ABSTRAKSI: Sampai saat ini, dokter masih menggunakan teknik auskultasi yaitu mendengarkan suara jantung untuk memantau kinerja jantung. Hasil dari diagnosa dengan cara seperti ini tentunya sangat bergantung dari tingkat kepekaan pendengaran dan pegalaman dokter. Selain itu, faktor sinyal suara jantung yang menempati frekuensi rendah dan memiliki amplitudo yang rendah juga memperbesar kemungkinan kesalahan diagnosa.
Untuk mendeteksi ada tidaknya penyakit jantung pada seseorang, maka hal yang harus diidentifikasi adalah ada tidaknya murmur. Tugas akhir ini bertujuan untuk menghasilkan alat bantu untuk memisahkan komponen murmur pada suara jantung. Secara umum, sistem segmentasi dilakukan dengan menggunakan dekomposisi wavelet dan metode nilai eigen. Koefisien aproksimasi yang dihasilkan dari dekomposisi wavelet dihitung tingkat kesederhanaannya (Simplicity). Simplicity ini kemudian akan dilakukan threshold yang akan memisahkan komponen suara jantung pertama (S1) dan suara jantung kedua (S2) dengan suara murmur.
Dari hasil penelitian dengan menggunakan level 2 dekomposisi wavelet, tingkat akurasi segmentasi yang diperoleh adalah 100% dengan parameter N=50 dan m=4 pada perhitungan nilai simplicity.
Kata Kunci : Wavelet Decomposition-Simplicity Filter, Koefisien Aproksimasi, MurmurABSTRACT: Until now, doctors still use the technique of auscultation of heart sounds to listen to monitor cardiac performance. The results of the diagnosis in this way must be very dependent of the level of auditory sensitivity and doctor’s experiences. In addition, factors of heart sound signals that occupy the low frequencies and have a low amplitude also increase the likelihood of error diagnostics.
To detect the presence or absence of heart disease in a person, then it should be identified is the presence or absence of murmurs. This final task is to give tools to separate the components of the sound of heart murmurs. In general, the segmentation system is done by using wavelet decomposition and eigenvalue method. The resulting approximation coefficients of wavelet decomposition is calculated simplicity value. Simplicity is then conducted threshold that would separate the components of the first heart sound (S1) and second heart sound (S2) with a murmur.
From the results of research using 2th level wavelet decomposition obtained segmentation accuracy was 100% with the parameters N = 50 and m = 4 in the calculation of the value of simplicity.
Keyword: Wavelet Decomposition-Simplicity Filter, Approximation Coefficient, Murmur