OPTIMASI FITUR SUARA PADA KLASIFIKASI SUARA BATUK BASAH/KERING ANAK-ANAK DENGAN ALGORITME GENETIKA

Abstract

Batuk adalah respon alamiah tubuh manusia pada saluran pernapasan. Di dalam dunia medis dikenal dengan dua jenis batuk yaitu batuk kering dan batuk basah. Pada anak-anak suara batuk dapat digunakan sebagai indikator suatu penyakit. Untuk itu perlu dilakukan metode klasifikasi suara batuk secara otomatis. Penelitian untuk membedakan suara batuk kering dan basah telah dilakukan. Namun penelitian tersebut masih memiliki kinerja kurang dari 90%. Hal ini bisa disebabkan oleh beberapa fitur tidak relevan. Pada penelitian ini, kami akan melakukan klasifikasi suara batuk kering dan batuk basah pada anak-anak dengan metode seleksi fitur. Pada penelitian ini melibatkan 30 subjek pasien anak-anak penderita penyakit pernapasan. Subjek tersebut terdiri dari 15 subjek penderita batuk kering dan 15 subjek penderita batuk basah. Metode seleksi fitur yang digunakan adalah algoritme genetika. Sedangkan pada proses klasifikasi menggunakan jaringan syaraf tiruan. Pada penelitian ini sebelum melakukan seleksi fitur kami melakukan klasifikasi suara batuk dengan jaringan syaraf tiruan. Hasil klasifikasi tersebut memiliki kinerja akurasi 96,42%, sensitivitas 96,68% dan spesifisitas 96,78%. Selanjutnya dilakukan seleksi fitur untuk menghilangkan fitur yang tidak relevan. Dari hasil seleksi fitur kinerja yang dihasilkan memiliki nilai akurasi 96,41%, sensitivitas 96,55% dan spesifisitas 96,65%. Dengan menghilangkan 25% fitur masih memiliki nilai kinerja yang relatif sama dibuktikan dengan nilai signifikansi, yaitu pada akurasi 0,00011, sensitivitas 0,00002 dan spesifisitas 0,00001.