Show simple item record

dc.contributor.advisorYusuf Aziz Amrulloh S.T., M.Eng., Ph.D
dc.contributor.advisorElvira Sukma Wahyuni, S.Kom., M.Eng.
dc.contributor.authorMaula Ahmad Faz Alfaqih, 13524049
dc.date.accessioned2018-09-21T03:12:58Z
dc.date.available2018-09-21T03:12:58Z
dc.date.issued2018-08-27
dc.identifier.urihttps://dspace.uii.ac.id/handle/123456789/10784
dc.description.abstractBatuk yaitu pengeluaran sejumlah volume udara dengan cepat dan mendadak dari rongga toraks melalui epiglotis dan mulut. Suara batuk dapat memberikan informasi terhadap suatu penyakit. batuk dikategorikan menjadi batuk kering dan batuk basah. Untuk mengetahui perbedaan batuk secara objektif perlu dibuat suatu sistem yang dapat mengklasifikasikan suara batuk. Pada penelitian ini menggunakan 40 subjek anak-anak dengan 20 subjek penderita batu kering dan 20 subjek batuk basah. Penelitian ini menggunakan 8 metode fitur ekstraksi suara dengan menerapkan metode seleksi fitur yang digunakan untuk menyeleksi fitur-fitur yang kurang relevan. Pada penelitian sebelumnya menggunakan metode seleksi fitur dengan metode particle swarm optimization (PSO) dan genetic algorithm (GA) dengan didapatkan hasil yang baik. Dalam penelitian ini dilakukan perbandingan dengan metode tersebut serta dengan menggunakan metode harmony search (HS) Serta menggunakan LRM sebagai metode yang bersifat linier. Metode seleksi fitur digunakan untuk mereduksi fitur-fitur yang tidak relevan. Penelitian ini menggunakan algoritme jaringan syaraf tiruan (JST) sebagai proses klasifikasi. Hasil kinerja klasifikasi pada nilai baseline yaitu dengan akurasi 93,32%, sensitivitas 93,36% dan spesifisitas 93,42%. Pada algoritme GA mampu mereduksi 9 fitur dengan mendapatkan hasil klasifikasi sensitivitas 93,68% dan spesifisitas 93,75%. Dalam algoritme PSO mampu mereduksi 9 fitur dengan hasil klasifikasi pada sensitiviats 93,84% dan spesifisitas 93,91%. Setelah dilakukan proses seleksi fitur menggunakan HS, metode ini dapat mengurangi 10 fitur dengan hasil kinerja klasifikasi meningkat yaitu akurasi 94,13%, sensitivitas 94,1% dan spesifisitas 94,17%. Pada penelitian ini algoritme HS yang digunakan dianggap lebih baik karena peningkatan klasifikasi yang terlihat lebih besar dengan mengurangi fitur yang lebih banyak dibanding algoritme PSO dan GA.en_US
dc.publisherUniversitas Islam Indonesiaen_US
dc.subjectalgoritme harmony searchen_US
dc.subjectjaringan syaraf tiruanen_US
dc.subjectbatuk keringen_US
dc.subjectbatuk basahen_US
dc.subjectklasifikasien_US
dc.titleKOMPARASI ALGORITME HARMONY SEARCH, PARTICLE SWARM OPTIMIZATION, GENETIC ALGORITHM DAN LINEAR REGRESSION MODEL UNTUK OPTIMASI FITUR PADA KLASIFIKASI SUARA BATUK KERING/BASAHen_US
dc.typeUndergraduate Thesisen_US


Files in this item

Thumbnail
Thumbnail
Thumbnail

This item appears in the following Collection(s)

Show simple item record