Indonesi an  Journa l  of El ect ri cal Engineer ing  an d  Comp ut er  Scie nce   Vo l.   12 ,  No.   3 ,  Decem ber   201 8 , p p.   984 ~ 9 9 4   IS S N: 25 02 - 4752, DO I: 10 .11 591/ijeecs .v1 2 .i 3 .pp 984 - 994     984       Journ al h om e page :  http: // ia es core.c om/j ourn als/i nd ex. ph p/ij eecs   Compari son of Mu ltiscale E ntrop y Techniq ues for L un g Sound  Classific atio n       Achm ad   Riz al 1 ,  Ris an uri  Hida yat 2 ,  Hanu ng   Ad i  Nugr oho 3   1 ,2,3 Depa rt m ent o f  Elec tr ical Engi nee ring   &   Infor m at ion  T ec hnolo g y ,   Univer sita s Gad j ah  Mada ,  Jl   Graf ika   no   2,   Mlati,   Sleman,   D . I .   Yo g y ak arta,   Indone sia   1 School  of El ec t ric a l  Eng ineeri n g,   T el kom   Unive rsit y   Jl T e le kom unikas i  no  1,   T ers.   Bu ah  Ba tu, Boj ong  Soang,   Bandung ,   Indone si a       Art ic le  In f o     ABSTR A CT   Art ic le  history:   Re cei ved   A pr   27 , 201 8   Re vised  A ug   24 , 2 018   Accepte d  Oct   8 , 2 018       Lung  sound  is  a   biol ogi cal  sign al   tha t   c an  b e  u sed  to  d eterm ine   th e  h ea l th   le ve l  of  th e  res pira tor y   tract.  Vari ous  digital  signal   proc essing  te chn iques   have   bee n  dev eloped  for  aut om at ic   class ifi c at ion   of  lung  sounds .   Ent rop y   i s   one  of  the  par a m et ers  used  to  m ea sure  the   b io m edi ca l  sign al   complexit y .   Multi sca l e  ent ro p y   is  int rodu ced  to  m ea sure   th e  en trop y   of  a  signal   a t  a   par ticula r  sca le   r ange .   Over  ti m e,  var ious  m ult isca le   ent rop y   t ec h nique s  have  bee n  proposed  t o  m ea sure  the   complexi t y   of  b iol ogical  s ign al s   and  other   ph y sic al   signa ls.   In  thi s  pape r,   som e  m ult isca le   ent rop y   techniq ues  for  lung  sound  cl assifica ti on  ar e  compar ed.   Th e  resul t  o f  the   compari so n  indi c at es  tha t  the   Mult isca l e  Perm uta t io n  Ent rop y   (M PE)  produc es  t he  highe st   ac cur acy   of   97. 9 8%  fo r  five   lung   sound  dat ase ts.  The   resul t  was  a chi ev ed  for   the   sca l e  1 - 10  produc ing  te n  fe atures  for  ea ch  lu ng  sound  dat a.   T his  result   is   bet t er  tha n  other  seve n  ent ropies .   Multi sca l e  en trop y   an aly sis  c an  improve  the   a cc ur acy   of   l ung  sound  cl assi fic a ti on  with ou t  req uiri ng  an y   fe at ure s  oth er   tha n  ent rop y .   Ke yw or ds:   Mult isc al e entr op y   Lu ng  sou nd   Coarse - grai ne d p ro ce dure   Mult il ay er  perce ptr on   Copyright   ©   201 8  Instit ut e  o f Ad vanc ed   Engi n ee r ing  and  S cienc e .     Al l   rights re serv ed.   Corres pond in g  Aut h or :   Ach m ad  Ri zal ,   Dep a rtm ent o f El ect rical  En gi n eeri ng & In f orm ation  Tec hn ology ,   Un i ver sit as  Ga dj a h  Ma da ,   Jl Gr a fika  no 2 , Mla ti , S le m a n,   D.I. Y og ya ka rta,   I ndonesi a .   Em a il :  rizal .s3 te 14@m ai l.ug m .ac.id       1.   INTROD U CTION   Lu ng  s ound is o ne of  t he  bi olo gical  sig nals that e m erg e fr om  the r espirati on   process . An y chan ges i n  it   are  ge ner at e d  f r om   fo reig n  bodies  or  phy siolo gical   cha nges  in   the  res pi rator y  tract   ca us e d  by  diseas es  [ 1] .  Diff e re nces  in  patte rn s  of   l ung  sou nd s  ca n  be   heard  by  a  doct or  us i ng   a  s te tho sc op e  t o  di agnos e  diseas es  [2 ] .  Au sc ultat ion   t echn i qu e ,  on  the  oth e r  ha nd,   is  ver y  su bjec ti ve  fo r  bein g  dep e ndent  up on  existi ng  ex pe rience  and ex pe rtise  of the  docto r.   Var i ou s  te c hniqu e s  f or   a naly zi ng   l ung  s ounds  us in g  c om pu te rs  ha ve  bee n  de vel op e d.   S om e  of   these   te chn iq u es  i nc lud e  ti m e - dom ai n  analy sis  te chn i qu es ,  su c h  as  sta ti sti cal   analy sis   base d  on  Hjort h    descr i ptor  [ 3] ,   em pirical   m od e   dec om po s it ion   (EM D)  [4 ] ,  or  f ractal   analy sis  [ 5].   Seve ral  re se arch e rs  pro po se d  t o  pe rfor m   lun g  s ound  analy sis  in  the  f reque ncy  do m ai n,   suc h  as  quantil e  ve c tor  fr e qu e ncy  [ 6]  or  MFC C [7 ] . Me anwhil e,  wav el et  an al ysi s h as   been u sed  in [8 ]  f or cla ssifyi ng a bnorm al  lun g  s o un ds .   On e  of   the  popu la r  bio l og ic al   sign al   analy sis  m et ho ds   is  m ulti scal e   entropy  (MSE) ,  pro posed  by   Costa  et   al .  with  a  c oa rse - grai ne d  proce dure  for  m ulti scal e  process   an d  sam ple  entr op y  for  e ntr op y   m easur em ent  [9 ] .  Subse quent ly ,  sever al   va riants  of  MSE  e m erg e  su c h  as   ref ine d - M SE ,   com po sit e - MSE  or   adap ti ve  MS E  (A ME )  [ 10 ] .  Othe r  resea rchers  m od ifie d  their  ent ropy  m easur em ent  te chn i qu e s,  w hich   resu lt   in  m ulti scal e   per m utati on   entr op y  (MPE )  [11],  m ult isc al e  app r oxim at e  entropy  (MAp E N)   [12],  and  m ul ti scal e  fu zzy   entropy  [13 ] .  In   the  case  of   lu ng  sounds ,  m ulti scal e  en tro py  has  bee n  us ed  to  an al yz e  the  Evaluation Warning : The document was created with Spire.PDF for Python.
