<![CDATA[Penyakit Parkinson, yang merupakan gangguan sistem syaraf yang progresif dan ditandai oleh kerusakan pada sel-saraf penghasil dopamin, dibutuhkan metode deteksi dini yang efektif agar pasien dapat segera mendapatkan penanganan yang lebih cepat dan tepat. Penelitian ini bertujuan untuk mengembangkan sistem deteksi dini penyakit Parkinson melalui analisis pola suara, dengan fokus pada penggunaan fitur Jitter dan Shimmer. Jitter mengukur variasi waktu antara siklus getaran suara, menunjukkan ketidakstabilan dalam produksi suara, sedangkan Shimmer mengukur variasi amplitude pada gelombang suara mengindikasikan perubahan dalam kualitas suara. Implementasi dilakukan pada Raspberry Pi 4 Model B, mengintegrasikan teknologi deep learning dengan arsitektur Convolutional Neural Network (CNN) untuk mengklasifikasikan rekaman suara menjadi kategori Parkinson dan non-Parkinson. Sistem ini dioperasikan dengan LCD dan GUI untuk memudahkan interaksi pengguna dan memastikan bahwa hasil analisis dapat ditampilkan secara efisien dan intuitif. Penelitian ini menggunakan Dataset dari IEEE DataPort dengan durasi rekaman suara yang telah disesuaikan menjadi 4 detik untuk memastikan keakuratan pengolahan data. Penerapan fitur Jitter dan Shimmer pada analisis variasi dalam frekuensi suara dan kestabilan amplitudo berhasil menunjukkan bahwa sistem dapat mendeteksi penyakit Parkinson dengan tingkat ketepatan prediksi hingga 89%. Kinerja alat dan sistem yang baik menunjukkan adanya kesempatan besar untuk pengembangan lebih lanjut.]]>
Copyrights © 2024
