SURABAYA, SJP – Tuberkulosis (TBC) masih menjadi ancaman serius kesehatan masyarakat di Indonesia. Indonesia tercatat sebagai penyumbang kasus TBC terbesar kedua di dunia, dengan tantangan utama pada deteksi dini dan keterbatasan akses alat diagnosis, terutama di wilayah dengan fasilitas kesehatan terbatas.
Berangkat dari kondisi tersebut, mahasiswa Institut Teknologi Sepuluh Nopember (ITS) menghadirkan inovasi sistem skrining dini TBC berbasis suara batuk.
Inovasi tersebut dikembangkan untuk menjawab keterbatasan alat skrining dan diagnosis standar yang belum merata di masyarakat, sekaligus menawarkan pendekatan yang lebih mudah diakses dan hemat biaya.
Batuk, Gejala yang Kerap Diabaikan
TBC sendiri merupakan penyakit menular yang disebabkan oleh bakteri Mycobacterium tuberculosis. Bakteri ini menyerang jaringan paru-paru dan dapat menyebar melalui udara, terutama lewat percikan batuk atau bersin.
Salah satu gejala utama TBC adalah batuk kronis yang berlangsung lebih dari dua hingga tiga minggu, sering kali disertai penurunan berat badan, demam, dan keringat malam. Sayangnya, gejala tersebut kerap diabaikan, sehingga banyak penderita baru terdeteksi saat kondisi sudah memburuk.
Ketua tim pengembang, Nathania Cahya Romadhona, menjelaskan bahwa suara batuk memiliki karakteristik unik yang dapat dianalisis menggunakan kecerdasan buatan. Namun, pengolahan sinyal batuk bukan perkara sederhana karena memiliki pola spektral yang tidak beraturan.
“Model kecerdasan buatan umumnya fokus pada fitur akustik seperti Mel-Frequency Cepstral Coefficients,” kata Nathania, Minggu (4/1/2026).
Untuk menangkap kompleksitas tersebut, tim memanfaatkan teknologi deep learning. Data suara batuk diolah menggunakan YAMNet guna memastikan validitas jenis suara, sekaligus menyaring gangguan suara dari berbagai kondisi lingkungan. Pendekatan ini memungkinkan sistem mengenali ciri khas batuk penderita TBC secara lebih akurat.
Di bawah bimbingan dosen ITS, Dhany Arifianto, tim kemudian memodifikasi arsitektur deep learning agar performa sistem semakin optimal. Fitur MFCC yang telah diekstraksi dijadikan input pada model Long Short-Term Memory (LSTM) untuk membedakan batuk TBC dan non-TBC secara lebih presisi.
Inovasi yang diberi nama TBCare ini tidak hanya berupa model kecerdasan buatan, tetapi juga diwujudkan dalam perangkat perekaman batuk yang terintegrasi dengan sistem Internet of Things (IoT).
“Jadi perangkat inj dirancang agar dapat terhubung langsung dengan basis data rumah sakit, sehingga proses pengiriman dan pengelolaan data medis menjadi lebih efisien dan terstruktur,” imbuh Nathania.
Hasil pengembangan menunjukkan capaian yang cukup menjanjikan. TBCare telah melalui proses validasi medis dengan sensitivitas klasifikasi batuk tuberkulosis mencapai 76 persen. Pengujian dilakukan menggunakan data suara batuk dari 17 pasien Rumah Sakit Universitas Airlangga (RSUA).
Saat ini, inovasi tersebut berada pada Tingkat Kesiapterapan Teknologi (TKT) enam, yang menandakan teknologi telah teruji pada lingkungan relevan dan siap dikembangkan lebih lanjut.
Dengan pendekatan yang sederhana namun berbasis teknologi mutakhir, inovasi itu diharapkan dapat menjadi alat bantu skrining awal TBC di masyarakat.
Kehadiran TBCare berpotensi mempercepat penemuan kasus, mendorong pemeriksaan lanjutan lebih dini, serta mendukung upaya nasional dalam menekan angka penularan TBC di Indonesia. (*)
Editor: Danu
. Sumber : Suara Jatim Post & Berita Terbaru
