I nd o ne s ia n J o urna l o f   E lect rica l En g ineering   a nd   Co m pu t er   Science   Vo l.   38 ,   No .   2 Ma y   20 25 ,   p p .   940 ~ 9 4 9   I SS N:  2 502 - 4 7 52 ,   DOI : 1 0 . 1 1 5 9 1 /ijee cs .v 38. i 2 . p p 940 - 9 4 9          940     J o ur na l ho m ep a g e h ttp : //ij ee cs . ia esco r e. co m   Dete c tion o CO V ID - 1 9  bas ed on co ug h so und a nd  a ccom pa ny ing  sy mpto m using  Lig htG BM  alg o rith m       Wiha rt o ,   Anna s   Abd urra hm a n,  Um i Sa la ma h   D e p a r t me n t   o f   I n f o r m a t i c s,   F a c u l t y   o f   I n f o r mat i o n   T e c h n o l o g y   a n d   D a t a   S c i e n c e U n i v e r si t a s   S e b e l a M a r e t ,   S u r a k a r t a ,   I n d o n e si a       Art icle  I nfo     AB S T RAC T   A r ticle  his to r y:   R ec eiv ed   Mar   19 ,   2 0 2 4   R ev is ed   Oct   27 ,   2 0 2 4   Acc ep ted   No v   11 ,   2 0 2 4       Co ro n a v iru s   d ise a se   1 9   ( COV ID - 19 )   is   a n   i n fe c ti o u d ise a se   wh o se   d iag n o sis is  c a rried   o u u si n g   a n t i g e n - a n ti b o d y   tes ts an d   re v e rse   tran sc rip ti o n   p o l y m e ra se   c h a in   re a c ti o n   (RT - P CR).   Ap a rt   fro m   th e se   tw o   m e th o d s,   se v e ra a lt e rn a ti v e   e a rly   d e tec ti o n   m e th o d u si n g   m a c h in e   lea r n in g   h a v e   b e e n   d e v e lo p e d .   Ho we v e r,   it   stil h a li m it a ti o n s   in   a c c e ss ib il it y ,   is   in v a siv e ,   a n d   it imp lem e n tatio n   in v o l v e m a n y   p a rti e s,  wh ic h   c o u ld   p o te n t ially   e v e n   in c re a se   th e   risk   o s p re a d in g   C OV ID - 1 9 .   Th e re fo re ,   th is   re se a rc h   a ims   to   d e v e lo p   a n   a lt e rn a ti v e   e a rly   d e t e c ti o n   m e th o d   t h a is   n o n - i n v a siv e   b y   u ti li z i n g   th e   Li g h tG BM   a lg o rit h m   to   d e tec COV ID - 1 9   b a se d   o n   th e   re su lt s   o fe a tu re   e x trac ti o n   fro m   c o u g h   so u n d a n d   a c c o m p a n y i n g   s y m p to m th a t   c a n   b e   id e n ti fied   in d e p e n d e n tl y .   Th is  re se a rc h   u se c o u g h   so u n d   sa m p les   an d   s y m p to m   d a ta  fr o m   t h e   Co sw a ra   d a tas e t,   a n d   c o u g h   so u n d ’s  fe a tu re s   we re   e x trac ted   u sin g   th e   lo g   m e l - sp e c tro g ra m m e fre q u e n c y   c e p stru m   c o e fficie n (M F CC) c h ro m a ,   z e ro   c ro ss in g   ra te  (ZCR),   a n d   r o o m e a n   sq u a re   (RM S )   m e th o d s.   Ne x t ,   t h e   c o u g h   so u n d   fe a t u re a re   c o m b in e d   with   sy m p to m   d a ta  t o   t ra in   th e   Li g h tG BM .   T h e   m o d e trai n e d   u si n g   c o u g h   so u n d   fe a tu re a n d   p a ti e n sy m p to m o b tain e d   t h e   b e st  p e rfo rm a n c e   wit h   9 5 . 6 1 %   a c c u ra c y ,   9 3 . 3 3 %   a re a   u n d e c u rv e   ( AUC ) ,   8 8 . 7 4 %   se n siti v it y ,   9 7 . 9 1 %   sp e c ifi c it y ,   9 3 . 1 7 %   p o siti v e   p re d ictio n   v a lu e   ( PPV ) ,   a n d   9 6 . 3 3 %   n e g a ti v e   p re d ictio n   v a lu e   ( NPV ) .   It   c a n   b e   c o n c l u d e d   th a t   th e   train e d   m o d e h a s   e x c e ll e n c las sifica ti o n   c a p a b i li ti e s b a se d   o n   th e   AU v a lu e s o b tain e d .   K ey w o r d s :   C o r o n av ir u s   d is ea s 1 9   C o u g h   L ig h tGB M   Sy m p to m   T h is i a n   o p e n   a c c e ss   a rticle   u n d e r th e   CC B Y - SA   li c e n se .     C o r r e s p o nd ing   A uth o r :   W ih ar to   Dep ar tm en t o f   I n f o r m atics,  Facu lty   o f   I n f o r m at io n   T ec h n o l o g y   an d   Data   Scien ce   Un iv er s iti Seb elas M ar et   St .   I r .   Su tam i,  No .   3 6 A,   Ken ti n g an ,   Su r ak ar ta,   I n d o n esia   E m ail: w ih ar to @ s taf f . u n s . ac . id       1.   I NT RO D UCT I O N   C o r o n av ir u s   d is ea s 1 9   ( C OVI D - 19 )   is   co n tag io u s   d is ea s ca u s ed   b y   s ev er e   ac u te  r esp ir ato r y   s y n d r o m e   co r o n av ir u s   2   ( SA R S - C o V - 2 )   an d   was  f ir s d etec ted   in   th city   o f   W u h a n ,   C h in a,   at  th en d   o f   2 0 1 9 .   T h e   s y m p t o m s   v a r y ,   r an g in g   f r o m   r esp ir ato r y   in f e ctio n - lik s y m p to m s   s u ch   as  f ev er ,   co u g h ,   s o r e   th r o at,   s tu f f y   n o s e,   h e ad ac h e,   m u s cle  p ain ,   an d   m alaise  to   s e v er ca s es  th at  ca n   lead   to   p n e u m o n ia  an d   d ea th .   So m s y m p to m s   ca n   also   o cc u r   b u r ar ely ,   s u ch   as  d ia r r h ea   an d   an o s m ia  [ 1 ] .   C lin ically   d iag n o s is   o f     C OVI D - 1 9   u s es  an tig en - an ti b o d y   an d   r ev e r s tr a n s cr ip tio n   p o ly m er ase  ch ai n   r ea ctio n   ( RT - PC R ) ,   with     RT - PC R   as  th g o l d   s tan d ar d   [ 1 ] .   T wo   d if f er en t   m eth o d s   h av lately   b ee n   p u t   f o r th   in   th liter atu r f o r   th e   d iag n o s is   o f   C OVI D - 1 9   in f ec tio n   u s in g   co m p u ter   te m o g r ap h y   ( CT )   o r   X - r ay   i m ag an aly s is   [ 2 ] Un f o r tu n atel y ,   th is   alter n ativ m eth o d   s till   h as  p r o b lem s   i n   ter m s   o f   ac ce s s ib ilit y   an d   h as  th p o ten tial  to   in cr ea s th r is k   o f   s p r ea d in g   C OVI D - 1 9   b ec au s im p lem en tatio n   in v o lv es m a n y   p a r ties .   Evaluation Warning : The document was created with Spire.PDF for Python.
