Pada ketiak manusia, mikroorganisme menghasilkan Volatile Organic Compounds (VOCs) yang bercampur dengan keringat. VOC diklasifikasikan menurut struktur molekul atau gugus fungsi termasuk hidrokarbon alifatik (di antaranya terklorinasi – halokarbon), hidrokarbon aromatic, alkohol, eter, ester, dan aldehida. Kajian terkait electronic nose (e-nose) untuk deteksi VOC pada tubuh manusia masih menjadi topik diskusi yang menarik dan banyak diperbincangkan oleh para peneliti. Pengukuran bau yang akurat sangat penting untuk banyak aplikasi seperti mengembangkan model distribusi bau dan memperkirakan lokasi sumber bau berdasarkan data yang ada. Namun bau ketiak manusia masih sangat rentan terhadap aroma lain yang dapat mengganggu proses pendeteksian, antara lain penggunaan deodoran, alkohol, dan sebagainya. Sinyal keluaran dari sensor gas Metal Oxide Semiconductor (MOS) tidak hanya berisi sinyal gas dari sumber bau tetapi juga berisi data kebisingan yang disebut noise. Kebisingan menyebabkan ketidakakuratan dalam menganalisis data dan memperkirakan kekuatan bau. Proses pengumpulan data bau ketiak harus melalui proses noise cleaning untuk menghilangkan bau selain bau sebelum proses pendeteksian dilakukan.
Dalam studi sebelumnya, sebuah e-nose yang terdiri dari beberapa sensor dan sistem analisis cerdas telah dikembangkan tetapi pengurangan kebisingan dari sensor gas tidak diselidiki dengan baik. E-nose juga diusulkan untuk deteksi kanker paru menggunakan metode Principal Component Analysis (PCA) dan Independent Component Analysis (ICA). Badan manusia digunakan untuk melacak peningkatan status kesehatan atlet tetapi penelitian ini belum menerapkan penyaringan sinyal apa pun untuk memproses data sinyal bau yang dihasilkan oleh ketiak. E-nose juga digunakan untuk deteksi diabetes melalui VOC yang dihasilkan oleh napas manusia.
Studi ini menggunakan Discrete Wavelet Transform (DWT) sebagai sinyal sebelum pemrosesan, tetapi belum ada studi tentang reduksi noise yang komprehensif. Pendekatan yang dilakukan dalam penelitian ini adalah dengan mendeteksi data cluster dan data centroid dari masing-masing data referensi. Reduksi dimensi menggunakan Linear Discriminant Analysis (LDA) pada data referensi dilakukan, kemudian dicari centroid dari masing-masing data menggunakan K- Means Clustering dan menggunakannya menjadi estimasi sinyal yang baik dan diproses menggunakan Kalman Filtering agar dapat digunakan untuk memproses data bau ketiak yang mengandung deodoran. Metode yang diusulkan diuji dengan pendekatan Stacked Deep Neural Network (DNN) dan dapat meningkatkan akurasi sebesar 18,95% dan akurasi seimbang sebesar 11,865% dibandingkan dengan data asli yang tidak valid sebelum dilakukan penyaringan. Metode yang diusulkan juga diuji dengan metode klasifikasi lainnya dan mampu menghasilkan akurasi tertinggi dengan 79,29% pada Support Vector Classifier (SVC) dan Multi-Layer Perception (MLP), sedangkan metode penyaringan lainnya hanya mendapatkan akurasi tertinggi dengan 69,03% juga pada SVC dan MLP. Kami juga menganalisis waktu eksekusi dari setiap metode yang diuji.
Judul dan Link artikel jurnal scopus
Penulis : Rahadian Indarto Susilo,Dr, dr. Sp.BS(K)
M. Syauqi HanifArdani, RiyanartoSarno, MalikhahMalikhah, Doni Putra Purbawa, Shoffi IzzaSabilla, Kelly Rossa Sungkono, Chastine Fatichah, Dwi Sunaryono, Rahadian IndartoSusilo
A new approach to signal filtering method using K-means clustering and distance-based Kalman filtering
DOI:
