Sistem Pendeteksi Jenis Penyakit Pernafasan Menggunakan Metode Gabungan GRU dan LSTM Melalui Suara Pasien dengan Gangguan Pernafasan

Penelitian ini bertujuan untuk mengklasifikasikan penyakit pernapasan berdasarkan suara pasien menggunakan gabungan GRU (Gated Recurrent Unit) dan LSTM (Long Short-Term Memory). Model GRU dilatih dengan 50 epoch menggunakan dataset suara pasien yang dikumpulkan. Hasil evaluasi menunjukkan akurasi sebesar 75%, dengan precision, recall, dan f1-score yang bervariasi untuk setiap jenis penyakit pernapasan. Penelitian ini menggambarkan potensi penggunaan metode klasifikasi suara dalam diagnosis penyakit pernapasan. Meskipun demikian, perlu dilakukan penyesuaian parameter dan peningkatan jumlah data pelatihan untuk meningkatkan performa model. Dengan konvergensi yang baik pada epoch 50, hasil ini menunjukkan kemampuan model dalam mengklasifikasikan penyakit pernapasan berdasarkan suara pasien. Namun, validasi dan pengujian lebih lanjut pada dataset yang lebih besar diperlukan untuk menguji keandalan dan generalisasi model secara menyeluruh. Penelitian ini dapat memberikan kontribusi dalam pengembangan alat bantu diagnostik non-invasif untuk penyakit pernapasan berdasarkan analisis suara pasien. Penelitian ini memberikan bukti awal tentang potensi metode klasifikasi suara dalam diagnosis penyakit pernapasan. Namun, penyesuaian parameter dan peningkatan jumlah data pelatihan perlu dilakukan untuk meningkatkan performa model secara keseluruhan.