<?xml version="1.0" encoding="UTF-8" ?>
<modsCollection xmlns:xlink="http://www.w3.org/1999/xlink" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xmlns="http://www.loc.gov/mods/v3" xmlns:slims="http://slims.web.id" xsi:schemaLocation="http://www.loc.gov/mods/v3 http://www.loc.gov/standards/mods/v3/mods-3-3.xsd">
<mods version="3.3" id="96165">
 <titleInfo>
  <title>PENGUJIAN ESCAPED (WHEEZING SOUND FOR ASTHMA COPD DIAGNOSE) SEBAGAI ALAT DETEKTOR UNTUK MENGETAHUI KELAINAN OBSTRUKSI SALURAN PERNAPASAN</title>
 </titleInfo>
 <name type="Personal Name" authority="">
  <namePart>DELIA PUTRI SANUR</namePart>
  <role>
   <roleTerm type="text">Primary Author</roleTerm>
  </role>
 </name>
 <typeOfResource manuscript="no" collection="yes">mixed material</typeOfResource>
 <genre authority="marcgt">bibliography</genre>
 <originInfo>
  <place>
   <placeTerm type="text">Banda Aceh</placeTerm>
   <publisher>Fakultas Kedokteran</publisher>
   <dateIssued>2021</dateIssued>
  </place>
 </originInfo>
 <language>
  <languageTerm type="code"></languageTerm>
  <languageTerm type="text"></languageTerm>
 </language>
 <physicalDescription>
  <form authority="gmd">Skripsi</form>
  <extent></extent>
 </physicalDescription>
 <note>Wheezing merupakan salah satu manifestasi obstruksi saluran napas yang paling sering ditemukan pada PPOK dan Asma. Penggunaan stetoskop dalam membantu penegakan diagnosis memiliki beberapa kelemahan seperti hasil yang subjektif dan bergantung pada kepekaan pendengaran si pemeriksa. Sehingga diperlukan perangkat mudah yang membantu menentukan suara wheezing. Penelitian ini merakit satu alat tanpa kabel yang mampu mendeteksi suara wheezing dan terintegrasi dengan gadget. Hardware Microprocessor disambungkan dengan electric stethoscope. Pengumpulan data suara pernapasan dada yang diakses pada kaggle.com. Pembuatan Algoritma dengan Convolutional Neural Network kemudian dirubah menjadi Mel Frequency Cepstral Coefficients (MFCC). Model ini akan ditanamkan pada  Microprocessor dan menggunakan bahasa python untuk dapat melakukan perekaman suara getaran dinding dada. Suara yang direkam diubah menjadi MFCC agar memudahkan untuk melakukan pendeteksian suara wheezing. Hasil gambar MFCC dan hasil deteksi dikirimkan ke database yang menggunakan fiture firebase database yang menyimpan foto MFCC secara realtime saat dideteksi. Perancangan software aplikasi android menggunakan bahasa dart (Flutter) membangun komunikasi antara aplikasi android dengan firebase database yang memungkinkan aplikasi dapat mengambil hasil gambar MFCC juga hasil deteksi. Dari hasil percobaan menunjukkan perangkat dapat memberikan kinerja yang baik pada deteksi wheezing dan menjadi bantuan yang berguna untuk analisis suara pernapasan dalam membantu menentukan diagnosis obstruksi saluran napas. Detektor ini mampu mendeteksi suara wheezing pada obstruksi saluran napas. Sehingga diharapkan dapat membantu tenaga kesehatan dalam menegakkan diagnosis PPOK/Asma lebih cepat dan pasien mendapatkan penanganan sesak nafas secara tepat, memperbaiki prognosis pasien PPOK/Asma, dan dapat menurunkan morbiditas dan mortalitas kejadian PPOK/Asma di Indonesia.</note>
 <note type="statement of responsibility"></note>
 <classification>0</classification>
 <identifier type="isbn"></identifier>
 <location>
  <physicalLocation>ELECTRONIC THESES AND DISSERTATION Universitas Syiah Kuala</physicalLocation>
  <shelfLocator></shelfLocator>
 </location>
 <slims:digitals/>
</mods>
<recordInfo>
 <recordIdentifier>96165</recordIdentifier>
 <recordCreationDate encoding="w3cdtf">2021-12-20 13:59:21</recordCreationDate>
 <recordChangeDate encoding="w3cdtf">2021-12-20 15:29:58</recordChangeDate>
 <recordOrigin>machine generated</recordOrigin>
</recordInfo>
</modsCollection>