ABSTRAKSI: Analisis rekaman suara paru-paru menyediakan informasi penting dan sangat membantu untuk diagnosis dan monitoring penyakit paru-paru. Namun, tumpang-tindih (overlapping) suara jantung pada rekaman suara paru-paru di frekuensi rendah merupakan noise ketika tim medis melakukan analisis terhadap rekaman suara paruparu.
Pada Tugas Akhir ini, digunakan algoritma genetika (AG) untuk mereduksi suara jantung dari rekaman suara paru-paru. Algoritma Genetika merupakan salah satu cabang evolutionary algorithm yang paling banyak digunakan. AG akan memilih dan melakukan thresholding subband-subband hasil dekomposisi paket wavelet terhadap rekaman suara paru-paru. Dalam hal ini, AG akan mengoptimasi suara jantung dan menjadikan suara paru-paru sebagai noise. Kualitas sinyal diukur dengan melakukan korelasi silang (cross-correlation) antara suara jantung dalam rekaman suara paru-paru dengan suara jantung referensi. Kualitas sinyal pun diukur menggunakan peak-signalto- noise-ratio (PSNR) pada dua suara yang sengaja dicampur. Dua suara itu adalah suara jantung dan suara paru-paru.
Hasil yang diperoleh berupa suara jantung keluaran AG dengan koefisien crosscorrelation sebesar 0.9104 pada level dekomposisi 8, ukuran populasi 100, probabilitas pindah silang 0.8, dan probabilitas mutasi 0.06. Pada pengukuran menggunakan PSNR diperoleh kualitas sinyal paru-paru murni hingga 63 decibel.
Kata Kunci : noise, algoritma genetika, evolutionary algorithm, thresholding, subband,ABSTRACT: Heart sounds overlapping on lung sound recordings in low frequencies are considered as noise when the medical team do acoustical analysis afterwards. Meanwhile, acoustical analysis provides important and helpful information for diagnosis and monitoring of lung sounds diseases.
This final assignment proposed the method to do reduction heart sounds on lung sound recordings using genetic algorithm (GA). GA is one of popular evolutionary algorithm. GA will choose and threshold the subbands of wavelet packet decomposition from lung sound recordings, in process, heart sounds will be optimized and lung sounds considered as noise. Quality of signal is measured by cross-correlation among heart sounds on lung sounds recordings and a reference heart sounds . Quality of signal is measured by peak-signal-to-noise-ratio (PSNR), too. It measures lung sound and heart sound are mixed by researcher.
The result is heart sounds that have cross-correlation coefficient 0.9104 in level 8, population size 100, crossover probability 0.8, and mutation probability 0.06. The result from PSNR has got pure lung sound 63 decibel.
Keyword: noise, genetic algorithm, evolutionary algorithm, thresholding, subband,