Ind on esi a n  J  E le c Eng &  Co m p  Sci     IS S N:  25 02 - 4752       Compari son  of  Mu lt isc ale E nt ro py  Tec hniq ue s for Lu ng  Sound  Cl as sif ic ation   ( Ac hma d  R izal )   985   lung  sou nd s  of  pu lm on ary  al veo l it is  patie nt s   [14].  The  re s ults  ind ic at ed  t hat  MSE  pro duces  m or e  consi ste nt   featur e s  com par ed  to  the  s pe ct ral  m et ho d.   Si m il ar  to  bio log ic al   sig nal  analy sis,  wav el et   entropy  is  us ed  f or   trans form er  design   [ 15] ,  wh i le   fau lt   diagnosis  was  anal yz ed  us in g  sa m pl e   entropy  [16]  and   a ppr ox im at e   entr op y  [17].   The  perform ance  com par iso n  of   m ulti scal e  e ntr op y  f or  va ri ou s   entr opy  m easur em ent  te chn i qu e s  has   nev e r  previ ous ly   been   done.   I n  this  stu dy,  we  com par ed  the  us e  of  m ult isc al e  entro py  for  var i ous  ent ropy  m easur em en t  t echn i qu e s  f or  lung  s ound  cl as sific at ion .  Entr op y  m easur em ent  m et ho d  in   this  stu dy  incl ude d  Sh a nnon  e ntr opy  [ 18] ,  s pectral  ent ropy  [18],  Re nyi  e nt ropy  [ 19] ,  wa velet   entr opy  [ 20 ] ,   ap pro xim at e    entr op y  [21],  s a m ple  entr op y  [22],  per m utatio n  ent ropy  [ 23 ] ,  a nd  Tsal li s  e ntr op y  [24].  T ho s e  e ig hth   ent ropies   m easur em ents  are  a  re prese ntati on   of   t wo  ty pes  entr op y  m easur em ent  te chn iq ues:  sp ect ral  e ntropy  an d  e m bed di ng   e nt ropy .  Em bed di ng   e ntr op y  wa s  cal culat ed  directl y  fr om   the   sign al   in  the  tim e  do m ai n,   and   th e   sp e ct ral  e ntr opy  was  cal culat ed  f r om   the  sign al   am plit ud e   in  the  fr e que ncy  dom ai n.   By   this  resear ch,   we   ob ta ine d  t he  be st  m ulti scal e  entr op y  te ch ni qu e s  f or   a ut om at ic   lun g  s ound  cl assifi cat ion .   Ne xt,  we   co uld   reco m m end   the  best  m e tho d  fo r  a uto m at ic  lun g  s ound  a naly sis.  From   our  ex pe rim en t,  MPE  produc ed  th e   highest ac c ur a cy  a m on g t hos e eigh t e ntr opie s.   This  pa per   is  orga nized  as  f ol lows .  Sect ion   2  ex plains  the  exp e rim ental   m et ho d,   t he  lu ng   s ound  data   us e d  in  this  st udy,  ent ropy  m e asur em ent  m e t hods   a nd  m ultiscale   entr op y  t echn i qu e s.  Me anwhil e,  the  re su lt s   and analy sis  of the test  r e su lt s  d esc ribe d  in  S ect ion   3.   Sect ion 4  contai ns t he  c on cl us io ns o f  this  pa per.       2.   MA TE RIA L   AND  METH OD S   Figure  1  pr ese nts  the  m et ho d  in  this  pa per.  We  her e  us e d  f ive  cl asses  of   l ung  s oun d  data   as  the  i nput   data.  Me a nwhi le ,  in  t he  cl ass ific at ion   sta ge,  we   us e d  m ult il ay er  per ce ptr on  an d  thre e - f old   cr os s - valid at ion .  The follo wing  su bse ct ions e xpla in the  dat a,  entr op y m easur em ent, an d cl assifi cat ion  m eth od i n detai l.           Figure  1. Bl oc k diag ram  o f  m ulti scal e entr opy i n  this  pa per       2 . 1.      Lun g so und da ta   The  l ung  s ounds  wer e   gat hered  from   sever a l  sources   on  t he   inter net  [ 25,  26 ]   a nd  CD   co m pan ion   of   te xtb oo k  [ 27 ] .  All  the  data  w ere  co nv e rted  i n  the  f or m   of   wav e  file s  with  a  sam pling   fr eq ue ncy  of   8000   Hz.  Fu rt her m or e,  the  data we re  c ut into  one  res pirato ry cy cl e.     Table  1  pr ese nt s  the  detai l  of   lung  sou nd   dat a.  So m e  of   the   data  have  bee n  us e d  in  a  pr e vious  stu dy  [3 ] .  N or m al   br onc hial  is  a  kind  of  norm al   lung  s ound  with  a n  e xp i ra tory  durati on  rel at ively   long er  that  insp irat io n  ph a se.  It  has  l oud  and   high - pitch  sou nd   with  a  pau se  betwe en  ins pirati on  and   e xpirat io n  [28].   Crackle i s a n onm us ic al  an d  exp l os ive s ound  that has  a sh or t du rati on. Cra ckle sound in dicat es secreti on   as in   chro nic  bro nc hiti s  (co a rse  c rack le )   or  no t   correla te d  wi th  secreti on  a s  in  c ongestiv e  hear t  fail ur e   (f i ne   crackle)   [ 28] .  Asth m a  is  a  di sease  that  pr oduce s  a  wh eez ing   s ound  t hat  has  a   co ntin uous  patte r n,  m us ic al   so un d  a nd   do m inant  fr e quen cy   m or e  than  400  Hz  [29].  F r ic ti on   r ub   or   pl eur al   r ub  is  ass ociat ed  wit h  pl eur al   inflam m at ion   or   pleu ral  tum or s  that  pr oduce  nonm us ic al ,  exp l os ive   and   us ua ll y  biphasic   sou nd  [ 28 ] .  So m et i m es,  it   do e s  not  nee d  a  ste tho sc op e   to  li ste n  to  the  stridor,  or i gin a ti ng   f ro m   the  la ryn x  or  trac he a  an d  hav i ng a  do m inant  fr e quency  > 10 00 H z  [8] .         Table  1.  L un g soun d data   Data c lass   Nu m b e r  o f  data   No r m al  bro n ch ial   22   Crackl e   21   Asth m a   18   Friction  r u b   18   Strido r   20       On the  data, t he  nor m al iz ation   process  is car ried o ut as in ( 1) an d (2).     Evaluation Warning : The document was created with Spire.PDF for Python.
