Pengenalan TBC dari Suara Batuk Menggunakan Deep Learning Mahasiswa ITS

Inovasi Deteksi Dini TBC dengan Sistem Suara Batuk

Sebuah tim mahasiswa dari Institut Teknologi Sepuluh Nopember (ITS) Surabaya mengembangkan inovasi untuk mendeteksi dini penyakit Tuberkulosis (TBC) menggunakan sistem tapis berbasis suara batuk. Inovasi ini dirancang untuk memudahkan masyarakat dalam mengatasi keterbatasan akses terhadap alat screening.

Tim yang terdiri dari lima mahasiswa dari berbagai jurusan di ITS, yaitu Nathania Cahya Romadhona, Nikolas Stanislaus Sanjaya, Faisal Azmi Sirajudin, Miskiyah, dan M Rizki Dwi Kurnia Putra, menamakan inovasinya TBCare. Ketua tim, Nathania, menjelaskan bahwa ide ini berawal dari tingginya angka penderita TBC di Indonesia. Mereka ingin masyarakat dapat lebih mudah mengakses sistem screening TBC.

Salah satu gejala utama TBC adalah batuk kronis yang berlangsung selama lebih dari dua sampai tiga minggu. Oleh karena itu, metode screening berbasis suara batuk menjadi pendekatan medis inovatif yang lebih hemat biaya dan mudah dijangkau oleh masyarakat.

Pendekatan Berbasis Deep Learning

Tim tersebut memanfaatkan metode deep learning untuk mencari karakteristik akustik pada suara batuk pasien TBC. Data yang diperoleh kemudian diolah dengan Yet Another Mel Spectrogram Network (YAMNet) untuk memvalidasi jenis suara. Model ini memiliki akurasi dan performa yang unggul dalam klasifikasi dan validasi suara batuk dalam berbagai kondisi lingkungan.

Selain itu, tim juga melakukan sejumlah modifikasi pada arsitektur deep learning. Modifikasi dilakukan dengan ekstraksi fitur akustik menggunakan Mel-Frequency Cepstral Coefficients (MFCC), lalu diproses sebagai input untuk model Long Short-Term Memory (LSTM). Tujuan dari modifikasi ini adalah untuk memperoleh tingkat akurasi yang lebih optimal dalam membedakan batuk TBC dan non-TBC.

Perangkat Perekaman Suara Terintegrasi IoT

Berdasarkan model tersebut, tim yang dibimbing oleh Dhany Arifianto merancang perangkat perekaman suara batuk yang terintegrasi dengan sistem Internet of Things (IoT). Alat ini dirancang agar dapat terhubung dengan basis data rumah sakit agar proses pengiriman dan pengelolaan data medis dapat dilakukan secara efisien dan berkelanjutan.

Perangkat ini memiliki kemampuan pre-screening TB portable yang mudah dioperasikan oleh kader kesehatan di berbagai daerah. Menurut Nathania, inovasi ini telah melalui uji validasi medis yang menghasilkan tingkat klasifikasi batuk tuberkulosis dengan sensitivitas sebesar 76 persen. Sistem yang dikembangkan juga menggunakan data primer dari 17 pasien di Rumah Sakit Universitas Airlangga (RSUA).

Tingkat Kesiapan Teknologi

Saat ini, TBCare memiliki tingkat kesiapan teknologi (TKT) skala 6. Artinya, prototipe sistem ini masih dalam tahap pengujian di lingkungan relevan. Sistem akan siap diuji di lingkungan jika mencapai skala 7.

Inovasi TBCare membuat tim ini meraih medali emas untuk kategori Karsa Cipta dalam Pekan Ilmiah Nasional Mahasiswa (Pimnas) 2025 ke-38 pada November 2025. Nathania berharap agar inovasinya dapat mendukung eliminasi penyakit TBC pada tahun 2030.

• Author
• Recent Posts

Krisna Dwi Wardhana

Lahir di Padang pada tahun 1991, saya telah tinggal di berbagai wilayah di Indonesia sejak TK hingga kuliah, termasuk Aceh, Palembang, dan Bogor. Saya meraih gelar Sarjana Sains dari FMIPA Universitas Indonesia. Saat ini, saya bekerja sebagai Pendidik di sebuah sekolah swasta di Bogor, Tutor privat sambil tetap fokus mengembangkan Bisakimia.

Latest posts by Krisna Dwi Wardhana (see all)

• Termokimia – Entalpi, Hukum Hess, Energi Ikatan, dan Kalorimetri - January 30, 2026
• Inmate Dies at San Antonio Hospital from Medical Issues - January 30, 2026
• Pengenalan TBC dari Suara Batuk Menggunakan Deep Learning Mahasiswa ITS - January 30, 2026