Article Per Year (5 Year)
p-Index From 2020 - 2025
0.23
P-Index
This Author published in this journals
All Journal Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer
Nur, Farhan Marwandi
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Education Electrical & Electronics Engineering Engineering

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
Penerapan Metode Formant Analysis Dalam Sistem Analisis Pola Suara Untuk Deteksi Dini Penyakit Parkinson Nur, Farhan Marwandi; Prasetio, Barlian Henryranu
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 8 No 7 (2024): Juli 2024
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Penyakit Parkinson adalah kondisi degeneratif yang berkembang secara bertahap dan mempengaruhi gerakan tubuh, menyebabkan gejala seperti tremor, kekakuan, dan gangguan bicara. Deteksi dini penyakit ini sangat penting untuk memungkinkan intervensi medis yang lebih efektif dan manajemen gejala yang lebih baik. Penelitian ini bertujuan untuk mengembangkan sistem deteksi dini penyakit Parkinson yang memiliki sifat portabel dan dapat digunakan kapan saja dan dimana saja. Sistem tersebut dirancang dengan menggunakan metode Formant Analysis yang diimplementasikan pada Raspberry Pi 4 Model B. Penelitian ini menggunakan dataset dari IEEE DataPort yang bernama Italian Parkinson’s Voice and Speech, kemudian dimodifikasi sehingga hanya berdurasi sebanyak 4 detik per data sampel agar pengolahan data menjadi lebih akurat. Setelah ekstraksi selesai, setiap kelas akan diklasifikasikan menggunakan Convolutional Neural Network (CNN). Alat ini kemudian akan dioperasikan melalui layar LCD dan Graphical User Interface (GUI). Penerapan metode Formant Analysis dalam menganalisis frekuensi formant telah berhasil menunjukkan bahwa model CNN yang dibuat dapat mendeteksi penyakit Parkinson dengan tingkat akurasi sebesar 96%. Sementara itu akurasi yang dihasilkan sistem adalah 85% dari 20 pengujian dimana kelas Non-Parkinson mendapatkan akurasi 100% dan kelas Parkinson mendapatkan akurasi 70%. Dengan hasil ini, sistem yang dikembangkan menunjukkan potensi besar dalam mendukung diagnosa awal penyakit Parkinson, serta membuka peluang untuk pengembangan lebih lanjut guna meningkatkan akurasi dan fungsionalitasnya di masa mendatang.
Co-Authors Barlian Henryranu Prasetio