           IS S N :   25 02 - 4752   Ind on esi a n  J  E le c Eng &  Co m p  Sci,   Vo l.   12 , N o.   3 ,  Dece m ber  2 01 8  :  984   –   994   986   ( ) = ( ) − 1 ∑ ( ) = 1   (1)     ( ) = ( ) √ 1 ∑ ( − ) 2 1   wi t h   μ = 1 ∑ ( ) = 1   (2)     wh e re  x( n)   is  t he  in pu t  sig nal ,  N  is  the  le ngt h  of  the  in put  s ign al ,  a nd   μ  re fer s  to  t he  m ea n  of  the  in put  s ign al .  Be cause in  (1)  m ean (μ)   has  bee n  m ade as  ze ro, s o  ( 2) ca n b e re wr it te n  as  (3).     ( ) = ( ) √ 1 ∑ ( ) 2 1     (3 )     The  res ult  fr om   (3 )  is  the  m ean  of   si gn al   ( μ)   =  0  an d  sta nd a r d  dev ia ti on  (σ)   =  1.  The  value  of  σ  =  1  would be  used   in the calc ulati on of sa m ple en tr op y a nd a pproxim at e entropy.   Figure  2  sho w s  an   exam ple  of  norm al   bro nch ia l  a nd  it s   lung   sou nd  s pectr um   fr eq ue ncy,  wh il e   Figure  3  disp la ys  the  crackle  so un d  exam ple.  Fr om   Figu re  2  an d  Fig ur e  3,  we  can  see  the   diff e ren ce  between  the  two  ty pes  of   si g nals  in  t he  tim e  do m ain   an d  the  fr e quency  do m ai n.   This  is  to  be   disti nguish e d  us in g  m ul ti scal e entro py  both  sp ect ral entr opy an d em bed ded ent ropy.           Figure  2. N orm al  lun g so un d  a nd the  sp ect ru m           Figure  3. Crac k le  lu ng s ound  and the  sp ect r um       2.2 .      M ultisc al e pro cess   Mult isc al e  entro py  wa s  us e d  to  view  t he  physi ology  sign al ’ s  entropy  at   va rio us   scal es  [9] .  W e  use d  the co a rse - grai ned pr ocedur e   for  the  m ulti sc al e p r ocess  as i n (4).     ( ) = 1 ∑  = ( − 1 ) + 1   , 1 ≤ ≤   (4 )     wh e re   x(i )   is  t he  i nput  sig nal,  τ   is  scal e   a nd  y j ( τ )   is  a  sig nal   in   s cal e  τ.   I n  ge ne ral,  t he  si gnal   y j ( τ )   is  the   outp ut  sign al   on  a   sc al e  τ  as  t he  a ve rag e   of  a   num ber   τ  of  t he  input   sig nal  x(i ).   In it ia ll y,  this  m et ho d  was   us e d  i n  conj un ct io n  w it h  a  sam ple  of   e ntr opy  to   it s  entr op y  c al culat ion s  [9] .  I n  this  pa pe r,   the   coa rse - gr ai ned   proce dure  was use d  to gethe r wit h  the  foll ow ing  e ntr opy m e asur em ent to e xtract the  f eat ures  of lu ng sou n ds.       Evaluation Warning : The document was created with Spire.PDF for Python.
Ind on esi a n  J  E le c Eng &  Co m p  Sci     IS S N:  25 02 - 4752       Compari son  of  Mu lt isc ale E nt ro py  Tec hniq ue s for Lu ng  Sound  Cl as sif ic ation   ( Ac hma d  R izal )   987   2.3 .      En tropy   measure ment   In   t his  pa pe r,   we  us ed   ei ght  entr op y  m easur em ent  m et ho ds  to  be  com bine d  with  the  c oa rse - gr ai ne d  proce dure. Thi s secti on expla ins e ac h  e ntrop y  m easur em ent m e tho d.     2.3.1 .   Sh an n on Entr opy   Sh a nnon  ent ropy  (ShE N)   is  a  sign al   c om p le xity   m et ric.  Sh E N  s hows  i nfor m at ion   co ntain  in  t he   sign al  as  exp re ssed  i n (5).     ℎ  = − ∑ = 1  2       (5 )     wh e re  pi   is  distrib ution p roba bili ty  o f  sig nal,  and  i   is a  level  of the  sig nal.     2.3.2 .   Spec tra l  Entr opy   Sp ect ral e ntr op y (SE N)  is  S hE N  m easur em ent in th e  fr e que nc y do m ai n  as e xpresse d  as  (6).      = − ∑ ℎ = 0  2 ( 1 )   (6 )     wh e re  P f   is  the  power   de ns it y  of   fr e qu e ncy   band,   an d  f i   and   f h   are  the  fr e qu e ncy  lim i t  of   the  sign al .   The  powe r of  t he  si gn al   was  nor m al iz ed  so t hat  ∑p n   =  1.     2.3.3 .   Ren yi E nt r op y   Re nyi entr op y  (REN )  is t he   ge ner al   form  o f ShE N [19] . Ma them a ti cal l y REN  is e xpres se d  as  (7).     = 1 1 −  2 ( ∑ = 1 ) ,  q ≠ 1   (7 )     wh e re  q  =  ord e r of  Re nyi entr op y.  Prac ti cal l y, REN is  d e fined f or or der   q = 2 .     2.3.4 .   Wavel et  Entr opy   Wav el et   Ent ropy  ( W E )   is  cal culat ed  f ro m   the  energy  of   eac h  sub - ba nd   i n  the  wa velet   tran sform at ion   resu lt s  [20].  W E is ex presse d as ( 8).      = − ∑  < 0   (8 )     wh e re  pi   is t he   relat ive w a vele t ener gy  ob ta in ed fr om  ( 9) .     =     (9 )     wh e re  Ei  is  the  energy  for  i - th  reso l utio n,   and   Et  is  the  total   energy.  T he  ad va ntages  of   WE  that  it   is  no t  influ e nce d  by  no ise .  W E  det ect s  so m e   s m a ll   chan ges  in  non - sta ti on a ry  sign al s  an d  doe s  no t  de pe nd   on  any   par am et ers  [20 ] . I n t his  pa per ,  w e  us e d D b2  as m ot her  w a ve le t and   dec ompo sit io n  le vel  = 7 ,  as i n  [ 30] .     2.3.5 .   Appro xi mat e  Entr opy   Appro xim at e  entr op y  (ApE n)  is  a  si gn al   com plexity   pa ram et er  by  m easur in g  t he   num ber   of   occurre nces   of  a  sig nal  patte r n  al ong  t he  si gn al   [ 21 ] .   I f   the   s equ e nce   of  the   sign al   al o ng  N  { ( ) : , 1 ≤ ≤ }   is give n     to  for m  a   vector     unti l  − + 1   as in  (10 ).     X i m = { u ( i ) , u ( i + 1 ) , … , u ( i + m − 1 ) } , for   i = 1 , … , N − m + 1   (1 0 )     wh e re    is  the  l eng t h  of   wind ow  wh ic h  woul d  be  c om par ed .   F or   eac h  ≤ − + 1 ,  the   def i ne d   ( )   is   ( − + 1 ) − 1   m ult ipli ed  by  a num ber  of th e the     in    from   .  By  d efi ning  (11)     ∅ m ( r ) = ( N − m + 1 ) − 1 ∑ ln C i m ( r ) N − m + 1 i = 1   (1 1 )     wh e re     is nat ural  log a rithm .   Pincus  def ine d  A pE n  as i n (12)   [ 21 ] .     ApEn ( m , r ) = li m N → ∞ [ Φ m ( r ) − Φ m + 1 ( r ) ]     (1 2 )   Evaluation Warning : The document was created with Spire.PDF for Python.
