Diagnosa penyakit paru-paru berdasarkan suara paru-paru yang dapat didengarkan melalui sebuah stethoscope, menunjukkan adanya subyektifitas dokter dalam menginterpretasikan hasil auskultasi. Maka diperlukan adanya analisis spektral isyarat suara paru-paru untuk meningkatkan obyektifitas diagnosa.
Dalam Tugas Akhir ini diambil beberapa sampel suara paru-paru normal yang telah ada (sekunder) yang didapat dari internet, kemudian keempat jenis suara paru-paru normal tersebut yaitu bronchial, bronchovesicular, vesicular, dan tracheal, diekstraksi menjadi fitur-fitur dengan menggunakan dekomposisi paket wavelet. Dari hasil ekstraksi didapat 15 fitur dari masing-masing sinyal. Kemudian dihitung energi tiap fiturnya. Fitur-fitur tersebut kemudian dicross-korelasikan dengan suatu sinyal referensi, dalam penelitian ini diambil bronchial 1 sebagai sinyal referensinya.
Analisis dilakukan dengan melihat nilai hasil cross-korelasi tersebut yaitu mean, median, max, min, standar deviasi, dan koefisien korelasinya. Kemudian dari nilai maksimum dan minimumnya ditentukan suatu range nilai sebagai pengklasifikasinya. Berdasarkan range nilai inilah maka klasifikasi dari suara paru-paru tersebut dapat dilakukan, yaitu apakah suara paru-paru tersebut bronchial, bronchovesicular, vesicular, atau tracheal ?.
Diharapkan output sinyal suaranya sesuai dengan sinyal suara input, sehingga klasifikasinya dapat dilakukan dengan benar. Berdasarkan hasil pengujian didapat akurasi sebesar 58,33%. Analisis dan hasil dari analisis diatas disimulasikan dengan menggunakan pemrograman Matlab7. suara paru-paru (lung-sounds/breath-sounds), auskultasi, wavelet, ekstraksi, cross- korelasi.