Ash-Shadiq, Aqsath Muhammad and Barlian Henryranu Prasetio, S.T., M.T., Ph.D. (2024) Sistem Deteksi Penyakit Parkinson Melalui Speech Pattern Menggunakan Fitur Speech Rate, Pause Duration Dan Mean Energy. Sarjana thesis, Universitas Brawijaya.
Abstract
Pengembangan fitur deteksi gangguan suara menggunakan Speech Rate, Pause Duration, dan Mean Energy dengan memanfaatkan Convolutional Neural Network (CNN). Gangguan suara dapat signifikan mempengaruhi komunikasi dan kualitas hidup seseorang. Fitur ini mengintegrasikan teknologi CNN untuk mengklasifikasikan suara sebagai normal atau terganggu berdasarkan berbagai fitur akustik yang telah terbukti efektif dalam analisis suara. Penelitian ini bertujuan untuk menerapkan dan mengevaluasi akurasi sistem deteksi berbasis Speech Rate, Pause Duration, dan Mean Energy dalam menganalisis pola suara. Metodologi penelitian mencakup tahapan implementasi pra-pemrosesan sinyal suara, ekstraksi fitur, dan penggunaan perangkat keras seperti Raspberry Pi 4 Model B untuk implementasi dan pengujian sistem secara portable. Evaluasi hasil pengujian menunjukkan bahwa sistem mencapai akurasi sebesar 97% dalam mengklasifikasikan suara sebagai Parkinson atau non-Parkinson, menunjukkan potensi besar aplikasi dalam deteksi gangguan suara untuk pemantauan kesehatan jarak jauh
English Abstract
Development of a method for detecting voice disorders using Speech Rate, Pause Duration, and Mean Energy utilizing Convolutional Neural Network (CNN). Voice disorders can significantly affect communication and quality of life. This method integrates CNN technology to classify voices as normal or disordered based on acoustic features that have been proven effective in voice analysis. The research aims to implement and evaluate the accuracy of a detection system based on Speech Rate, Pause Duration, and Mean Energy in analyzing voice patterns. The research methodology includes stages of pre-processing of voice signals, feature extraction, and the use of hardware such as the Raspberry Pi 4 Model B for portable system implementation and testing. Evaluation of test results shows that the system achieves an accuracy of 97% in classifying voices as Parkinson's or non-Parkinson's, indicating significant potential for early detection of voice disorders for remote health monitoring.
Item Type: | Thesis (Sarjana) |
---|---|
Identification Number: | 052415 |
Uncontrolled Keywords: | Gangguan suara, deteksi, Parkinson, analisis suara, pemantauan Kesehatan-Voice disorders, detection, Parkinson, voice analysis, health monitoring |
Divisions: | Fakultas Ilmu Komputer > Teknik Informatika |
Depositing User: | Sugeng Moelyono |
Date Deposited: | 06 Nov 2024 04:45 |
Last Modified: | 06 Nov 2024 04:45 |
URI: | http://repository.ub.ac.id/id/eprint/228269 |
Text (DALAM MASA EMBARGO)
Aqsath Muhammad Ash-Shadiq.pdf Restricted to Registered users only Download (3MB) |
Actions (login required)
View Item |