I n d o n esian   J   E lec  E n g   &   C o m p   Sci     I SS N:   2 5 0 2 - 4 7 52       Dete ctio n   o f COVI D - 1 9   b a s ed   o n   co u g h   s o u n d   a n d   a cc o m p a n yin g   s ymp to n   u s in g   …  ( Wih a r to )   941   Sev er al  s tu d ies  h av also   tr ied   to   u s th s o u n d   o f   c o u g h i n g   to   d etec C OVI D - 1 9 .   C O VI D - 1 9   h as  s y m p to m s   o f   d r y   c o u g h   wit h   ch ar ac ter is tics   o f   h ig h e r   f r e q u en cy   an d   s h o r ter   d u r atio n   c o m p ar ed   to   c o u g h s   f r o m   o th er   r esp ir at o r y   d is ea s es  [ 3 ] .   T h e   co u g h   s o u n d   o f   C OVI D - 1 9   also   h as  d if f er en late n f ea tu r es  an d   th e   r is k   o f   laten f ea tu r o v e r lap   with   th f ea tu r o f   co u g h   s o u n d   o f   o th er   d is ea s es  is   lo w.   T h is   d if f er en ce   o cc u r s   b ec au s C OVI D - 1 9   in f ec tio n   af f ec ts   th r esp ir ato r y   s y s tem   u n iq u ely   th an   th e   o th er   [ 2 ] .   Var io u s   s tu d ies  h av ex p l o r e d   d if f er e n m eth o d s   to   ex tr ac t   f ea tu r es  f r o m   co u g h   s o u n d s   an d   p atien t   s y m p to m s   f o r   C OVI D - 1 9   d e tectio n .   I n   th w o r k   C h o wd h u r y   e t   a l.   [ 4 ] ex tr a - tr ee s   tr a in ed   o n   co m b in ed   d atasets   ac h iev ed   an   ar ea   u n d er   cu r v ( AUC )   o f   0 . 7 9 ,   wh ile  HGBo o s o n   th C o s war a   d ataset  r ea ch ed   an   AUC o f   0 . 6 6 .   An o th er   s tu d y   co m b in ed   d atasets   f r o m   m u ltip le  s o u r ce s ,   ac h iev in g   an   ac cu r a cy   o f   0 . 9 2 1   an d   an   AUC  o f   0 . 9 7 3   with   a   VGGN et  m o d el.   Un f o r tu n ately ,   in   th a s tu d y   w h en   u s in g   o n ly   th e   C o s war d ataset,   th e   m o d el  p r o d u ce d   p er f o r m a n ce ,   f o r   ac cu r ac y   p ar a m eter s   o f   0 . 7 1 2   an d   AUC  o f   0 . 7 8 1   [ 5 ] .   T h is   p er f o r m a n ce   is   s till   r elativ ely   lo w,   if   r ef er r in g   to   th AUC v alu th e n   t h m o d el  is   o n ly   in clu d ed   in   t h f air   ca teg o r y .   So m s tu d ies  h av also   ex p lo r ed   co m b in atio n   o f   co u g h   s o u n d   f ea tu r es  with   s y m p to m   an d   r esp ir ato r y   c o n d itio n   d ata .   T h wo r k   R ah o u m a   et  a l.   [ 6 ]   u tili ze d   p atien v o ices  an d   s y m p to m   d ata   f r o m   th e   C o s war d ata s et.   T h n eu r al  n etwo r k   tr ain ed   with   co u g h   s o u n d   alo n ac h iev ed   a n   av er a g ac cu r ac y   o f   8 4 an d   an   AUC  o f   8 2 %.  Usi n g   s y m p to m   d ata  alo n r esu lted   in   an   av er a g ac cu r a cy   o f   7 3 an d   an   AUC  o f   7 8 %.  C o m b in in g   b o th   f ea tu r e s   y ield ed   a n   av e r ag ac c u r ac y   o f   9 1 a n d   a n   AUC  o f   8 8 % .   On s tu d y   o n   th e   C o u g h v id   d ataset  u s in g   m u lti - b r an ch   d ee p   lear n in g   n etwo r k   ( MBDLN )   ac h iev ed   a n   AUC  o f   9 1 [ 7 ] L a s t l y ,   a   h i e r a r c h i c a l   m u l t i - m o d a l   t r a n s f o r m e r   ( H M T )   t r ai n e d   o n   s y m p t o m   d a t a   a n d   c o u g h   s o u n d   f e a t u r e s   f r o m   t h e   C o u g h v i d   a n d   C o s w a r a   d a ta s e ts ,   a c h i e v e d   a n   a v e r a g e   a c cu r a c y   o f   8 1 . 3 2 %   a n d   a n   A U C   o f   8 2 . 0 6 %   [ 8 ] .   Pre v io u s   r esear ch   th at   co m b i n ed   co u g h   s o u n d   an d   s y m p t o m   f ea tu r es  was  ab le  t o   p r o v id b etter   p er f o r m an ce ,   c o m p a r ed   to   u s in g   o n ly   co u g h   s o u n d   f ea tu r es.  Un f o r tu n ately ,   p r ev io u s   s tu d i es  u s ed   s y m p to m s   g en er ated   f r o m   ex p er e x am i n atio n .   T h is   was  s h o wn   in   s tu d y   b y   [ 6 ] ,   w h ich   u s ed   p n e u m o n ia  a n d   asth m s y m p to m   d ata,   wh er th ese  s y m p to m s   r eq u ir ex p e r d iag n o s is   [ 9 ] .   T h s am th in g   was   al s o   d o n in   r esear ch   co n d u cte d   b y   [ 7 ] [ 8 ]   u s in g   r e s p ir ato r y   co n d itio n   d ata  f r o m   ex p er d iag n o s is   [ 1 0 ] .   R ef er r i n g   to   n u m b e r   o f   s tu d ies  th at  h av b ee n   co n d u cted ,   it  s h o ws  th at  th C OVI D - 1 9   ex am i n atio n   ca n n o b d o n in d ep en d en tly .   T h is   is   b ec au s it  s till   r eq u ir e s   th h elp   o f   d o cto r ,   n am ely   wh en   i d en tif y in g   s y m p t o m s ,   s u ch   as  p n e u m o n ia ,   asth m a,   an d   r esp ir ato r y   co n d i tio n s .   I f   o n ly   r ely in g   o n   th co u g h   s o u n d   f ea tu r e,   th e   m o d el  ca n n o p r o d u ce   o p tim al  p er f o r m an ce .   R ef er r in g   to   n u m b e r   o f   p r ev i o u s   s tu d ies,  th is   s tu d y   p r o p o s es a   C OVI D - 19   d etec tio n   m o d e l th at  c an   b ca r r ied   o u i n d ep e n d en tly ,   u s in g   th L ig h tGB class if i ca tio n   alg o r ith m .   T h is   m o d el   u s es  co u g h   s o u n d   f ea tu r es  an d   s y m p to m s .   T h s y m p to m s   u s ed   ar e   s y m p t o m s   th at  ca n   b r ec o g n ized   in d ep e n d en tly ,   s o   th e y   d o   n o r e q u ir e   ex am in atio n   b y   d o cto r .   T h m o d el  was  d ev elo p ed   u s in g   th C o s war a   d ataset,   with   th e   s y m p to m s   u s ed   b ein g   d if f icu lty   b r ea th in g ,   r u n n y   n o s e,   co u g h ,   f ev e r ,   an o s m ia,   m u s cle   p ain ,   s o r th r o at,   d iar r h ea ,   an d   f atig u e.   T h e   p e r f o r m a n c e   o f   t h e   p r o p o s e d   m o d el   is   m e as u r e d   u s i n g   t h e   p e r f o r m a n c e   p a r a m e t e r s   o f   a c c u r a c y ,   s e n s i ti v i t y ,   s p ec i f i ci ty ,   AUC ,   p o s i ti v e   p r e d i c t i o n   v a lu e   ( P P V ) ,   a n d   n e g a ti v e   p r e d i c tio n   v a l u e   ( N P V ) .       2.   M E T H O D   T h wo r k   s tag es  in   th is   s tu d y   s tar f r o m   th e   p r e p ar atio n   o f   d atasets   an d   s eg m en tatio n   o f   c o u g h   s o u n d s ,   d ata  p r e p r o ce s s in g ,   tr ain in g   th r ee   m ac h in lear n i n g   m o d els  tr ain ed   with   d if f e r en f ea tu r s u b s ets,  an d   en d   with   ev al u atin g   th e   p er f o r m an ce   o f   th t h r ee   m o d els  t h at  h av b ee n   t r ain ed .   T h s t ag es  o f   th e   r esear ch   p r o ce s s   ca n   b s ee n   i n   Fig u r 1 .     