Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer
Alhafizh, Muhammad Adam
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 
Sistem Deteksi Dini Penyakit Parkinson Melalui Speech Pattern Menggunakan Metode Recurrence Quantification Analysis Alhafizh, Muhammad Adam; Henryranu, Barlian
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

Saat ini, total pengidap penyakit Parkinson di seluruh dunia sudah melebihi 10 juta orang. Penyakit Parkinson adalah gangguan neurodegenerative yang dapat mengganggu kemampuan kognitif dan motorik penderita. Penelitian ini bertujuan untuk mengembangkan suatu sistem yang dapat melakukan pendeteksian dini penyakit Parkinson melalui pola suara. Metode Recurrence Quantification Analysis (RQA) terpilih sebagai metode ekstraksi fitur dikarenakan kemampuannya untuk menganalisis dan mengidentifikasi karakteristik nonlinier dan kompleksitas dalam pola bicara. RQA memungkinkan pemeriksaan menyeluruh terhadap komponen sistem nonlinier seperti pola bicara pasien Parkinson dibandingkan dengan orang sehat. Metode tersebut nantinya diimplementasikan ke dalam Raspberry Pi 4 Model B yang akan didukung oleh komponen lainnya. Selain itu, pendekatan berbasis deep learning, khususnya Convolutional Neural Network (CNN) juga digunakan untuk menemukan pola-pola yang dapat dipelajari untuk melakukan klasifikasi. Dataset yang digunakan diambil dari internet. Dari hasil ekstraksi fitur yang dilakukan oleh RQA, diketahui bahwa terdapat pola yang berbeda dari pengidap penyakit Parkinson dan non-parkinson. Hasil dari penilitian menunjukkan bahwa sistem yang menggunakan RQA sebagai ekstraksi fitur dan CNN sebagai model neural network dapat menghasilkan tingkat ketepatan klasifikasi hingga 86%. Oleh karena itu, sistem ini memiliki potensi sebagai perangkat pembantu pendeteksian dini penyakit Parkinson.
Co-Authors Henryranu, Barlian