           IS S N :   25 02 - 4752   Ind on esi a n  J  E le c Eng &  Co m p  Sci,   Vo l.   12 , N o.   3 ,  Dece m ber  2 01 8  :  984   –   994   988   ApEn   was  esti m at ed  us in g  st at ist ic  as   (13).     ApEn ( m , r , N ) = Φ m ( r ) − Φ m + 1 ( r )     (1 3 )     Com m on ly  A pE n was calc ula te d  usi ng m  = 2  a nd r =  0.2   ×   st and a r d dev ia ti on.     2.3.6 .   Sampl e  Entropy   Sam ple  entro py   (S a m pEn )  w as  propose d  by   R ic h m an  and   Moorm an  to  ov erc om e  the   weakness  of  ApEn  [ 22 ] .  I n  ApEn ,  bias   is  pr ese nt  by  sel f - m at ches .   Sam pE n  is  a  m easur e  of  the   pro ba bili ty   of   a  row  of   m   data  that  w ould  be   the  sam e  as  oth e r  in  a   s eries  of  the  si gnal   with  a  t ole ran ce  of  r,  w hi ch  w ould  rem a i n  the  sam e if the r ow  of  m  d at a is  increase d  to  m +1.  Mat hem ati cal ly  Sa m pEn  i s expr e ssed  as  (14).     Sa mp En ( m , r ) = li m N → ∞ − ln A m ( r ) B m ( r )   (1 4 )     wh e re  ( )   is  the   pro ba bili ty   of   t wo  se qu e nces   will   m a tc h  f or  a  num ber   of   m +1  sam ples  wit hin   t olera nce  r .  Me anwhil e,  ( )   is   the  pro ba bili t y  of   tw o  se qu e nces  that  woul d  m at ch  fo r  m   nu m ber   of   sam ples  withi n  the   tolerance   of  r .   I n  bo t h  par a m et ers,   sel f - m at ches  was  a voide d.   Furthe r m or e,  by  m aking   = { [ ( − − 1 ) ( − ) ] / 2 } ( )   an d  = { [ ( − − 1 ) ( − ) ] / 2 } ( )   so S am pEn  ca n be e xpr essed  a s (1 5).       Sa m pEn ( m , r , N ) = − ln A B     (1 5 )     2.3.7 .   Permu t at i on  En tr opy   Perm utati on   en tro py  (PE)  is   the  m easur em e nt  of  si gn al   co m plexit y  by  id entify ing  the  pro ba bili ty   of   cod e  se quence  in  the  sig nal  [23].  PE  obse rv e s  the  per m utatio n  patte rns  of  the  dif fer e nt  el em ents  in  the  sign a l .   It is ex presse d as ( 16).     PE = − ∑ p j log 2 p j n j = 1   (1 6 )     wh e re    is  the   r el at ive  fr e quen cy   of  possi ble  patte rn  an d  n  i s  is  pe rm utati on   order,  n  ≥  2.  I n  this   pa per,  we   us e d n = 6 as  in [1 1].     2.3.8 .   Ts alli s  Entropy   Tsal li s  entrop y  (TE)   is  com m on ly   us ed  to  descr ibe  th e  ph ysi cal   be ha vior  of   a  syst e m   [2 4].  TE   descr i bes  the  s yst e m   with  the   eff ect   of   lo ng - te rm   m e m or y,  long - range  inte racti on   a nd   m ulti fr act al   sp ace - tim e   const raint [28 ] .  I t i s n on - e xten sive in  w hich  t her e a re two  id entic al  syst e m s , th en  the  nu m ber   of  e ntropy  is no t  the   sam e as b ot h  a dd e d  t og et he r.  T E m at he m at ic al ly  is exp r essed  a s (1 7).     TE = 1 − ∑ p i q W i = 1 q − 1   ( 17)     wh e re  q  is  no n - e xtensi vity   orde r,   pi  is  disc rete  pro bab il it y,  and   W  is  th e  m ic ro sco pic  config ur at io n  of   t he  syst e m .  In   t hi s  pa per  we   us e  t he  order  of  non - e xte nsi vity   q  =  2  pro ve d  to   pro duce  the   hi gh e st    accuracy i n [31].       3.   RESU LT S   A ND  DI SCUS S ION   3.1.     Measure ment Resul t a nd  S tatistics  Analysis   Figure  4  s how s  the  resu lt s  of  the  m ult isc ale  process  us i ng  the  coa rse - grai ne d  proce dure  f or  the   norm al   br on c hi al   and   lu ng  s ound  crac kle  s ound.  In   ge neral ,  the  sig nal  sh a pe  di d  not  change  bu t  t he   data  le ng th  bec om e s  N/τ,  with  N  is  the  or igi nal  data  le ng t h,   a nd  τ  is  the  scal e.  The  value  of  each  sam ple  on   the   scal e  τ  was   the   ave rag e   val ue   of  τ  sam ple  da ta   from   the  ori gin al   da ta .  T he   coa rse - gr ai ne d  proce dure  re du ce d  the  var ia nce  of   the  sign al ,  a s  the  scal e  τ  increase  th e n  the  var ia nce  will   de crease.  T he  de crease  in  var i ance   will   change  th e  entropy  m ea su rem ent  valu e.  The  c hange   of   ent ropy  va lue  was  util iz ed  as  a  featu re  for   pu lm on ary s ou nd classi ficat io n.   Fig ur e  5 dis play s the  var i a nce as  a fu ncti on of scale τ .       Evaluation Warning : The document was created with Spire.PDF for Python.
Ind on esi a n  J  E le c Eng &  Co m p  Sci     IS S N:  25 02 - 4752       Compari son  of  Mu lt isc ale E nt ro py  Tec hniq ue s for Lu ng  Sound  Cl as sif ic ation   ( Ac hma d  R izal )   989       Figure  4.  N orm al  b ronc hial and crac kle lu ng s ound  for  sca le  1   –   scal e  5           Figure  5. The   var ia nce  of   eac h  cl ass  of  data         Figure  6  -   Fi gure  13  sho w  th e  aver a ge  valu es  of   t he  m ultiscale   entr op y  m easur em ent  resu lt s  in  fi ve   cl asses  of  l ung  s ounds.   T he   entr opy  m eas ur em ent  res ults  te nded   to  be   low  e xcep t  Tsal li s  entr opy  that   gen e rated  a  c on si der a ble  va lue  but  ne gati ve  value.   A  s m al l  value  wa s  infl uen ce d  by   the  norm al i zat ion   process  s o  that   the  aver a ge  va lue  =  0  w hile  the  var ia nce  va lue  bec am e  =   1.   W e  c ou l d  identify   that  spe ct ral  entr op y  an d  w avelet   entropy  gen e rated  r el at ively   disti nct  patte rn s  betwe e n  cl asses.  The  resu lt   sug gested  that   the  entr op y  m easur em ent  in  the  fr e quency  do m ai n  produ ced  m or e  disti nct  char act e risti cs  than  in  th e  tim e   d om ai n.   Fi gure   10  a nd  Fi gure   11  disp la y  t ha t  wh e eze  s ound  on  the   Sam pEn   a nd  ApEn   hav e   se par at e d  val ues  to  oth e r  cl ass es.  Sam pEn   is  an  i m pr ovem ent  of   ApEn  t hat  has  s om e  sel f - m at ching   pro blem s  [4 5].  The   cal culat ion   of  bo t h  e ntr op ie s  is ab ou t t he  sa m e;  h ence t he  r esulti ng en t rop y al so   has  a  sim il ar ch aracte r ist ic .           Figure  6. S hannon  e ntr opy m easur em ent for  f ive   lung s ound cla sses   Figure  7. S pectral entr opy m e asur em ent for f ive lu ng  so un d  cl asses   Evaluation Warning : The document was created with Spire.PDF for Python.
