Hasil Pencarian  ::  Simpan CSV :: Kembali

Abstrak :
Suara denyut jantung memiliki pola khusus yang bersesuaian dengan kondisi jantung seseorang. Jantung yang tidak normal akan menimbulkan suara khas yang disebut murmur. Murmur disebabkan oleh berbagai hal yang menunjukkan kondisi jantung seseorang. Melalui Phonocardiogram (PCG) dapat dilihat gelombang sinyal denyut jantung seseorang. Spektrum denyut jantung abnormal memiliki pola spektrum yang khas. Sehingga melalui pola spektrum tersebut dapat diketahui kelainan jantung apa yang diderita oleh seseorang. Penelitian ini akan membuat suatu program simulasi yang akan mengenali tiga jenis kelainan jantung. Program simulasi ini menggunakan metode Jaringan Syaraf Tiruan dalam mengidentifikasi ketiga jenis kelainan jantung tersebut. Data yang akan digunakan sebagai database yaitu berupa sampel suara denyut jantung dengan format .wav, mono. Metode pelatihan Jaringan Syaraf Tiruan yang dibuat ini menggunakan fungsi traingdx yang terdapat pada Neural Network Toolbox MATLABTM. Adapun penggunaan fungsi traingdx ini karena waktu pelatihannya lebih cepat. Berdasarkan hasil pengujian pengenalan beberapa sampel kelainan jantung diperoleh akurasi rata-rata sebesar 82.2% dalam mengenali tiga jenis kelainan jantung tersebut.

---

Heartbeat has a unique pattern which corresponding to heart condition. Abnormal heart has a unique sounds which called murmurs. An murmur can be caused by something that indicates heart condition. It can be shown as a signal waveform of heartbeats by Phonocardiogram (PCG). Abnormal heartbeat has a unique spectral pattern. So with that spectral pattern it can be identify what kind of murmur types. This research make a simulation program which will identify 3 kinds of murmur heartbeats. This simulation program use Artificial Neural Network (ANN) to identify that murmurs. ANN database will use some murmurs heartbeats which record in .wav, mono fomat. Training method in this ANN use traingdx function which provided by Neural Network Toolbox MATLABTM. Traingdx function is a faster training method. This simulation program has 82.2% accuracy to detect 3 kinds of heartbeat murmur.

Abstrak :
Penyakit pada jantung merupakan salah satu penyebab kematian pada manusia di seluruh dunia. Salah satunya merupakan serangan jantung yang disebabkan adanya kelainan pada katup jantung yang dapat dideteksi melalui suara murmur pada detak jantung penderita. Skripsi ini merancang sistem pengenalan penyakit jantung dengan menggunakan metode Jaringan Syaraf Tiruan. Jaringan Syaraf Tiruan (JST) adalah suatu metode komputasi untuk memodelkan suatu sistem. Bentuk dan sifat JST yang sangat flexible memungkinkan JST digunakan untuk memodelkan, merancang dan menganalisis pengenalan penyakit jantung. Metode yang digunakan adalah backpropagation yang terdiri atas lapisan masukan, lapisan tersembunyi dan lapisan keluaran. Pada penelitian ini analisis yang dilakukan adalah training data dengan fungsi gradient (traingd) serta menggunakan fungsi aktivasi purelin. Hasil dari pengujian kelainan jantung yang diperoleh akurasi rata-ratanya sebesar 82,22 %.

---

Heart disease is one of dead effect of human being in the world. One of them is heart attack which is cause by valve heart disease which can be detected by murmur sound of heartbeat patients. This Final Project is design of heart disease recognition system using Neural Network method. Neural Network is a computing method for modeling the system. Neural Network configuration and characteristic is very flexible enable which used for modeling, design dan analysing heart disease recognition. The methods which used is backpropagation which consist of input layer, hidden layer and output layer. In this research the analysis that has been done is file training with gradient function (traingd) and using purelin activation function. The result from testing heart disease is obtained average accuracy about 82,22 %.

