ABSTRAKSI: Auskultasi suara jantung merupakan teknik untuk mendengarkan suara jantung. Hal ini membutuhkan suatu keahlian yang sangat baik. Phonocardiogram merekam dan menampilkan sinyal jantung ke osiloskop yang kemudian hasilnya di diagnosa oleh para ahli. Proses ini sangat kompleks dan membutuhkan waktu yang lama. Oleh karena itu diperlukan suatu perangkat lunak untuk menganalisa dan menginterpretasikan suara jantung yang berhubungan dengan gejala-gejala dalam penyakit jantung.
Berdasarkan masalah diatas maka dalam Tugas Akhir ini dibuat perangkat lunak yang bisa membantu para dokter tersebut dengan menggunakan salah satu teknik Jaringan Saraf Tiruan (JST) yaitu adaptive resonance theory (ART) 2 dari inputan yang berupa pola ekstraksi ciri dari sinyal suara hasil phonocardiogram. Metode yang digunakan untuk mendapatkan pola ekstraksi ciri adalah metode Root Mean Square (RMS).
Hasil dari penelitian Tugas Akhir ini menunjukan bahwa ekstraksi ciri suara jantung dengan menggunakan Root Mean Square memberikan hasil yang cukup baik dalam karena mampu menunjukan kemiripan feature dalam satu kelas. Dari pengujian dengan menggunakan 169 suara jantung yang terbagi dalam 15 kelas, JST ART-2 memiliki tingkat kesalahan 4.73% dengan menggunakan parameter rho=0.999, alpha=0.1, c=0.1, d=0.9, dan iterasi 1 kali. Dengan parameter tersebut jaringan bisa mengaktifkan 98 neuron.Kata Kunci : root mean square (RMS), jaringan saraf tiruan (JST), adaptive resonance theory 2 (ART-2)ABSTRACT: Heart auscultation is a technique to examine heart sound. To use this technique a person must have a very good skill. Phonocardiogram record and show heart signal to the osciloscope wich later the signal will be examined by an expert. These proses is very complex and need a lot of time. That is why it is needed a software that could help to analize and interprets the heart sound.
Based on the problems above, a software that could help the doctors is made in this final project. This software is made by using Artificial Neural Network (ANN) Adaptive Resonance Theory 2 (ART-2) to separate each sound to its class. A preprocessing method that is used in this final project is Root Mean Square (RMS).
The result from this final project shows that feature extraction using Root Mean Square method gives a very good result because it can shows the feature resemblance in one class. From the trial of 169 heart sounds wich is divided into 15 class, the ART-2 have the precentage of error 4.73% by using the parameters: rho=0.999, alpha=0.1, c=0.1, d=0.1, and iteration for 1 time. In the trial using that parameters the network succesfully activated 98 neuron (class).Keyword: root mean square (rms), artificial neural network (ann), adaptive resonance theory 2 (art-2)