           IS S N :   25 02 - 4752   Ind on esi a n  J  E le c Eng &  Co m p  Sci,   Vo l.   12 , N o.   3 ,  Dece m ber  2 01 8  :  984   –   994   990       Figure  8.  Re ny i entr op y m easur em ent f or  fiv e lung  so un d  cl asses       Figure  9.  W a ve le t entropy m easur em ent for  f ive  lu ng  so un d  cl asses       Figure  10. A pproxim at e entropy m easur em e nt for  five  l ung  s ound classe s       Figure 11. S am ple en t ropy m e asur em ent for f ive lu ng  so un d  cl asses       Figure 12. P e r m uta ti on  e ntrop y m easur em e nt for  five  l ung  s ound classe s   Figure 13. Tsall is entr op y m easur em ent for fi ve  lu ng  so un d  cl asses       We  us e d  t he  a naly sis  of  var i ance  (AN OVA )  sta ti sti cal   te st  to  te st  t he  se pa rati on  bet wee n  t he  cl asses   of   featu re  res ul ti ng   f ro m   the  m ult isc al e  ent ropy.  T he  perform ance  of  m ul ti scal e  entro py  was  deter m ined   us in g  T he  A N OVA  F - value  [32].  A  la r ger   F - va lue  i nd ic at es  a  bette r   pe r form ance  for  s epar at in g  t he  c la sses  te ste d  com par e d  to  the l ow e r on e . In  t his stu dy, F - val ue wa s m easur ed on  the scal e  of   1 - 20,  1 - 15 scale ,  a nd so  on   to  see  t he   changes  in  t he  discrim inati on   pe rfo rm ance  at   diff ere nt   scal es.  Table   2  shows  t he   resu lts   ANO VA test .   Table  2  sho ws   that  the  m ulti s cal e  sa m ple  entropy  pro du ce d  the  la rg e st  F - value  on  the  sc al e  of   1 - 20  and   t he  scal e  of   1 - 15.  F or   t he  scal e  of  1 - 10   a nd  scal e  of  1 - 5,  the  high est   F -   val ue  w as  achieve d  by  Re nyi  entr op y.  F or   t he  scal e  of   1  to  the  scal e  of   1 - 4,   the  hig he st  F -   val ue   was  achieve d  by  Tsal li s  entropy.  Me anwhil e, m ulti scal e Sh a nnon en t ropy  pro du ce d  t he  lo we st F - value  i n  a l l condit ions.   It  was  widely   per cei ved   t ha t  the  F - value  decr ease d  as  t he  re duct ion   s cal e  excep t  on  m ulti scal e  Tsal li s  entropy   an d  m ulti scale  Re nyi  entr op y.  In  m ulti scaleTsall is  entr opy,  F - value   incr eased  on  the   s cal e  of  1 - 15  an d  then  decr ease d  in  t he  ne xt  scal e.  Me anwhil e,  in   m ulti scal e   Ren yi   entropy,  F - val ue  of   1 - 20   scal e   Evaluation Warning : The document was created with Spire.PDF for Python.
Ind on esi a n  J  E le c Eng &  Co m p  Sci     IS S N:  25 02 - 4752       Compari son  of  Mu lt isc ale E nt ro py  Tec hniq ue s for Lu ng  Sound  Cl as sif ic ation   ( Ac hma d  R izal )   991   increase d  to   a  scal e  of  1 - 10  t hen  dec rease d.  This  i nd ic at ed   that  re duci ng  the  scal e  or   re du ci ng  the  nu m ber   of  featur e s  did   no t  al ways  red uc e  the  rate  of   se par at io n  of  dat a  bu t  m ay  increas e  it .  This  oc curred  beca us e   of   the   high scale   (sca le  1 5 t o sca le  20) t he varia nce  of the  s ig nal t end e d  t o decre ase [ 10 ] .   Th us   the   entr opy  ge ne rated  w as  not  sig nifica ntly   diff e re nt  f ro m   oth er   data.   The  sm allest   F -   value  f or   al l  the  m ulti sc al e  entr op y  w as  ob ta ine d  in   scal e  1  or  m e asur em ent  of  entr op y  i n  the   or i gin al   si gn a l.  Thi s   su ggest e d  that  the  m ulti scal e  schem e  pr od uc es  a  bette r  pe rfor m ance  com par ed  t o  e ntr op y   m easur e m ent  of   on   a sin gle scal e s ign al   on ly .       Table  2.   F - Values  from  A NOVA Test   MS - Entro p y   F v alu e   scale   1 - 20   scale   1 - 15   scale   1 - 10   scale   1 - 5   scale   1 - 4   scale   1 - 3   scale   1 - 2   scale   1   Multis cale Sa m p le  entro p y   8 0 9 .60   7 0 9 .18   5 1 3 .69   2 0 1 .71   1 4 5 .39   4 9 .66   5 7 .19   2 4 .29   Multis cale  Tsalli's  en trop y   6 3 7 .19   6 3 8 .20   6 1 5 .42   4 8 1 .38   4 2 5 .38   3 5 4 .12   2 6 3 .91   1 4 8 .62   Mu ltiscale Ap p rox i m ate  Entro p y     5 7 9 .57   4 1 5 .65   2 5 2 .37   9 2 .46   6 9 .20   4 9 .66   3 3 .38   1 9 .51   Multis cale Pe r m u t atio n  entro p y     5 1 2 .33   4 0 8 .36   3 3 4 .95   3 6 0 .62   3 4 4 .47   2 7 5 .38   1 5 4 .25   4 0 .08   Multis cale  W av ele t entro p y   4 0 0 .53   3 2 2 .37   1 5 0 .48   4 1 .75   3 2 .13   2 4 .57   1 5 .22   1 0 .63   Multis c ale Spect ra l entro p y   3 7 1 .63   3 2 2 .34   2 8 7 .77   2 4 8 .40   2 1 0 .23   1 5 1 .73   8 1 .69   3 1 .33   Multis cale Ren y i e n trop y   3 6 0 .94   4 4 2 .09   6 2 0 .06   5 1 2 .14   4 3 4 .54   3 4 0 .49   2 3 3 .71   1 1 8 .13   Mutlis cale Shan n o n  entro p y   8 6 .68   5 7 .74   3 3 .48   1 5 .84   1 2 .18   9 .75   8 .35   3 .64       3.2.  