Abstrak :
Latar Belakang Defek septum atrium (DSA) adalah kelainan jantung bawaan yang memengaruhi efisiensi jantung saat septum atrium tidak menutup saat lahir. Umum terjadi pada anak-anak dan terkait dengan faktor risiko seperti Sindrom Down, kelahiran prematur, berat badan lahir rendah, usia ibu muda, riwayat keluarga penyakit jantung bawaan, paparan rokok dan paparan alkohol ibu. Meskipun berbagai profil klinis anak dengan DSA terisolasi telah diteliti namum faktor risiko DSA di RSCM belum banyak diteliti. Metode Penelitian potong lintang ini melibatkan 39 pasien DSA terisolasi berusia 0-18 tahun di RSCM, bersama dengan 39 pasien pediatrik umum sebagai kontrol. Rekam medis dipilih secara acak, dan wawancara dilakukan untuk melengkapi data. SPSS versi 27 digunakan untuk analisis data melalui uji statistik, termasuk analisis univariat dan bivariat. Hasil Kelompok DSA terisolasi umumnya terdiri dari perempuan muda dengan berat badan rendah dan bising jantung derajat-III, dan berasal dari keluarga berpenghasilan menengah-rendah. Sindrom Down (nilai-p=0,007) dan kelahiran prematur (nilaip= 0,001) merupakan faktor risiko yang signifikan secara statistik untuk DSA terisolasi dalam populasi ini. Kesimpulan Sindrom Down dan kelahiran prematur terdapat hubungan signifikan dengan DSA. Diperlukan penelitian lebih lanjut dengan sampel yang lebih besar untuk memperkuat bukti faktor risiko yang tidak signifikan secara statistik. ......Introduction Atrial septal defect is a congenital heart defect that affects the efficiency of the heart when the atrial septum does not close at birth. It is common in children and is associated with risk factors such as Down Syndrome, premature birth, low birth weight, young maternal age, family history of congenital heart disease, smoking exposure and maternal alcohol exposure. Although various clinical profiles of children with isolated ASD have been studied, the risk factors for ASD in dr.Cipto-Mangunkusumo Hospital have not been widely studied. Method This cross-sectional study involved 39 isolated ASD patients aged 0-18 years at dr.Cipto- Mangunkusumo Hospital, along with 39 general pediatric patients as controls. Medical records were selected randomly, and interviews were conducted to complete the data. SPSS version 27 was used for data analysis through statistical tests, including univariate and bivariate analysis. Results The isolated ASD group generally consisted of young women with low body weight and grade-III heart murmurs, and came from middle/low-income families. Down syndrome (p-value=0.007) and preterm birth (p-value=0.001) were statistically significant risk factors for isolated ASD in this population. Conclusion Down syndrome and premature birth are significantly associated with isolated ASD. Further research with a larger sample is needed to strengthen the evidence for risk factors that are not statistically significant.

Abstrak :
Sampai saat ini, serangan jantung masih menjadi penyebab utama kematian dibanyak tempat di dunia. Salah satunya adalah kelainan pada katup jantung yang dapat dideteksi melalui suara murmur pada detak jantung penderita. Skripsi ini membahas tentang perancangan sistem pengenalan penyakit jantung berdasarkan suara detak jantung dengan metode HMM. Sistem ini terbagi menjadi dua proses utama, yaitu pembentukan database dan pengenalan penyakit jantung. Kedua proses ini dilakukan dengan cara yang hampir sama, yaitu tiap sampel akan mengalami proses pelabelan, pembuatan codebook dan pembentukan parameter HMM. Hanya saja, pengolahan sinyal suara pada proses pengenalan mengacu database yang telah lebih dulu diproses. Dimulai dengan pembentukan vektorvektor data dengan teknik kuantisasi vektor (VQ), yang kemudian dicari suatu nilai centroid yang presisi untuk dijadikan state HMM dalam menentukan nilainilai parameter yang dibutuhkan. Berdasarkan parameter-parameter inilah, dapat dihitung suatu nilai probabilitas (Log of Probability) maksimum yang akan menunjukkan hasil keluarannya. Dari hasil perancangan sistem ini, akan dibandingkan akurasi sistem terhadap variasi nilai durasi sampel, jumlah sampel, dan ukuran codebook. Pada penelitian ini ukuran codebook yang optimal adalah 64, jumlah database yang optimal sebesar 10 (sepuluh) buah, dan rentang waktu sampel yang optimal adalah 0,7 detik. Sementara akurasi sistem secara keseluruhan bervariasi antara 60% hingga 85%.

---

Heart attack is still being the number one killer until now all over the world. A part of heart diseases which can be detected by murmur sound and will be explained here is valve anomaly. This thesis is talking about heart disease recognition based on its heart sound system design using HMM method. The system consists of two main processes: database construction and diseases recognition. Both of this processes is done with almost exact ways. Each samples will be processed through labelling, codebook construction, and HMM parameter making. The difference is that in recognizing process, sound signal will be compared to database which has been made before. The whole process is started with data vectors production by vector quantization (VQ) which can be used to analyze precise centroid positions. The centroid will define HMM states and parameters. A Log of Probability (LoP) will be calculated from the parameter values. The largest value of LoP will be declared as an output of the system. Output of each samples are compared to get system accuracy based on variation of sample duration, sample amount, and codebook size. The optimum codebook size in this research is 64, optimum sample amount in database is 10, and 0.7s sample duration. Overall, accuracy of the system is variating from 60% up to 85%.