Deteksi Infeksi Pada Rongga Mulut Berbasis Pemrosesan Sinyal Wicara Dengan Metoda Wavelet Packet Dan Klasifikasi Som : Infection Detection On Oral Cavity Based On Speech Processing With Wavelet Packet Method And Som Classification

Abstract

Abstrak Penelitian tugas akhir ini dibuat dengan menggabungkan dua bidang keahlian yaitu bidang teknologi dan bidang kedokteran. Pada penelitian sebelumnya, beberapa penulis dari institusi yang berbeda telah melakukan identifikasi suara manusia maupun identifikasi penyakit di rongga mulut antara lain Risha Annisa (Universitas Telkom), Roy Cesaro Erari (Universitas Telkom), Rinaldi Budi Utomo (Universitas Gadjah Mada), dan Jaenal Arifin (STMIK Asia). Berdasarkan referensi tersebut membuat penulis tertarik untuk melakukan penelitian ini yang secara spesifik membahas penyakit Stomatitis Aftosa Rekuren (SAR). Stomatitis adalah inflamasi lapisan mukosa dari struktur apa pun pada mulut, seperti pipi, gusi, lidah, bibir dan atap atau dasar mulut. Teknologi telekomunikasi dapat diaplikasikan dengan menggunakan pengolahan suara. Pengolahan suara dilakukan dengan input penyakit SAR berdasarkan suara manusia dalam satu kalimat tertentu. Setelah itu, dilakukan proses preprocessing, ekstraksi ciri menggunakan menggunakan metode wavelet packet dan klasifikasi menggunakan Self Organizing Map (SOM). Tugas Akhir ini bertujuan agar masyarakat awam serta para dokter bisa lebih mudah mengindentifikasi penyakit SAR menggunakan pengolahan suara. Penentuan persentase dirancang menggunakan perangkat lunak berbasis Matlab. Metode ekstraksi ciri wavelet packet dan klasifikasi SOM dapat menghasilkan suatu program yang dapat menentukan jenis dan presentase kelompok penyakit pada satu sampel. Dari hasil pengujian yang dilakukan, mendapatkan akurasi terbaik sebesar 79%. Kata Kunci: Stomatitis Aftosa Rekuren (SAR), wavelet packet, SOM Abstract This final project research was made by combining two fields of expertise, namely the field of technology and the field of medicine. In previous studies, several authors from different institutions have identified human voices and identified diseases in the oral cavity, including Risha Annisa (Telkom University), Roy Cesaro Erari (Telkom University), Rinaldi Budi Utomo (Gadjah Mada University), and Jaenal Arifin (STMIK Asia). Based on these references, the authors are interested in conducting this study that specifically addresses Recurrent Aftosa Stomatitis (SAR). Stomatitis is inflammation of the mucous layer of any structure in the mouth, such as cheeks, gums, tongue, lips and roof or floor of the mouth. Telecommunication technology can be applied using sound processing. Sound processing is done by input SAR disease based on human voice in one particular sentence. After that, the preprocessing process is performed, feature extraction using the wavelet packet method and classification using the Self Organizing Map (SOM). This Final Project aims to make ordinary people and doctors easier to identify SAR disease using sound processing. Percentage determination is designed using Matlab based software. Wavelet packet feature extraction method and SOM classification can produce a program that can determine the type and percentage of disease groups in one sample. From the results of the tests conducted, getting the best accuracy of 79%. Keywords: Stomatitis Aftosa Rekuren, wavelet packet, Self Organizing Map