2 . 1 .     P re pa ring   t he  da t a s et   a nd   co ug h seg m ent a t io n   T h d ataset  u s ed   co m es  f r o m   th C o s war d ataset.   I co n tain s   r ec o r d in g s   o f   co u g h   s o u n d s ,   b r ea th in g ,   an d   p r o n u n ciatio n   o f   s o m letter s   o r   p h r ases   f r o m   v o lu n teer s ,   alo n g   with   m etad ata  co n tain in g   in f o r m atio n   ab o u clin ical  s y m p to m s   an d   h ea lth   h is to r y   [ 1 1 ] .   E v e n   th o u g h   th v o lu n tee r   s u b m itted   v a r io u s   ty p es  o f   s o u n d s ,   th is   r esear ch   o n ly   u s ed   co u g h   s o u n d   b ec a u s o f   its   co n s is ten cy   ac r o s s   i n d iv id u als,  it’s  n o t   af f ec ted   b y   ac ce n t a n d   th s h a r p   s o u n d   is   ea s ily   d if f er en tia te d   f r o m   o th er   s o u n d s   [ 4 ] .   T o   o v er c o m th im b alan ce   i n   th am o u n o f   d ata  in   th C o s war d ataset,   o n ly   f ew  r elev an d ata   lab els  wer u s ed   an d   co m b in e d   in to   two   m ain   class es,  n am e ly   "n eg ativ e"   ( 0 )   class   wh ich   in clu d es  d ata   with   th lab el  "h ea lth y an d   th e   "p o s itiv e"   class   ( 1 )   w h ich   in clu d es  d ata   lab eled   as  " p o s itiv e_ m ild an d   "p o s itiv e_ m o d e r ate" .   E ac h   v o lu n teer   s u b m itted   two   ty p e s   o f   co u g h   s o u n d   s am p les,  "h ea v y _ c o u g h an d   "sh allo w_ co u g h " ,   b u o n ly   th h ea v y   c o u g h   s o u n d s   wer u s ed   in   th is   s tu d y   to   en s u r c o n s is ten cy   [ 4 ] .   T h e   s elec ted   s y m p to m s   in clu d d if f icu lty   b r ea th in g ,   co ld ,   c o u g h ,   f ev er ,   a n o s m ia,   m u s cle  p ain ,   s o r th r o at,   d iar r h ea ,   an d   f atig u e .   T h s elec tio n   o f   th ese  9   s y m p to m s   was  m ad b y   ex clu d i n g   asth m a,   d iab etes,  is ch em ic  h ea r d is ea s e,   ch r o n ic  o b s t r u c tiv p u lm o n ar y   d is ea s e,   an d   p n eu m o n ia,   d u to   co m p lex   d iag n o s tic  m eth o d s   in v o lv i n g   v ar io u s   m ed ical  ass ess m en ts   [ 9 ] ,   [ 1 2 ] [ 1 5 ] .   Evaluation Warning : The document was created with Spire.PDF for Python.
                      I SS N :   2 5 0 2 - 4 7 52   I n d o n esian   J   E lec  E n g   &   C o m p   Sci ,   Vo l.  38 ,   No .   2 May   20 25 9 4 0 - 9 4 9   942   C o u g h   s o u n d   s eg m e n tatio n   was  p er f o r m ed   o n   all  s am p les  to   cr ea te  n ew  d ataset  co n s i s tin g   o f   s in g le  co u g h   s o u n d .   Seg m en tatio n   will  en h an ce   co n s is ten cy ,   en s u r co m p lete  co u g h   s o u n d s ,   f o cu s   o n   r elev an f ea t u r es,  an d   in c r ea s tr ain in g   s am p les  b y   u s in g   th e   h y s ter esis   co m p ar at o r   m et h o d   p r o p o s ed   b y   [ 1 0 ] T h r esu lt  is   n ew  d ataset  co n s is tin g   o f   co u g h   s o u n d   s eg m en au d io   f iles ,   m etad a ta  wi th   s am p le  I Ds,  f ile   lo ca tio n s ,   s y m p to m   d ata,   an d   l ab els.           Fig u r 1 .   Stag es o f   r esear ch       2 . 2 .     P re pro ce s s ing   At  th is   s tag e,   an   ar r ay   th at   will  b u s ed   f o r   th m o d el  in p u t   is   f o r m e d .   I t   will  in clu d c o u g h   s o u n d   f ea tu r es  o b tain e d   th r o u g h   au d io   f ea tu r e x tr ac tio n   u s in g   f i v m eth o d s L o g   m el - s p ec tr o g r am ,   m el  f r e q u en c y   ce p s tr u m   co ef f icien ( MFC C ) c h r o m a   s h o r tim f o u r ier   t r an s f o r m   ( STFT ) ze r o   cr o s s in g   r ate  ( Z C R ) ,   an d   r o o t m ea n   s q u a r ( R MS) .   L o g   m el - s p ec tr o g r am   r ep r esen ts   th en er g y   o f   th a u d io   s ig n al  i n   th f r eq u en cy   a n d   tim d o m ain .   T h is   is   d o n b y   t r an s f o r m in g   th s ig n al  in to   th f r eq u e n cy   d o m ain   u s in g   ST FT,   th en   co n v e r tin g   th f r eq u en cy   i n to   th Me s c ale  th at  is   m o r s u itab le  f o r   h u m an   h ea r in g   b y   c h an g in g   th f r eq u e n cy   v alu e   f   u s in g   ( 1 ) .      ( ) =  2595  ×  10 ( 1  + 700 )   ( 1 )     Fin ally ,   ap p ly   lo g ar ith m   s ca le   o f   th en e r g y   t o   co n s id er   t h e   lo g ar ith m ic  p e r ce p tio n   o f   h e ar in g .   T h e   r esu lt  is   m atr ix   o f   en e r g y   s p ec tr u m   in   th e   m el  s ca le  f o r   ea ch   tim f r am e   [ 1 6 ] MFC C   is   in ten d ed   to   r ep licate  h u m an   h ea r in g   ch a r ac ter is tics .   T h i s   i n v o l v es   t r a n s f o r m i n g   th e   s i g n a i n t o   t h f r e q u e n c y   d o m a i n   u s i n g   S T F T ,   c o n v e r t i n g   t h e   f r e q u e n c y   i n t o   t h e   m e l   s c a l e   u s i n g   ( 1 ) ,   t a k i n g   t h e   l o g a r i t h m   o f   t h e   s o u n d   i n t e n s i t y ,   a n d   a p p l y i n g   t h e   d i s c r et e   c o s i n e   t r a n s f o r m   t o   g e n e r a t e   c e p s t r a l   c o e f f i ci e n ts ,   y i e l d i n g   a   c e p s t r a l   c o e f f ic i e n t   m a t r i x   [ 1 7 ] .   C h r o m f ea tu r d iv i d es  th a u d io   s ig n al  i n to   ch r o m a n d   p itch ,   m ap p in g   th f r eq u e n cy   f r o m   th e   STFT   in to   th ch r o m s ca le,   an d   p r o d u cin g   v ec to r   o f   1 2   ch r o m v alu es  r e p r esen tin g   1 2   b asic  t o n es  [ 1 8 ] R MS   i s   s im p le  f ea tu r th at  p r o v id es  in f o r m atio n   a b o u th s tr en g th   o r   in ten s ity   o f   s o u n d   o v e r   p er io d   o f   tim [ 1 9 ] .   R MS  ca n   b o b tain ed   u s in g   ( 2 ) .      =   1 | ( ) | 2   ( 2 )     Z C R   g iv es  r o u g h   esti m ate  o f   th e   d o m i n an f r eq u e n cy   in   th au d io   s ig n al  b y   c o u n tin g   h o m an y   tim es  th s o u n d   am p litu d cr o s s es  ze r o   with in   s p ec if ic   tim [ 1 8 ] .   T h e x tr ac tio n   r esu lts   f o r   ea ch   f ea tu r ar e   p r o ce s s ed   b y   ca lcu latin g   th m ea n   v alu e   f o r   all  f r am es   f o r   ea ch   f ea tu r e   co ef f icien o r   f ea tu r ty p e .   N e x t ,   t h e   s e l e ct e d   p a t i e n t   s y m p t o m   d a ta   f o r   e a c h   s a m p l e   is   c o n v e r t e d   i n t o   b i n a r y   r e p r e s e n t a ti o n   a n d   a d d e d   t o   t h e   d a t a s e t .     Evaluation Warning : The document was created with Spire.PDF for Python.