Accur ac y T esting u sin g Multil ayer  Pe rceptr o   To  determ ine  the  perform ance  of   m ulti sca le   entropy  in  the  lung  sou nd  cl assifi cat ion ,  we  us ed   m ul ti la ye r  perce ptr on  (ML P )  as   a  cl assifi er.  ML P  is  one  var ia nt  of   arti fici al   neura l  netw orks   tha t  have  su pe r vised  le ar ning  pro pe rtie s.  B ecause  the  MLP  was  s upe rv ise d,   the n  w e  us ed  t he  N - f old   c ro ss - valid at ion  (N - f old   C V)   f or   t he  trai ni ng  and  te sti ng   process  [33].  Be cause  the  num ber   of  data  in  each  cl ass  is  18  to  22   data,  the n,  the   N - fo l d  C V  us e d  N  =  3  s o  tha t  each  dataset   would  ha ve  6 – 8  dat a.  Ta ble  3  pr ese nts  it s  r esult.   Table  3  s hows   that  the   m ultiscale   pe rm utatio n  e ntr opy  pr oduce d  th e  highest  acc ur acy   i n  m os t  of  the   scal es.  Mult isc al e  Perm uta ti on   Entr opy  (MPE)  pro duced  t he  lowe r   accuracy  com par e d  to  m ulti s cal e  sa m ple  entropy  (MSE)  on   the   s cal e  of   1 – 5  and   scal e  of  1 – 4.   PE  ha d  sever al   ad va ntages  c om par ed  with  Sam pEn :  PE   cal culat ed  the  per m utati on   of  the  sequ e nce  patte rn   of   the  s ign al ,  w hile  the  Sa m pEn   cal culat ed  the  num ber   of   the  sam e  patte rn s o f  t he  sig nal   with  a  ce rtai n  tolerance .  T his   i m pl ie s  that  the  Sam pEn   cal culat ion   ta kes  lo ng e r   com pu ta ti on   ti m e  rather   than   the  PE.  Sim i l arit ie s  betwee n  those   two  pa tt ern s  we re  de te rm ined  by  sever al   par am et ers,   suc h  as  the  n - or der   per m utati on   on  PE,  m ea nwhile ,  in  Sa m pEn ,  they   wer e  determ ined   by  the  si m il a rit ie s toleran ce   r  a nd le ng t h of patt er n  m .       Table  3.   Acc uracy  ( %)  for va r iou s  m ulti scal e  en tr opie s usi ng th ree - f old  c r os s - validat io n   MS  Ent rop y   Scale us e f o r  en tro p y   m e asu re m en t   scale   1 - 20   scale   1 - 15   scale   1 - 10   scale   1 - 5   scale   1 - 4   scale   1 - 3   scale   1 - 2   s cale   1   Multis cale Sa m p le  entro p y     8 5 .86   8 6 .87   8 6 .87   8 6 .87   8 2 .83   7 2 .73   6 9 .7   5 0 .51   Multis cale  Tsalli's  en trop y   8 8 .89   8 9 .9   9 1 .92   7 9 .8   7 3 .74   7 2 .73   7 0 .71   6 9 .7   Multis cale A p p rox i m ate  Entro p y     8 8 .89   8 8 .89   8 3 .84   7 9 .8   7 1 .72   6 5 .66   5 9 .6   5 1 .52   Multis cale Pe r m u t ati o n  entro p y     9 6 .97   9 6 .97   9 7 .98   9 3 .94   9 2 .93   8 9 .9   8 6 .87   5 9 .6   Multis cale  W av ele t entro p y   7 4 .75   6 8 .69   6 7 .68   7 0 .71   7 0 .71   7 1 .72   6 6 .67   4 3 .43   Multis cale Spect ra l entro p y   9 3 .94   9 5 .96   9 5 .96   9 0 .91   8 9 .9   8 0 .81   7 5 .76   4 9 .49   Multis cale Ren y i e n trop y   8 8 .89   9 0 .91   9 3 .94   78 .79   7 0 .71   7 4 .75   6 9 .7   6 8 .69   Mutlis cale Shan n o n  entro p y     8 3 .84   8 4 .85   8 1 .82   7 6 .77   7 6 .77   6 6 .67   5 8 .59   3 7 .37       Evaluation Warning : The document was created with Spire.PDF for Python.
           IS S N :   25 02 - 4752   Ind on esi a n  J  E le c Eng &  Co m p  Sci,   Vo l.   12 , N o.   3 ,  Dece m ber  2 01 8  :  984   –   994   992   Table  4  s ummari zes  the  best   res ults  f or   eac h  of   m ulti scal e   entr op y  i nclu ding  a  scal e  t ha t  produce s   the  highest  acc ur acy ,   the   acc ur acy   of  the   si ng le   s cal e  a nd  aver a ge  c om pu ta ti on  tim e  for  a   sin gle  data.   Test s  wer e  pe rfor m ed  on   a   PC  with  the  sp eci ficat ion   of   In te l  ( R)  Co re  (TM )  i3 - 3 22 0  CP U  @  3.3 0GHz ,  4  GB  of   RAM.   Table  4  disp la ys  that  the  co m pu ta ti on al   tim e  fo r  the  ov e rall   te chn iq ue  was  acce pta ble   excep t   f or   t he  m ul ti scal e  approxim at e  entro py.  It  t ook  a  ve ry  long  ti m e,  so   it   was   le ss  r el ia ble  us e d  in   real  ap plica ti ons.  A   sel f - m at ching   process  cause d l ong  c om pu ta ti on  ti m e o ccurr ed  in  ApE n  c om pu ta ti on .       Table  4.   Scal e  for  the  h i gh e st  accuracy a nd c om pu ta ti on  ti m e   Multis cale  Entro p y   Bes t scale   Hig h est   Accurac y  ( %)   Accurac y  f o r   sin g le scale ( %)   Av erage co m p u tati o n   ti m e  (s)   Multis cale Sa m p le  entro p y   1 - 5   8 6 .87   5 0 .51   2 7 .69   Multis cale  Tsalli's  en trop y   1 - 10   9 1 .92   6 9 .7   0 .69   Multis cale A p p rox i m ate  Entro p y   1 - 15   88 .89   5 1 .52   2 0 8 7 .4 7   Multis cale Pe r m u t atio n  entro p y     1 - 10   9 7 .98   5 9 .6   1 .61   Multis cale  W av ele t entro p y   1 - 20   7 4 .75   4 3 .43   1 .00   Multis cale Spect ra l entro p y   1 - 10   9 5 .96   4 9 .49   0 .93   Multis cale Ren y i e n trop y   1 - 10   9 3 .94   6 8 .69   0 .70   Mutlis cale Shan n o n  entro p y   1 - 15   84 .85   3 7 .37   0 .84       Table  4  s hows   that  the  MPE  pro du ce d  the  hi gh est   accu rac y  on   the  scal e  1 - 10  with  an  a ccur acy   of   97.98% .  