PENGOLAHAN SINYAL FONOKARDIOGRAFI JANIN (fPCG) BERBASIS TRANSFORMASI WAVELET SCATTERING (WST) DAN K-MEANS CLUSTERING

Damardhi, Sahi Rafael (2025) PENGOLAHAN SINYAL FONOKARDIOGRAFI JANIN (fPCG) BERBASIS TRANSFORMASI WAVELET SCATTERING (WST) DAN K-MEANS CLUSTERING. Skripsi thesis, Institut Teknologi Nasional Malang.

	Text 1921091_Cover.pdf Available under License Creative Commons Attribution Non-commercial Share Alike. Download (10MB)
	Text 1921091_Bab 1.pdf Available under License Creative Commons Attribution Non-commercial Share Alike. Download (2MB)
	Text 1921091_Bab 2.pdf Available under License Creative Commons Attribution Non-commercial Share Alike. Download (32MB)
	Text 1921092_Bab 3.pdf Restricted to Registered users only Available under License Creative Commons Attribution Non-commercial Share Alike. Download (4MB) | Request a copy
	Text 1921091_Bab 4.pdf Restricted to Registered users only Available under License Creative Commons Attribution Non-commercial Share Alike. Download (20MB) | Request a copy
	Text 1921091_Bab 5.pdf Restricted to Registered users only Available under License Creative Commons Attribution Non-commercial Share Alike. Download (483kB) | Request a copy
	Text 1921092_Daftar Pustaka .pdf Available under License Creative Commons Attribution Non-commercial Share Alike. Download (502kB)
	Text 1921091_Lampiran.pdf Restricted to Registered users only Available under License Creative Commons Attribution Non-commercial Share Alike. Download (3MB) | Request a copy

Abstract

Sinyal detak jantung janin (fPCG) diperoleh melalui metode auskultasi non-invasif; menjadikannya salah satu metode yang menjanjikan untuk pemantauan kesehatan janin selama masa kehamilan. Namun, analisis sinyal fPCG memiliki beberapa tantangan, seperti kualitas sinyal rendah, kurangnya akurasi interpretasi, dan minimnya dataset berlabel. Penelitian ini mengkaji penerapan Wavelet Scattering Transform (WST) sebagai metode ekstraksi fitur dalam analisis sinyal fPCG. Prapemrosesan terdiri dari resampling 16 kHz, filtrasi bandpass FIR (cutoff 20-200 Hz), resampling 1 kHz, normalisasi min-max (+1 dan -1), dan segmentasi sliding window (window size 1 s dan hop-size 0,5 s). WST dilakukan dengan 2 orde scattering, dan parameter yang digunakan adalah J=4, Q1=8, serta Q2=1. Feature values yang dihasilkan orde 1 adalah 26.927.403; orde 1-2 menghasilkan 61.589.064 feature values; dan orde 0-2 menghasilkan feature values sebanyak 62.854.407. Dari hasil ekstraksi fitur ketiga kombinasi orde tersebut, reduksi dimensionalitas PCA diterapkan dan didapatkan 1 komponen PCA untuk menjelaskan 90% variance fitur hasil ekstraksi orde 0-2, dan 34 komponen PCA untuk orde 1, dan orde 1-2. Ketiga kombinasi menghasilkan 3 clustering KMeans yang berbeda, tetapi nilai k teroptimal berada di nilai k=4 atau k=5. Jumlah ini dievaluasi dengan metrik Elbow Curve, Silhouette Score, dan Davies-Bouldin Index. Pola clustering menunjukkan kecenderungan satu cluster dominan disertai beberapa outlier. Hasil pengelompokkan ini diharapkan dapat mencerminkan variasi fisiologis sinyal fPCG pada dataset yang relevan secara klinis

Item Type:	Thesis (Skripsi)
Additional Information:	Sahi Rafael Damardhi (2112001)
Uncontrolled Keywords:	Fonokardiografi, Wavelet Scattering Transform, K-Means Clustering, Machine Learning, Pengolahan Sinyal Digital
Subjects:	Engineering > Electrical Engineering
Divisions:	Fakultas Teknologi Industri > Teknik Elektro S1 > Teknik Elektro S1(Skripsi)
Depositing User:	Handoyo Eka
Date Deposited:	02 Jul 2025 05:47
Last Modified:	02 Jul 2025 05:47
URI:	http://eprints.itn.ac.id/id/eprint/14622

Actions (login required)

View Item