I n d o n esian   J   E lec  E n g   &   C o m p   Sci     I SS N:   2 5 0 2 - 4 7 52       Dete ctio n   o f COVI D - 1 9   b a s ed   o n   co u g h   s o u n d   a n d   a cc o m p a n yin g   s ymp to n   u s in g   …  ( Wih a r to )   943   2 . 3 .     T ra ini ng   T h n ex s tag is   to   tr ain   th m ac h in lear n in g   m o d el  u s in g   th s tr atif ied   k - f o ld   c r o s s - v alid atio n   ( SKC V)   m eth o d .   SKC will  d iv id th e   d ataset  in t o   k   s u b s e ts   ca lled   f o ld s   wh ich   s ize  an d   d ata  d is tr ib u tio n   ar e   th s am e.   Fo ld   d iv is io n   is   b as ed   o n   I to   av o id   d u p licate  c o u g h   s am p les  in   tr ain in g   a n d   test in g   s u b s ets  with   th s am I D.   I n   ev er y   tr ain i n g   p r o ce s s ,   o n e - f o ld   will b s elec ted   as v alid atio n   d ata  an d   th r est will b u s ed   a s   d ata  to   tr ain   th m o d el.   T h en   t h m o d el  p er f o r m an ce   is   ca lcu lated   f r o m   v alid atio n   d ata  [ 2 0 ] .   T h r ee   m o d els  ar tr ain ed   with   d if f er en f ea tu r s u b s ets:   co u g h   s o u n d   ( m o d el  1 ) ,   s y m p to m   d ata  ( m o d el  2 ) ,   an d   co m b i n atio n   o f   b o th   f ea tu r es  ( m o d el  3 ) .   I n   ea ch   f o l d   iter atio n ,   th tr a in in g   d ata  will  b e   o v er s am p led   f ir s u s in g   s u p p o r v ec to r   m ac h in e - s y n t h etic  m in o r ity   o v er s am p lin g   tech n iq u e   ( SVM - SMOT E )   to   h an d le  class   im b alan ce   wh ich   co m b i n es  SVM  an d   SMOT E   to   cr ea te  s y n th etic  s am p les  [ 2 1 ] .   T h e   o v er s am p led   d ata  is   th e n   u s e d   to   tr ai n   L ig h tGB M.   L ig h tGB is   g r ad ien b o o s tin g   d e cisi o n   tr ee   ( GB DT )   alg o r i th m   th at  im p le m en ts   g r a d ien t - b ased   o n e - s id s am p lin g   ( GOSS)  an d   ex clu s iv f ea tu r b u n d lin g   ( E FB ) .   GOSS  o p tim izes  tr ain in g   ef f icien cy   b y   f o cu s in g   o n   tr ain in g   m o d els  o n   d ata  with   lar g g r ad ie n ts   an d   s am p lin g   d ata  with   s m all  g r a d ien ts .   E FB   will  r ed u ce   f ea tu r e   co m p lex ity   b y   c o m b in i n g   m u tu ally   ex clu s iv e   f ea tu r es  [ 2 2 ] .   I n itially ,   L ig h t GB ap p lies   E FB   to   tr ain   d ata.   Mo d el  is   in itialized   with   in itial  p r ed ictio n s   m in im izin g   lo s s .   Du r in g   GB DT   im p lem en tatio n ,   L i g h tGB u s es  GOS to   r esam p le  th d ataset.   I n f o r m atio n   g ai n   is   ca lcu lated   f o r   f ea t u r es  in   th r esam p led   d ataset  to   b u ild   n ew  d ec is io n   tr ee .   n ew  d ec is io n   tr ee   is   b u ilt  o n   r esam p led   d ata,   u p d atin g   th m o d el  e v er y   iter atio n .   T h en s em b le  o f   d ec is io n   tr ee s   will  f o r m   th f in al  m o d el  [ 2 3 ] .     2 . 4 .     E v a lua t i o n   T r ain ed   m o d el  p er f o r m a n ce   is   ev alu ated   b y   a v er ag in g   a cc u r ac y   m etr ics  lik AUC,  s en s itiv ity ,   s p ec if icity ,   PP V,   an d   NP a cr o s s   all  f o ld s .   T h co n f u s io n   m atr ix   r esu lts   f r o m   ea ch   f o ld   ar co m b in ed   to   ass es s   o v er all  p er f o r m a n ce .   T h co n f u s io n   m atr ix   s u m m ar izes  th m o d el  p e r f o r m an c b y   co m p a r in g   th e   p r ed icted   lab els  with   th ac t u al  lab els  f r o m   th d ataset.   I co n s is ts   o f   f o u r   p a r ts tr u p o s itiv ( T P),   tr u n eg ativ ( T N) ,   f alse  p o s itiv e   ( FP ) ,   an d   f alse  n e g ativ ( FN) .   T h is   m eth o d   will  b e   u s ed   t o   ca lcu late  ac cu r ac y ,   s en s i tiv ity ,   s p ec if icity ,   PP V,   an d   NPV  in   ( 3 )   to   ( 7 )   [ 2 4 ] T h r ep r esen tatio n   o f   t h co n f u s io n   m atr ix   ca n   b e   s ee n   in   T ab le  1 .   Acc u r ac y   m e asu r es h o well  th m o d el  ca n   co r r ec tly   p r ed ict  r esu lts   f r o m   all  d ata.       =    +   +  +  +    ( 3 )     AUC  s h o ws  th m o d el’ s   ab ilit y   to   d i f f er en tiate   b etwe en   two   d if f er e n class es  co r r ec tly .   AUC  m ea s u r es  th ar ea   u n d e r   th r ec eiv er   o p e r atin g   c h ar ac ter is tic  ( R OC )   cu r v e,   wh e r v alu e   o f   0   in d icate s   p o o r   p e r f o r m a n c e ,   a   v a l u e   o f   1   i n d i c a t es   p e r f e c t   p e r f o r m a n c e   an d   a   v a l u e   o f   0 . 5   i n d i c at e s   r an d o m   p e r f o r m a n c e .   S e n s it i v it y ,   a l s o   k n o w n   as   r e c al l ,   f u n c t i o n s   t o   m e a s u r e   h o w   we l l   t h e   m o d e l   ca n   c o r r e c t l y   i d en t i f y   p o s i t i v e   c a s e s .        =       +      ( 4 )     Sp ec if icity   will m ea s u r h o well  th m o d el  ca n   i d en tify   n e g ativ ca s es.       =       +      ( 5 )     PP also   k n o wn   as  p r ec is io n   m ea s u r es  h o well  th e   m o d el  p r ed icts   th c o r r ec t   p o s itiv ca s es  f r o m   all  p o s itiv p r ed ictio n   r esu lts .       =       +      ( 6 )     N P V m ea s u r es   h o w   w e ll   t h e   m o d e l   i s   i n   p r e d i ct i n g   t h e   c o r r e ct  n e g a t i v e   c as e   f r o m   a l l   n e g a ti v e   p r e d i c t e d   r e s u l t s .        =       +      ( 7 )       T ab le  1 .   C o n f u s io n   m atr ix   Tr u e   c l a ss   P r e d i c t e d   c l a ss   N e g a t i v e   P o si t i v e   N e g a t i v e   TN   FP   P o si t i v e   FN   TP   Evaluation Warning : The document was created with Spire.PDF for Python.