So m e  m ulti scal e  ent ropy  only   us e d  scal e  1 - 5  to  pro du ce  th e  hi gh e st  accuracy ,  but  sti ll   below   the   MPE.  He nce,   it   was  no t  the  best  ch oic e .  Re gardin g  com pu ti ng   ti m e,  the  MPE  r equ i red   a  reas on a ble  com pu ti ng   ti m e,  i.e.,   1.6 2  s   f or   t he  si ng le   da ta .  Me an wh il e,  m ulti scal e  Ap E n  to ok  a  lo ng  c om pu ta ti onal   tim e .   This  was  cause d  by  the  cal culat ion   of   the n um ber   of   si m i lar   patte rn s o f  da ta   carried  al on g  the  seq uen ce   of   t he   sign al s  an d  th e  e m erg ence  of  sel f - m at ching .  Mult isc al e  Sam pEn   (MSE )  ov e rcam e  th e  weakness  m ulti scal e  ApEn , so MSE  r e qu ire d sh or t er c om pu ta ti on tim e than  the   m ul ti scal e A pE n.   Mult isc al e  SEN   pr oduce d  t he  highest  ac cur acy   a fter  m ul ti scal e  PE  as  so m e  signa l  diff e rence s  betwee n  the  cl asses  cou l d  be   seen  cl early   in  the  sp ect ra l  fr eq uen cy .  H ow e ve r,   m ulti s cal e  W E  c ou l d  not  pro du ce  a   quit e  high  acc ur ac y  for  bei ng  inf luence d  by  the   m oth er  wa velet   sel ect ion ,  th e  sam pling   fr e qu e nc y   and   t he  le vel  o f  dec om po sit io n.   T hese  facto r s  w ou l d  af fect  the  f or m ed  sub - ba nd.  Th e  se le ct ion   of  DB 2  and   deco m po sit io n  le vel  7  did  no t  pro du ce   a   high  acc ur ac y.  A pprop riat e  W a velet   filt er  an d  t he  le ve l  of  deco m po sit io n sel ect ion   will  be t he next  rese arch .   Sh E N,   RE N,  a nd  T E  ha ve  a  s i m i la r  form .  Sh E N  is  a  s peci al   case  of  RE N  a nd  TE.   S hE N  is  RE N  or  TE  with  orde r  q  =  1.   T he  sel e ct ion   of   orde r  q  in  RE N  a nd  TE  will   pro duc e  the  di ff e ren t  accuracy.  The  us e  of   TE  with  a   dif fer e nt  orde r  f or   l ung  s ound   analy sis  was   pr es ente d  in  [31].   T he  re sul t  sh owed   that   non - extensi vity  o r de r q =  2 pro du c es the  best  featu re  for t he  l ung  s ound a naly sis.   The  e ntr opy  m easur em ent  i n  the  m ulti sca le   sche m e  increased  lung  sound  cl assifi cat ion   accu racy   com par ed  with   the  sing le   scal e  schem es.  Seve ral  pr e viou s  s tud ie s  us ed  only   on e  e ntropy  values  c ouple d  with  the  oth e r  featu res  of  the  lu ng  so un d  cl assifi cat ion .  Sam ple  entropy  was  c om bin ed  with  sk ew ness ,  kurt os is ,   and  la cu nar it y  repor te d  by  M ondal  et   al   [ 34] .  The   res ulti ng  acc ur acy   wa s  92. 86%  for  norm al   and  ab norm al   lung  s ound.  M eanwhil e,  kurt os is,  m ean  cr ossi ng   i rr e gula r it y  and   Re nyi  entr op y  us e d  in  [ 35] .  T he  re su lt s  ob ta ine d  t he  ac cur acy   of  95. 1%   f or  the  trai ni ng   data  a nd  93. 5%  for  te sti ng  data.  Tsal li s  entr op y  a nd  25  othe r   char act e risti cs  us e d  by  Morill o  et   al .  f or   l ung  s ound  from   congesti ve   obs tructi ve  pulm o nar y  disease  ( COPD)   patie nts  [ 36 ] .  Me anwhil e,  Jin  et   al .  us e d  s a m ple  entropy   as  the  featu re s  of   l ung  s ound  extr act ed  f r om   the   sh ort - ti m e   Fo uri er tra nsfo rm  ( STFT )  [ 37] .   The  sam e  entr op ie s  a s  in  t his  pa per  we re  us e d  in  [ 38 ] .  Sing le   e ntr opy  only   pro du ce d  69.7 %   of   accuracy  us i ng   TE.  Com po sit e  of   seve n  e ntropies  increa se d  the  accu racy  becam e  94 .9   %.  Com pu ta ti on   of   seve n  entr opie s  was  m or e  co m plex  than  on e  entr op y  with   the  m ult isc al e   process.  C ompare d  wit h  this   pap e r ,   94.9 %  was  ac hieve d usin g  s even feat ur es   wh il e  97.9 %  w as ac hieve d u sing t en feat ur es.   Ov e rall   the  stu dies  we re  co nducte d  on  si ngle   scal e  sign al .   W e  co uld   see   that  entr op y  s ti ll   need ed   oth e r  feat ur es   f or   l ung  sou nd  cl assifi cat ion .  Wh il e  on  the  m ul ti scal e  entro py,   we   only   use d  only   entr opy  tha t   cal culat ed  on  a  sign al   with  a  differe nt  sca le .  Alth ough  it   was  no t  direc tl y  co m par able ,  m ulti sca le   entropy  pro vid e d  m or e  prom isi ng   res ults.  Di rect  co m par ison s  with  the   sam e  dataset   m a y  be  m ade  on  the  rese arch  i n  the futu re.   Evaluation Warning : The document was created with Spire.PDF for Python.
