IMPLEMENTASI ALGORITME PARTICLE SWARM OPTIMIZATION UNTUK OPTIMASI FITUR SUARA PADA KLASIFIKASI BATUK BASAH/KERING PADA ANAK-ANAK

Abstract

Batuk merupakan salah satu respon tubuh terhadap benda asing yang masuk melalui saluran pernapasan. Batuk dapat dikategorikan menjadi 2 jenis, yaitu batuk basah dan batuk kering. Suara batuk yang dihasilkan dapat memberikan informasi mengenai suatu penyakit pernapasan. Oleh karena itu perlu dikembangkan sebuah teknologi otomatis yang dapat melakukan klasifikasi suara batuk menjadi kategori basah dan kering. Beberapa penelitian telah dilakukan dengan hasil kinerja yang kurang baik. Hal ini disebabkan oleh adanya beberapa fitur yang kemungkinan tidak memiliki kontribusi pada proses klasifikasi. Pada penelitian ini mengusulkan metode seleksi fitur untuk memilih fitur-fitur yang tidak berkontribusi pada suara batuk menggunakan Particle Swarm Optimization (PSO). Subjek penelitian yang digunakan adalah 30 subjek anak-anak dengan rincian 15 subjek penderita batuk basah dan 15 subjek penderita batuk kering (150 episode batuk basah dan 150 episode batuk kering). Untuk proses klasifikasi, peneliti menggunakan algoritme Artificial Neural Network (ANN). Kinerja yang dihasilkan saat seluruh fitur digunakan mencapai akurasi 96,42%, sensitivitas 96,68% dan spesifisitas 96,78%. Hasil dari proses seleksi fitur, pengurangan fitur sebesar 28% dari seluruh fitur (32 fitur) memiliki kinerja klasifikasi yaitu akurasi 96,42%, sensitivitas 96,51% dan spesifisitas 96,59%. Kinerja hasil seleksi fitur menggunakan PSO sangat baik, dilihat dari saat fitur yang dihilangkan sebesar 28% dari seluruh fitur masih memiliki kinerja yang baik yaitu mendekati baseline dengan nilai signifikansi akurasi sebesar 0,0025, sensitivitas 0,0008 dan spesifisitas 0,0007.