                      I SS N :   2 5 0 2 - 4 7 52   I n d o n esian   J   E lec  E n g   &   C o m p   Sci ,   Vo l.  38 ,   No .   2 May   20 25 9 4 0 - 9 4 9   944   Af ter   p er f o r m a n ce   ev alu atio n ,   f ea tu r im p o r tan ce   an al y s is   is   co n d u cted   u s in g   s p lit  an d   g ain   to   ass es s   th co n tr ib u tio n   o f   ea ch   f ea tu r t o   p r e d ictio n s .   Ga in   in d icate s   ac cu r ac y   i m p r o v em en t,  wh ile  s p lit  in d icate s   f ea tu r u s ag in   d ec is io n   tr ee   n o d es   [ 2 5 ] .   T h i s   an aly s is   is   ap p lied   to   m o d el  3 ,   s o   we  ca n   u n d er s tan d   th r elativ co n tr i b u tio n   o f   th e   two   ty p es o f   f ea tu r es to   th m o d el’ s   p r ed ictio n   p er f o r m a n ce .       3.   RE SU L T S AN D I SCU SS I O N   3 . 1 .     P re pa ring   t he  da t a s et   a nd   co ug h seg m ent a t io n   T ab le  2   co n tain s   th d is tr ib u ti o n   o f   s am p les  f o r   ea ch   class   af ter   f o r m i n g   th la b el  “h ea lt h y ”  as  th e   n eg ativ class   an d   th co m b i n atio n   o f   s am p les  lab eled   “p o s itiv e_ m ild ”  an d   “p o s itiv e_ m o d er ate”   as  d ata  f o r   th p o s itiv class .   T h en   s eg m en tatio n   is   p er f o r m ed   o n   ea c h   s am p le  u s in g   th h y s t er esis   co m p ar ato r   m eth o d .   Par am eter s ,   s u ch   as  m in _ co u g h   a n d   c o u g h _ p a d d in g ,   wer e   lef with   a   d e f au lt  v al u o f   0 . 2   as  p r o p o s ed   i n   p r ev io u s   r esear ch   [ 1 0 ] .   So m e tim es,  n o all  s am p les  wer d etec ted   to   h av co u g h   s eg m e n ts ,   eith er   b ec au s th er wer n o n o r   th s eg m en tatio n   alg o r ith m   f ailed .   co m p ar is o n   o f   s u cc ess f u an d   f ailed   co u g h   s eg m en tatio n   r esu lts   ca n   b s e en   in   Fig u r 2 .   T h p o s s ib le  ca u s is   th at  th e   R MS  v alu is   to o   h ig h   i n   s o m s am p les  wh ich   ca u s es  wea k   co u g h   s o u n d   n o to   b d etec ted .   An o th er   in f lu e n cin g   f ac to r   is   th ch o ice   o f   p ar am et er   v alu es,  s u c h   as   m in _ co u g h _ le n ,   wh er e   co u g h   s o u n d s   th at  ar e   to o   s h o r m ay   n o b d etec ted .   Af ter   all  r ec o r d in g   s am p les  wer e   s eg m en ted ,   we  o b tain e d   d at aset  co n tain in g   4 , 4 1 1   s eg m e n ts   o r ig in atin g   f r o m   1 , 5 7 9   s am p les  with   d etails  a s   in   T ab le  3 .       T ab le  2 .   Sam p le  d is tr ib u tio n   a f ter   lab el  m er g i n g   La b e l   G e n d e r   N u mb e r   o f   sa m p l e s   To t a l   s a m p l e   0   ( n e g a t i v e )   M a l e   1 , 0 6 8   1 , 4 3 2     F e mal e   3 6 4   1   ( p o s i t i v e )   M a l e   3 6 2   5 9 1     F e mal e   2 2 9           Fig u r 2 .   E x am p le  o f   co u g h   s o u n d   s eg m en tatio n   r esu lts       T ab le  3 .   Dis tr ib u tio n   o f   c o u g h   s o u n d   s eg m e n tatio n   r esu lts   La b e l   G e n d e r   N u mb e r   o f   s e g me n t s   To t a l   s e g me n t s   0   ( n e g a t i v e )   M a l e   2 , 6 5 8   3 , 3 3 6     F e mal e   6 7 8   1   ( p o s i t i v e )   M a l e   7 1 0   1 , 0 7 5     F e mal e   3 6 5       3 . 2 .     P re pro ce s s ing   lib r ar y   ca lled   lib r o s is   u s ed   to   ex tr ac f ea tu r es  f r o m   co u g h   s eg m e n ts .   Par am eter s   lik n _ f f t,  h o p _ le n g th ,   a n d   win d o ar s et  to   2 , 0 4 8 ,   5 1 2 ,   an d   h an n   r esp ec tiv ely   f o r   b ala n ce d   f r eq u en cy - tim   r eso lu tio n   [ 2 6 ] .   Fo r   ea ch   f e atu r ex tr ac tio n   m eth o d ,   n _ m f cc   in   MFC C   is   s et  to   3 9   b ased   o n   [ 4 ] ,   an d   Evaluation Warning : The document was created with Spire.PDF for Python.
