA 55 LAMPIRAN A: KODE PROGRAM 58

11 DAFTAR TABEL Hal. Tabel 2.1 Deskripsi format berkas WAVE 11 Tabel 2.2 Penelitian Terdahulu 17 Tabel 3.1 Rangkuman Data Rekaman Suara Pernapasan 19 Tabel 4.1 Rencana Pengujian Sistem 37 Tabel 4.2 Hasil Pengujian Komponen Jendela Utama 38 Tabel 4.3 Data dalam Bentuk Larik bertipe Double 40 Tabel 4.4 Hasil Dekomposisi 41 Tabel 4.5 Sinyal Suara Pernapasan Hasil Threshold 41 Tabel 4.6 Noise Hasil Threshold 41 Tabel 4.7 Sinyal Suara Pernapasan Hasil Rekonstruksi 42 Tabel 4.8 Noise Hasil Rekonstruksi 42 Tabel 4.9 Hasil Pengujian Reduksi Noise dari Suara Pernapasan 43

12 DAFTAR GAMBAR Hal. Gambar 2.1 Format file WAVE 11 Gambar 2.2 Penerapan dekomposisi pada Discrete Wavelet Transform; dimana g[n] adalah high pass filter; h[n] adalah low pass filter 14 Gambar 3.1 Flowchart tahapan preprocess 26 Gambar 3.2 Flowchart tahapan dekomposisi 27 Gambar 3.3 Flowchart tahapan threshold 28 Gambar 3.4 Flowchart tahapan rekonstruksi 29 Gambar 3.5 Flowchart tahapan final process 30 Gambar 3.6 General Architecture 31 Gambar 3.7 Rancangan Jendela Utama (Main Window) 33 Gambar 4.1 Tampilan Jendela Utama (main window) 36 Gambar 4.2 Sinyal suara pernapasan 40 Gambar 4.3 Sinyal suara pernapasan setelah melalui filter 43 Gambar 4.4 Noise setelah melalui filter 43 Gambar 4.5 Sinyal bronkial sebelum reduksi noise (atas) dan sinyal setelah reduksi noise (bawah) 44 Gambar 4.6 Sinyal coarse crackles sebelum reduksi noise (atas) dan sinyal setelah reduksi noise (bawah) 45 Gambar 4.7 Sinyal fine crackles dengan bronkial yang gugur sebelum reduksi noise (atas) dan sinyal setelah reduksi noise (bawah) 46 Gambar 4.8 Sinyal fine crackles sebelum reduksi noise (atas) dan sinyal setelah reduksi noise (bawah) 47 Gambar 4.9 Sinyal inspirasi stridor sebelum reduksi noise (atas) dan sinyal setelah reduksi noise (bawah) 48 Gambar 4.10 Sinyal trakea normal sebelum reduksi noise (atas) dan sinyal setelah reduksi noise (bawah) 49

13 xi Gambar 4.11 Sinyal vesikular normal sebelum reduksi noise (atas) dan sinyal setelah reduksi noise (bawah) 50 Gambar 4.12 Sinyal gesekan pleura sebelum reduksi noise (atas) dan sinyal setelah reduksi noise (bawah) 51 Gambar 4.13 Sinyal rhonchus sebelum reduksi noise (atas) dan sinyal setelah reduksi noise (bawah) 52 Gambar 4.14 Sinyal wheezing sebelum reduksi noise (atas) dan sinyal setelah reduksi noise (bawah) 53