Klasifikasi Spektogram Sinyal Suara Korotkoff Menggunakan Convolutional Neural Network (CNN) Sebagai Tahap Awal Otomatisasi Tekanan Darah Non-Invasif
Penelitian ini bertujuan mengembangkan metode klasifikasi sinyal suara Korotkoff dan non-Korotkoff menggunakan model CNN. Hasil klasifikasi dapat membantu dalam menentukan tekanan sistolik dan diastolik untuk estimasi pengukuran tekanan darah. Proses pra-pengolahan mencakup pemilihan rentang ROI berdasarkan tekanan darah selama deflasi, segmentasi adaptif berdasarkan periode ketukan tiap puncak, dan transformasi sinyal menjadi citra spekrogram. Dataset kemudian dibagi menjadi dua kelas yaitu Korotkoff dan non-Korotkoff, dengan noise dimasukkan ke kelas non-Korotkoff. Tiga arsitektur model diuji, yaitu CNN satu layer, CNN tiga layer, dan ResNet-50 dengan evaluasi menggunakan confusion matrix. Hasil menunjukkan bahwa CNN tiga layer memberikan performa terbaik, mencapai akurasi keseluruhan 94%, dengan akurasi 89,7% pada kelas Korotkoff dan 96,4% pada kelas non-Korotkoff, serta nilai presisi, recall, dan F1-score tertinggi dibanding model lain. CNN satu layer dan ResNet-50 memiliki akurasi keseluruhan masing-masing 90
URI
https://repo.itera.ac.id/depan/submission/SB2509190075
Keyword
Tekanan darah Korotkoff non-Korotkoff CNN