I n d o n esian   J   E lec  E n g   &   C o m p   Sci     I SS N:   2 5 0 2 - 4 7 52       Dete ctio n   o f COVI D - 1 9   b a s ed   o n   co u g h   s o u n d   a n d   a cc o m p a n yin g   s ymp to n   u s in g   …  ( Wih a r to )   945   p ar am eter s   in   lo g   m el - s p ec tr o g r am   a n d   c h r o m STFT   ar e   l ef with   d ef au lt  v al u es.  W h ile  R MS  an d   Z C R   d n o t h av e   s p ec if ic  p ar am eter s .   Af ter   th f ea tu r ex tr ac tio n   p r o ce s s   is   c o m p lete,   we  ca lcu late  th av er ag o f   ea ch   f e atu r v alu ac r o s s   all  f r am es.  T h u s ,   th r esu lts   o f   th MF C C   m eth o d   h av 3 9   f ea tu r es,  lo g   m el - s p ec tr o g r am   h as  1 2 8   f ea tu r es,  c h r o m STFT   h as  1 2   f ea tu r es,  Z C R   h as  1   f ea t u r e,   R MS  h as  1   f ea tu r e,   a n d   th to tal  f ea tu r e s   o f   ea ch   co u g h   s o u n d   ar 1 8 1 .   Fin ally ,   f ea tu r e   ex tr ac tio n   r esu lts   f r o m   th e   co u g h   s o u n d   ar c o m b in ed   with   th e   s y m p to m   d ata  wh ich   h as  b ee n   co n v er ted   in to   b in ar y   f o r m ,   s o   th at  ea ch   s eg m en h as  f ea tu r es  with   d im en s io n s   o f   1 9 0 .   T h f in al  r esu lt  is   a n   ar r ay   wit h   d im e n s io n s   o f   1 9 2 × 4 4 1 1   af ter   ad d in g   t h I an d   l ab el  o f   th e   o r ig in al   s am p le  f o r   ea ch   s eg m en t.     3 . 3 .     T ra ini ng   T h r ee   L ig h tGB m o d els  wer tr ain ed   o n   d if f er e n f ea tu r s u b s ets  an d   ev alu ate d   f o r   th eir   p er f o r m an ce   u s in g   th e   s tr atif ied   k - f o ld   c r o s s - v alid atio n   m e th o d   b y   d iv id in g   all  s am p le  I Ds  in to   f iv f o ld s .   T h u s ,   ea ch   f o ld   co n tain s   co u g h   s eg m en ts   s o u r ce d   f r o m   ar o u n d   3 1 5   s am p les.  I n   ea c h   f o ld   iter atio n ,   th tr ain in g   d ata  is   o v e r s am p led   u s in g   SVM - SMOT E   f r o m   lib r ar y   ca lled   im b alan ce d - l ea r n   [ 2 7 ] .   W s et  k _ n eig h b o r s   p ar a m eter   v alu in   SVM - SMOT E   to   1   b ec au s e   ex p er im en ts   with   k - n eig h b o r s   v alu es  1 5   s h o w   th at  1   y ield   b etter   p er f o r m a n ce ,   s o   s y n th etic  s am p les  ar g en e r ated   b ased   o n   o n e   n ea r est  n eig h b o r .     T h en ,   L ig h tGB m o d els  wer tr ain ed   u s in g   o v e r s am p led   t r ain in g   d ata  with   h y p er p ar a m eter   s ettin g s   f r o m   r esear ch   r esu lts   b y   [ 2 8 ]   as  in   T ab le  4 .   T h tr ain i n g   p r o ce s s   u s es  f iv f o ld s   s o   it  will  p r o v id p e r f o r m an ce   m etr ics  f o r   ea ch   m o d el  f iv t im es.  T h av er ag m o d el  p e r f o r m an ce   v alu is   ca lcu lated ,   an d   th co n f u s io n   m atr i x   is   s u m m ated .       T ab le  4 .   Dis tr ib u tio n   o f   c o u g h   s o u n d   s eg m e n tatio n   r esu lts   H y p e r p a r a me t e r   D e f i n i t i o n   V a l u e   l e a r n i n g _ r a t e   H o w   m u c h   t h e   m o d e l   w e i g h t c h a n g e   e a c h   t i m e   t h e   m o d e l   i u p d a t e d   0 . 0 3   c o l sam p l e _ b y t r e e   N u mb e r   o f   f e a t u r e   s u b s e t s   a t   e a c h   i t e r a t i o n   0 . 2 8   su b s a m p l e   N u mb e r   o f   d a t a   s u b s e t s   i n   e a c h   i t e r a t i o n   0 . 6 8   r e g _ a l p h a   L1   r e g u l a r i z a t i o n   1   r e g _ l a mb d a   L2   r e g u l a r i z a t i o n   2   n u m _ l e a v e s   M a x i m u m   n u m b e r   o f   l e a v e s   i n   o n e   t r e e   5 0 0   n u m _ b o o s t _ r o u n d   M a x i m u m   n u m b e r   o f   b o o s t i n g   i t e r a t i o n s   10 , 000   e a r l y _ s t o p p i n g _ r o u n d   Th e   ma x i mu m   n u m b e r   o f   i t e r a t i o n t o   st o p   t r a i n i n g   i f   t h e r e   i n o   i n c r e a s e   i n   t h e   p e r f o r ma n c e   me t r i c   v a l u e   1 0 0       3 . 4 .     E v a lua t i o n   Af ter   th tr ain in g   p r o ce s s   is   f in is h ed ,   all  th e   p er f o r m an ce   m etr ic  v alu es  as  well  as  th e   co n f u s io n   m atr ix   co m b in ed   f r o m   f iv tr ain in g   iter atio n s   ar o b tain ed   f r o m   t h r ee   m o d els  tr ain e d   wit h   d if f er en f ea tu r e   s u b s ets:   co u g h   s o u n d   m o d el  ( m o d el  1 ) ,   s y m p to m   m o d el  ( m o d el  2 ) ,   an d   co m b in atio n   m o d el  ( m o d el  3 ) .   T h e   s u m m ed   co n f u s io n   m atr ix   f r o m   all  f o ld s   f o r   all  m o d els  c an   b s ee n   i n   Fig u r e   3   an d   a ll  th p er f o r m an ce   m etr ic  v alu es  f o r   all  m o d els  ca n   b s ee n   in   T ab le  5 .   B ased   o n   th co n f u s io n   m atr ix   o f   all  m o d els,  we  ca n   s ee   th at  m o d el   1   wh ich   is   tr ain e d   b ased   o n   co u g h   s o u n d   f ea tu r e   ex tr ac tio n   h as   h ig h   tr u e   n e g ativ r ate   b u t   also   h as  h ig h   FN   p r ed ictio n .   Mo d e 2   wh ich   is   tr ain ed   with   s y m p to m   d ata  s h o wed   l o wer   FN   an d   h ig h er   TP   r ates.   Mo d el  3 ,   wh ich   is   co m b in ed   c o u g h   s o u n d   f ea tu r es  an d   s y m p to m   d ata  s h o wed   th e   b est  p e r f o r m a n ce ,   with   th e   lo west  FN   r ate  an d   h ig h est  TP   r ate.           Fig u r 3 .   Su m m ar y   o f   th c o n f u s io n   m atr ix   f o r   all  m o d els     Evaluation Warning : The document was created with Spire.PDF for Python.
