Mahasiswa ITS Kembangkan Deteksi Dini TBC Lewat Suara Batuk Berbasis AI
- Rachmad Fahrizal Tito
Surabaya, VIVA Jatim-Tim mahasiswa Institut Teknologi Sepuluh Nopember (ITS) Surabaya berhasil mengembangkan inovasi sistem pendeteksi dini penyakit Tuberkulosis (TBC) berbasis suara batuk dengan memanfaatkan teknologi kecerdasan buatan atau artificial intelligence (AI).
Inovasi ini dirancang untuk menjawab keterbatasan akses masyarakat terhadap alat skrining dan diagnosis TBC standar yang selama ini masih sulit dijangkau, khususnya di daerah dengan fasilitas kesehatan terbatas.
TBC sendiri merupakan penyakit menular yang disebabkan oleh bakteri Mycobacterium tuberculosis (Mtb) yang menyerang jaringan paru. Salah satu gejala paling umum dari penyakit ini adalah batuk kronis yang berlangsung lebih dari dua hingga tiga minggu.
Ketua tim peneliti, Nathania Cahya Romadhona, menjelaskan bahwa pengolahan sinyal suara batuk memiliki tantangan tersendiri. Pasalnya, suara batuk bersifat inharmonik dan memiliki pola spektral yang tidak beraturan.
“Deteksi kecerdasan buatan yang ada saat ini masih banyak berfokus pada fitur akustik konvensional, seperti Mel-Frequency Cepstral Coefficients atau MFCC. Padahal, dibutuhkan pendekatan yang mampu menangkap kompleksitas sinyal batuk secara lebih komprehensif,” ujar Nathania, Minggu, 4 Januari 2025.
Untuk menjawab tantangan tersebut, tim memanfaatkan metode deep learning guna mengidentifikasi karakteristik akustik suara batuk pasien TBC. Data suara batuk kemudian diproses menggunakan Yet Another Mel Spectrogram Network (YAMNet) untuk memvalidasi jenis suara batuk yang direkam.
“Model ini memiliki akurasi dan performa yang unggul dalam klasifikasi serta validasi suara batuk di berbagai kondisi lingkungan,” jelasnya.
Nathania dibantu oleh Nikolas Stanislaus Sanjaya, Faisal Azmi Sirajudin, Miskiyah, dan M. Rizki Dwi Kurnia Putra ini juga melakukan modifikasi pada arsitektur deep learning. Modifikasi dilakukan melalui ekstraksi fitur MFCC yang selanjutnya diproses menggunakan model Long Short-Term Memory (LSTM).
Langkah tersebut bertujuan untuk meningkatkan akurasi sistem dalam membedakan suara batuk TBC dan non-TBC secara lebih optimal.
Tak hanya mengembangkan sistem analisis, tim yang menamai inovasinya TBCare ini juga merancang perangkat perekam suara batuk berbasis Internet of Things (IoT). Perangkat tersebut dapat terintegrasi langsung dengan basis data rumah sakit, sehingga pengiriman dan pengelolaan data medis dapat dilakukan secara efisien dan berkelanjutan.
