<![CDATA[Penyakit Pernapasan adalah suatu jenis penyakit yang mempengaruhi paru-paru dan bagian lain dari sistem pernapasan. Penyakit Pernapasan termasuk asma, bronkitis, pneumonia. Deteksi dini penyakit pernapasan memegang peranan penting dalam manajemen penyakit. Namun, teknik tradisional seperti auskultasi paru-paru dengan stetoskop memiliki keterbatasan karena hasil diagnosis sangat bergantung pada tingkat sensitivitas pendengaran dan pengalaman klinis dokter. Kesalahan dalam mengidentifikasi dan membedakan suara abnormal dapat menyebabkan diagnosis yang tidak tepat dan pengobatan yang kurang efektif sehingga diperlukan upaya yang dapat meminimalisir kesalahan diagnosis penyakit Pernapasan. Penelitian ini bertujuan untuk merancang dan mengembangkan sistem pendeteksi dini penyakit pernapasan yakni asma, bronkitis, dan pneumonia melalui analisis suara pernapasan. Sistem ini menggunakan metode ekstraksi fitur MFCC (Mel-Frequency Cepstral Coefficients) dan Formant, serta teknik klasifikasi Long Short-Term Memory (LSTM). Penelitian ini merupakan tipe penelitian implementatif pengembangan, dengan data suara pernapasan yang diperoleh dari situs Kaggle. Hasil penelitian menunjukkan bahwa sistem yang dirancang berhasil berfungsi sesuai dengan rancangan awal dengan tingkat keberhasilan kinerja keseluruhan sebesar 100% dalam pengujian fungsionalitas. Namun, akurasi model LSTM dalam mendeteksi penyakit pernapasan hanya mencapai 60%, dengan nilai precision 0.72, recall 0.62, dan F1-Score 0.60. Implementasi sistem pada perangkat Raspberry Pi 4 Model B menunjukkan kinerja perangkat keras dan perangkat lunak yang optimal, meskipun tingkat akurasi deteksi masih perlu ditingkatkan. Penelitian ini memberikan dasar yang kuat untuk pengembangan lebih lanjut dalam meningkatkan akurasi dan efektivitas sistem deteksi dini penyakit pernapasan yakni asma, bronkitis, dan pneumonia.]]>
Copyrights © 2024
