ABSTRAKSI: Keterbatasan seorang dokter dalam menganalisa suatu penyakit atau kelainan yang diderita oleh pasien memunculkan ide-ide baru dalam bidang teknologi kedokteran. Salah satunya adalah cara mendiagnosa penyakit paru-paru, metode yang biasa digunakan seorang dokter dalam mendiagnosa penyakit paru-paru adalah mendengarkan suara pernapasan dengan menggunakan stetoskop atau yang dikenal dengan teknik auskultasi. Suara paru-paru memiliki informasi yang penting dalam mendiagnosa penyakit paru-paru yang diderita oleh pasien. Suara paru-paru yang dihasilkan pada beberapa kasus penyakit paru-paru menunjukkan adanya pola tertentu yang bisa dikenali. Pola suara ini dapat digunakan sebagai bahan untuk menentukan diagnosa. Masalah yang timbul adalah suara paru-paru menempati frekuensi yang cukup rendah, amplituda yang rendah, masalah kebisingan lingkungan, kepekaan telinga dan pola suara yang mirip antara jenis suara paru-paru yang satu dengan yang lain.
Subjektivitas seorang dokter dalam menganalisa suara paru-paru menggunakan teknik auskultasi karena faktor-faktor di atas dapat mengakibatkan kesalahan diagnosa penyakit paru-paru yang diderita oleh pasien. Pada tugas akhir ini akan dilakukan klasifikasi jenis suara paru-paru menggunakan metode Liniear Predictive Coding (LPC) dan metode Hidden Markov Model (HMM). Metode Linear Predictive Coding (LPC) digunakan untuk mengekstraksi ciri dari suara paru-paru sehingga didapatkan koefisien cepstral-nya. Hidden Markov Model (HMM) digunakan untuk mencari parameter HMM yang dibutuhkan sehingga dapat dilakukan analisis lebih lanjut khususnya untuk mengenali jenis suara paru-paru. Proses klasifikasi jenis suara paru-paru pada tugas akhir ini memiliki tingkat akurasi yang optimal berkisar antara 87.2 % - 95.4 %.Kata Kunci : penyakit paru-paru, pola suara, Liniear Predictive CodingABSTRACT: Doctor limitation to analyze a disease or disorder from the patients make them to involving new idea in medical technology. One of these is the way to diagnose lung disease. The method that often used by a doctor to diagnose a lung disease is hearing a lung sound with stethoscope or usually call auscultation technique. Lung sound has more important information to diagnose the disease. A lung sound in several cases showing a certain pattern that can recognize. This pattern is use as a substance to determine diagnose. The problem are lung sound has a low frequency, low amplitude, noise environment, ear’s sensitivity and sound pattern that resemble between one lung sound to another.
Doctor’s subjectivity in analysis a lung sound with auscultation technique because the factor above can make wrong diagnose of a lung disease. Because of that, in this final project will design the software to recognize a lung sound automatically and hope can increase the accuracy from doctor’s analysis. Method that use in this final project are Linear Predictive Coding (LPC) and Hidden Marko Model (HMM). LPC method is use to extract the feature from lung sound until get the cepstral’s coefficient. HMM is use to search HMM parameter, so it can use an advance analysis to recognize a lung sound. In this final project, classification of lung sound has accurate level between 87.2% - 95.4%.Keyword: lung sounds, Linear Predictive Coding, Hidden Markov Models