                      I SS N :   2 5 0 2 - 4 7 52   I n d o n esian   J   E lec  E n g   &   C o m p   Sci ,   Vo l.  38 ,   No .   2 May   20 25 9 4 0 - 9 4 9   946   Fro m   av er ag p er f o r m a n ce   o f   th th r ee   m o d els  in   T ab le  6 ,   ca n   b d r awn   to   th e   s am co n clu s io n   as  th an aly s is   b ased   o n   t h co n f u s io n   m atr i x   th at   m o d els  tr ai n ed   with   p atien s y m p t o m   d a ta  ten d   to   p e r f o r m   b etter   th an   m o d els  tr ain ed   u s in g   co u g h   s o u n d   f ea tu r es.  Patien s y m p to m s   ar ca teg o r ical  an d   d ir ec tly   in d icate   C OVI D - 1 9   p r esen ce ,   wh ile  c o u g h   s o u n d   f ea t u r es  h av e   w id er   r an g e,   m ak in g   it  h a r d er   f o r   th e   m o d el   to   f in d   co n s is ten p atter n s .   Ho we v e r ,   co m b in in g   b o th   f ea tu r es   im p r o v es  t h m o d el’ s   p r ed i ctiv ab ilit y ,   with   im p r o v em e n ts   in   s ev er al  p er f o r m an ce   m etr ics.  T h m o d e l’ s   ac cu r ac y ,   AUC,  s en s itiv it y ,   an d   s p ec if icity   in cr ea s ed   to   9 5 . 6 1 %,  9 3 . 3 3 %,  8 8 . 7 4 %,  a n d   9 7 . 9 1 %,  r esp e ctiv ely .   T h is   in c r ea s ed   s en s itiv ity   an d   s p ec if icity   h av p o s itiv im p licatio n s   f o r   d etec tin g   C OVI D - 1 9   ca s es  an d   r e d u cin g   p r e d ictio n   er r o r s .   T h m o d el  also   s h o wed   h ig h er   p r e d ictio n   p r o b a b ilit y   ( PP V)   v alu e   o f   9 3 . 1 7 %   an d   NPV  o f   9 6 . 3 3 %,  in d icatin g   b etter   p r ed ictio n   ac c u r ac y .       T ab le  5 .   Per f o r m an ce   m etr ic  v alu es f o r   all  m o d els     F o l d   A c c u r a c y   AUC   S e n s i t i v i t y   S p e c i f i c i t y   PPV   N P V   M o d e l   1   1   0 . 8 9 8   0 . 8 3 3   0 . 7 1 1   0 . 9 5 4   0 . 8 2 2   0 . 9 1 7   2   0 . 9 1 3   0 . 8 3 6   0 . 6 8 3   0 . 9 8 8   0 . 9 4 9   0 . 9 0 5   3   0 . 8 8 8   0 . 8 3 1   0 . 7 2 4   0 . 9 3 7   0 . 7 7 9   0 . 9 1 8   4   0 . 8 8 1   0 . 8 1 3   0 . 6 6 8   0 . 9 5 8   0 . 8 5 3   0 . 8 8 8   5   0 . 9 1 0   0 . 8 2 4   0 . 6 5 7   0 . 9 9 1   0 . 9 5 8   0 . 9 0 1   M e a n   0 . 8 9 8   0 . 8 2 7   0 . 6 8 9   0 . 9 6 6   0 . 8 7 2   0 . 9 0 6   M o d e l   2   1   0 . 9 4 5   0 . 9 1 7   0 . 8 6 0   0 . 9 7 3   0 . 9 1 1   0 . 9 5 5   2   0 . 9 4 5   0 . 9 0 4   0 . 8 1 4   0 . 9 9 4   0 . 9 8 0   0 . 9 3 6   3   0 . 9 3 6   0 . 9 0 7   0 . 8 5 8   0 . 9 5 7   0 . 8 4 0   0 . 9 6 2   4   0 . 9 4 2   0 . 8 8 3   0 . 7 7 6   0 . 9 9 0   0 . 9 5 6   0 . 9 3 9   5   0 . 9 1 1   0 . 8 8 7   0 . 8 3 2   0 . 9 4 2   0 . 8 4 3   0 . 9 3 7   M e a n   0 . 9 3 6   0 . 8 9 9   0 . 8 2 8   0 . 9 7 1   0 . 9 0 6   0 . 9 4 6   M o d e l   3   1   0 . 9 1 6   0 . 8 7 5   0 . 7 9 4   0 . 9 5 6   0 . 8 5 2   0 . 9 3 5   2   0 . 9 7 6   0 . 9 5 1   0 . 9 0 7   0 . 9 9 6   0 . 9 8 3   0 . 9 7 5   3   0 . 9 6 5   0 . 9 5 5   0 . 9 3 6   0 . 9 7 4   0 . 9 1 3   0 . 9 8 1   4   0 . 9 7 1   0 . 9 5 9   0 . 9 3 6   0 . 9 8 2   0 . 9 4 0   0 . 9 8 1   5   0 . 9 5 2   0 . 9 2 7   0 . 8 6 5   0 . 9 8 9   0 . 9 7 0   0 . 9 4 5   M e a n   0 . 9 5 6   0 . 9 3 3   0 . 8 8 7   0 . 9 7 9   0 . 9 3 7   0 . 9 6 3       T ab le  6 .   C o m p a r is o n   with   r ela ted   r esear ch   R e se a r c h   D a t a s e t   V o i c e   d a t a   S y mp t o d a t a   M o d e l   A U C   ( %)   [ 4 ]   C o sw a r a   C o u g h   so u n d   -   H G B o o st   66   [ 5 ]   C o sw a r a   C o u g h   so u n d   -   M i n i   V G G N e t   7 8 , 1   [ 6 ]   C o sw a r a   P a t i e n t 's  v o i c e   -   N e u r a l   n e t w o r k   82   C o sw a r a   -   P n e u mo n i a ,   a s t h m a ,   d i f f i c u l t y   b r e a t h i n g ,   d i a r r h e a ,   f a t i g u e ,   mu s c l e   a c h e s,   f e v e r ,   c o l d ,   a n d   so r e   t h r o a t   78   C o sw a r a   P a t i e n t 's  v o i c e   P n e u mo n i a ,   a s t h m a ,   d i f f i c u l t y   b r e a t h i n g ,   d i a r r h e a ,   f a t i g u e ,   mu s c l e   a c h e s,   f e v e r ,   c o l d ,   a n d   so r e   t h r o a t   88   [ 7 ]   C o u g h v i d   C o u g h   so u n d   R e s p i r a t o r y   c o n d i t i o n s   a n d   f e v e r   s y m p t o ms   M B D LN   91   [ 8 ]   C o sw a r a   a n d   C o u g h v i d   C o u g h   so u n d   R e s p i r a t o r y   c o n d i t i o n s ,   s y m p t o ms  o f   f e v e r ,   a n d   mu sc l e   p a i n   H M T   82   P r o p o se d   C o sw a r a   C o u g h   so u n d   -   Li g h t G B M   8 2 , 7   -   D i f f i c u l t y   b r e a t h i n g ,   c o l d ,   c o u g h ,   f e v e r ,   a n o smi a ,   mu sc l e   a c h e s ,   s o r e   t h r o a t ,   d i a r r h e a ,   a n d   f a t i g u e   8 9 , 9   C o u g h   so u n d   D i f f i c u l t y   b r e a t h i n g ,   c o l d ,   c o u g h ,   f e v e r ,   a n o smi a ,   mu sc l e   a c h e s ,   s o r e   t h r o a t ,   d i a r r h e a ,   a n d   f a t i g u e   93       T h f ea tu r im p o r tan ce   g r ap h   an aly s is   o f   th 5 th   iter atio n   o f   m o d el  3   tr ain in g ,   as  s h o wn   in   Fig u r 4   ca n   p r o v id co m p lem en ta r y   in s ig h ts .   T h f ea tu r es   co u g h ,   f atig u e’ ,   co l d ,   an d   f ev er   h av th h ig h est   g ain ,   in d icatin g   th eir   ef f ec tiv e n ess   in   in cr ea s in g   m o d el  ac cu r ac y .   Au d io   f ea tu r es  s u ch   as  zc r   an d   m f cc _ 7   also   h av h ig h er   g ain   v alu es,  i n d icatin g   th eir   im p o r tan ce   in   t r ain in g   m o d el  to   d etec C OVI D - 1 9   in   ter m s   o f   co u g h   s o u n d   c h ar ac ter is tics .   On   th o th er   h an d ,   f ea tu r im p o r tan ce   r a n k in g   b ased   o n   s p lit  s h o ws  th at  f ea tu r es  lik zc r ,   m f cc _ 1 2 ,   m f cc _ 1 8 ,   an d   co ld   h av t h g r ea test   in f lu en ce   in   m ak in g   d ec is io n s   in   th e     C OVI D - 1 9   d etec tio n   m o d el.   T h s p lit  v alu in d icate s   h o o f ten   th f ea tu r is   u s ed   in   d ata  s p litt in g   d u r in g   th tr ain in g   p r o ce s s .   co m p ar is o n   b etwe en   f ea tu r im p o r tan ce   b ased   o n   g ain   an d   s p lit  s h o ws  s im ilar itie s   in   f ea tu r es  lik ' co ld ' ,   wh ich   ar e   im p o r tan f o r   d iv id i n g   d ata  an d   in c r ea s in g   m o d el   ac cu r ac y .   Ho wev e r ,   t h er ar d if f er e n ce s   in   f ea tu r es,  s u ch   as  zc r ,   wh i ch   h as  th lar g est  r o le  b ased   o n   s p lit  b u h as  lo wer   g ain   th an   o th er   f ea tu r es.     Evaluation Warning : The document was created with Spire.PDF for Python.