Ind on esi a n  J  E le c Eng &  Co m p  Sci     IS S N:  25 02 - 4752       Compari son  of  Mu lt isc ale E nt ro py  Tec hniq ue s for Lu ng  Sound  Cl as sif ic ation   ( Ac hma d  R izal )   993   So m e  m ult isc a le   entropies  we re  pro posed  by  so m e  researchers  f or   s olv in g  var i ou s  case s  in  previ ous   stud ie s.   Mult is cal e  sam ple  entropy  w hich   w as  m or e  kn own  as   m ulti scale  entr opy  (MS E)  was  pro pos ed  by   Costa  et   al   [9 ] .   Mult isc al e  perm uta ti on   ent r opy  was  us e d  f or  quantify in g  s ign al   com plexi ty   pr op os ed  by   Azis   and   Ar if  [11].  In   this  pa pe r,   we  intr oduce d  sever al   m ulti sc al e  entropies  f or   sig nal  com plexity   m easur em ent.  Fo r   exam ple  m ulti scal e  Tsal lis  entr op y,   m ult isc al e  Re nyi  entr op y,  m ulti scal e  sp ect r al   ent ropy  an d  m ultiscale   wav el et   ent ropy.  Mult isc al e  entropy  pro vi des  bette r  pe rfor m ance  for   lung  sou nd   analy sis  com par ed  to   entr op y i n  sin gl e scal e [38].       4.   CONCL US I O N   Lu ng   sou nd   i s  one  of   t he  bio lo gical   sig nals  w hich   ha ve  in form at io n  a bout  the  he al th  of  th e   resp i rator y  sys tem .  To  reduc e  su bject ivit y  in  the  eval uation  of   l ung  s ounds  t  a  va riet y  of   dig it al   sign al   processi ng   te c hn i qu e s  for  au tom a ti c  lun g  s ound  cl assifi cat ion   ha ve  bee n  dev el opin g.   On e  of   the  m et hods  us e d  in  l ung  s ound  sig nal  processin g  is  t he   entr opy  m eas ur em ent  m e tho d.  I n  t his  re s earch ,  we  c ompare d  m ul ti scal e  entr op y  with  s om e   diff ere nt  entr op y  m easur em ent  te chn iq ues   fo r  lu ng   s ound  featu re  extra ct ion.   The  res ults  showe d  t hat  the   m ul ti scal e  perm uta ti on   e ntropy  pr oduce d  t he  highest  acc ur acy   of  97 .98 %  with   the  scal e  of  1 - 10.  T hese   res ul ts  are  m uch   hig he r  t han  usi ng  Pe rm utati on   entr op y  i nd i vid ually   on  the  ov e rall   sign al .  S om e  entr op y  m easur em ent  par am e te rs  that  co uld  be  al te red   t o  change  s uc h  as  Tsal li s  entropy  or   Re nyi  entr op y  for  a  diff e re nt  ord er   of  q.   Pe r form ance  of   m ulti scal e  entropy  with  va rio us  entr opy  pa ra m et ers   can  be  e xam ined  in  s ub se que nt r esea rc h.       ACKN OWLE DGE MENTS   This  w ork  ha s  been   fina nc ia ll y  su ppor te d  by  Mi nistry   of   Re sea rch,   Tech no l og y,  and   Highe r  Ed ucati on of R epublic  of  Ind onesi a  under Pe nelit ia n  Dise rtasi  D okt or   Sche m e n o:  014/P N LT3/PPM/ 2018.       REFERE NCE S   [1]     Pasterka m p  H, K raman  SS ,   W odic ka   GR.  R espi rat or y   Sounds .   A m J   R espir  Crit   Care  Me d .   1997; 156(3):974 – 987.   [2]     Spiet h  PM ,   Zha ng  H.  Anal y z in g  Lung  Crac kle  Sounds :  Stet ho scope s  And  Be y ond .   Inte nsiv e  Care  Me dic in e .  2011;37(8): 1238 – 9.   [3]     Riz al   A,  Hida yat   R,   Nugroho  HA .   Mult iscal e   Hjorth  Descrip tor  for  Lung  So und  Classifi cat i on .   Inte rna ti on a l   Confer ence  on   Scie n ce a nd  Tech nolog y   20 15.   Yo g y ak arta. 2015;   1:160008.   [4]     Chen  X,  Shao  J,  Long  Y,  Qu e  C,   Zh ang  J,  Fang  J.  Ide ntifi ca t ion  of  Vel cr o  Ral es  Based  on  Hilbe rt – Hua ng  Tra nsform .   Ph ys  A  S tat Me ch   i ts  Appl .   2014;   401( 8):34 – 44.   [5]     Gnite ck i  J,   Mous savi  Z,  Pasterk a m p  H.  Classifi ca ti on  of   lung   sounds   during  bronc hial   provo cat ion   using  wav ef orm   fract al  dimens io ns .   Annual  Inte r nat ion al   Confer e nce   of  the   IEEE   Engi nee r ing  in  Medic in e  and  Bi olog y   Soc iet y .   2004;  3844 – 384 7.   [6]     Ma y org a  P,  Dru zga lski  C ,   Gonz al e z  OH ,   Lop ez  HS .   Modif ie d   Classifi cation  of   Norm al  Lung  Sounds  Appl yi n g   Quantil e  Ve c tors .   Proce edi ngs  o f  the   Annu al   In t ern ational   Conf e ren ce   of  the   I E EE   Eng ine er ing  in  Medicine  and   Biol og y   So ciet y ,   EMBS .   2012;   4 262 - 4264.   [7]     Chen  C,   Huang  W ,   Ta n  T,  Chan g  C - C,   Ch ang  Y .   Us ing  K - Nea r e st  Neighbor   Cl assific a ti on  to  Dia gnose  Abnorm al   Lung  Sounds .   S e nsor s   .   2015  Jun  4;15(6): 13132 – 5 8.   [8]     Kanda sw am y   A,   Kum ar  CS ,   Ra m ana tha n  RP ,   J a y ara m an   S,  Ma lmurugan  N.  Ne ura l  cl assifi catio n  of  lung   sound s  using wa velet   co eff icient s.   Comp ut  B iol   M ed .   200 4;34(6): 523 – 537 .   [9]     Costa  M,  Gold ber ger   AL ,   Pen g  CK.  Multi sc a le   En trop y   Ana l y s is  of   Biol ogi ca l  Sign al s.   Ph ys  Rev  E  -   Sta t   Nonli near,   Soft  Matt er  Phy s .   20 05;71: 1 – 18.   [10]     Hum ea u - heur ti e r  A. The   Multi sc al e   Ent rop y   Alg orit hm   and Its V ari an ts:  A R evi e w.  Ent ropy .   201 5;17: 3110 – 3123.   [11]     Aziz   W ,   Arif  M.  Mult isca le   P ermutati on  Ent rop y  of  Phy siolog ic al  Time  Serie s .   In:  9th  Inte rn at i onal   Multi top ic  Confer ence, IEE E  INM IC  2005.   Kara chi 2005; 1 - 6.   [12]     W ang  G - J,  Xie  C,   Han  F.  Multi - Scal e  Approxi m at e  Ent rop y   A naly s is  of  Foreign  Exc hange   M ark et s  Eff i cienc y .   Syst  Eng   Proc ed ia .   2012 ;3(2011) :201 – 208.   [13]     Xie  H,  Chen  W ,   He  W ,   Li u  H.  Com ple xity   anal y sis  of  the   biomedical  signal   usi ng  fuz z y   ent rop y   m ea surem ent.  Appl   So ft   Comp ut .   2011 ;11(2): 2 871 – 2879.   [14]     Charl eston - Vi ll a lobos  S,  Albuer ne - Sanchez  L,  Gonza le z - C amare na  R,   Mej ia - Avila   M,  Carr il lo - Rodrigu ez   G,  Alja m a - Corra l es  T.   Li ne ar  and   Nonlinear  Anal y si s  of  Base  Lung  Sound  in  Ext rins ic   All erg i c  Alve oli ti s  Pat ie n ts  i n   Com par ison t o  Hea lt h y   Sub je c ts.  Me thods I nf   M ed .   2013 ;52(3): 2 66 – 76.   [15]     W u  N,  Guo   Y,  W ei   Y,  Fan  S,  Li   X.  Design  of  New  Tra nsform er  Protec ti on  Devic e  Based  o n  W ave le t  En er g y   Ent rop y - Neura l N et work T heo r y  and.  TEL KOMNIKA.   2013 ;11(11 ):6746 – 6754.   [16]     Xu  X,  W ang  S,  Li u  J,   W u  Z.  Fa n  Fault   Di agnosi s  Based  on  W av el e t  Pack et  and  Sam ple   Ent rop y .   TEL KOMNIKA .  2013;11(6): 3451 – 3462.   [17]     Dong  Z,   Ti an  X,  Ze ng  J.  Mec hanica l  Faul t  Diagnosis  Based   on  LMD -   Ap proximate   Ent ro p y   and  LSS VM .   TEL KOMNIKA .   2013;11(2): 803 – 808.   Evaluation Warning : The document was created with Spire.PDF for Python.