I n d o n esian   J   E lec  E n g   &   C o m p   Sci     I SS N:   2 5 0 2 - 4 7 52       Dete ctio n   o f COVI D - 1 9   b a s ed   o n   co u g h   s o u n d   a n d   a cc o m p a n yin g   s ymp to n   u s in g   …  ( Wih a r to )   947   As  f o r   th r elate d   r esear ch   t h a h as  b ee n   lis ted   an d   ex p lain e d   p r e v io u s ly ,   two   s tu d ies  o n ly   u s co u g h   s o u n d s ,   th wo r k   o f   [ 4 ]   an d   [ 5 ] .   T h r ee   s tu d ies co m b in co u g h   s o u n d s   with   s y m p to m   d ata,   r esear ch   b y   [ 6 ] [ 8 ] .           Fig u r 4 .   Featu r e   im p o r ta n ce   a n aly s is   b ased   o n   g ain   an d   s p l it       R esear ch   [ 4 ]   an d   [ 5 ]   u s ed   co u g h   s o u n d s   in   th C o s war d ataset  to   ex tr ac f ea tu r es  u s in g   v ar io u s   m eth o d s .   C h o wd u r y   et  a l.   [ 4 ]   u s ed   5   d if f er en f ea tu r ex tr ac tio n   m eth o d s   to   tr ain   H GB o o s m o d el  an d   ac h iev ed   a n   AUC  v alu e   o f   6 6 %.  Kh o   et   a l.   [ 5 ]   u s ed   MFC C   f ea tu r to   tr ain   Min VGGN et  an d   an   AUC  v alu e   o f   7 8 . 1 %.  B o th   m o d els  wer d ef ea ted   b y   m o d el  1 ,   wh ich   h ad   an   AUC  v alu o f   8 2 . 7 %.  F ak h r y   et  a l .   [ 7 ]   u s ed   th au g m e n ted   C o u g h v id   d at aset  to   tr ain   MBDLN   u s in g   MFC C   f ea tu r es  an d   s p ec tr o g r am s   f r o m   co u g h   s o u n d s   with   ad d itio n al  s y m p to m   d ata,   in clu d in g   r esp ir at o r y   co n d itio n s   an d   f e v er   s y m p to m s .   T h e   m o d el  co n s is ted   o f   two   d ee p   n e u r al   n etwo r k   b r a n ch es  f o r   MFC C   f ea tu r es,  an o th er   f o r   s y m p to m   f ea tu r es,  an d   a   co n v o l u tio n al  n eu r al  n etwo r k   ( C NN )   with   r esid u al  n etwo r k   ( R esNet ) - 5 0   ar ch itectu r f o r   s p ec tr o g r am s .   T h e   m o d el  ca n   ac h ie v an   AUC  v a lu o f   9 1 %.   T an g   et  a l.   [ 8 ]   d e v elo p ed   HM T   co n s is tin g   o f   th r ee   b r an ch es:  two   m u ltil ay er   p er ce p tr o n s   ( ML Ps )   f o r   p r o ce s s in g   s y m p to m   d at an d   th av er ag v alu o f   ea ch   MFC C   f ea tu r co ef f icien t o f   co u g h   s o u n d s ,   a n d   n ested   h ier ar ch ical  tr a n s f o r m er   b r a n ch   f o r   ex tr ac tin g   s p ec tr o g r am   f ea t u r es.   T h HM T   m o d el  ac h iev ed   an   AUC  v alu o f   8 2 %.  T h o s tw o   m o d els  ca n   b o u tp e r f o r m e d   b y   m o d el  3   an d   it   o f f er s   in d e p en d e n s y m p t o m   i d en tific atio n ,   u n lik p r ev io u s   r esear ch   [ 7 ]   an d   [ 8 ]   th at  r elied   o n   ex p e r d o ct o r s   d iag n o s in g   r esp ir ato r y   co n d itio n   ab n o r m alities   f r o m   co u g h   r ec o r d in g s .   Me an wh ile,   R ah o u m et  a l.   [ 6 ]   co n d u cted   s tu d y   u s in g   C o s war d ataset  to   ex tr ac f ea t u r es  f r o m   p atien t' s   v o ice,   s u ch   as  c o u g h ,   b r ea th ,   c o u n tin g   s o u n d s ,   a n d   E n g lis h   v o wel  p r o n u n ciatio n .   T h ey   u s ed   1 1   m eth o d s   an d   9   s y m p t o m s   d ata,   in clu d in g   asth m an d   p n eu m o n ia  wh ich   r eq u ir e x p er t m ed ical  d iag n o s is .   T h e   p r o p o s ed   m eth o d   o n ly   u s es  co u g h   s o u n d s ,   ex tr ac tin g   f ea tu r es  u s in g   o n ly   5   m eth o d s   an d   ad d in g   9   s y m p to m s   d ata  with o u i n clu d in g   asth m an d   p n e u m o n ia   o r   o th e r   s y m p to m s   th at   r eq u ir e x p er t   m ed ical  d ia g n o s is .   Ho wev er ,   th co m b in ed   m o d e l in   [ 6 ]   h ad   a n   AUC v alu o f   8 8 % th at  ca n   b o u tp e r f o r m ed   b y   th p er f o r m a n ce   o f   m o d el  3 .   T h m o d el  tr ain e d   u s in g   v ar i o u s   ty p es  o f   s o u n d s   h ad   an   AUC  v alu alm o s th s am as  m o d el  1 ,   with   an   AUC  v alu o f   8 2 %.  T h m o d el  tr ain ed   with   s y m p to m   d ata  o b tain ed   a n   AUC  v a lu o f   7 8 an d   ca n   b o u tp er f o r m e d   b y   m o d el  2   with   an   AUC  v alu o f   8 9 . 9 %.  T h p r o p o s ed   m o d el  h as  g o o d   class if icatio n   ca p ab ilit ies,  with   h ig h   AUC  v alu in d icatin g   b etter   p er f o r m an ce   in   d if f er e n tiatin g   b etwe en   p o s itiv an d   n eg ativ class es.  Ad d itio n ally ,   th p r o p o s ed   m eth o d   h as  a d d ed   v alu b y   u s in g   s y m p to m   d ata  th at  ca n   b e   id en tifie d   in d e p en d e n tly .       4.   CO NCLU SI O N   Fro m   th r esear ch   th at  h as b ee n   co n d u cted ,   it c an   b co n clu d ed   th at  m ac h in lear n in g   m o d els tr ain ed   o n ly   with   p atien s y m p to m   d ata  p er f o r m   b etter   th an   m o d els  tr ain ed   o n ly   w ith   co u g h   s o u n d   f ea t u r es.   Ho wev er ,   co m b in in g   co u g h   s o u n d   f ea tu r es  a n d   p atien s y m p to m s   ca n   im p r o v m o d el  p e r f o r m an ce   co m p ar ed   to   ju s u s in g   o n e   ty p o f   f e atu r e.   T h m o d el  tr ai n ed   u s in g   co u g h   s o u n d   f ea tu r es  an d   p atien s y m p to m s   ac h iev ed   an   ac cu r ac y   o f   9 5 . 6 1 %,  AUC  o f   9 3 . 3 3 %,  s en s iti v ity   o f   8 8 . 7 4 %,  s p ec if icity   o f   9 7 . 9 1 %,  PP o f   93. 1 7 %,   an d   NPV  o f   9 6 . 3 3 %.   Featu r im p o r tan ce   an al y s is   co n f ir m e d   th e   im p o r tan ce   o f   c o u g h ,   f atig u e,   co ld ,   an d   f ev er   in   im p r o v i n g   th m o d el’ s   ac cu r ac y .   I n   ad d itio n ,   Z C R   an d   MF C C   ar au d io   f ea tu r es  th at  ar o f ten   u s ed   to   s ep ar ate   d ata  d u r in g   tr ain in g .   Ov er all,   t h p r o p o s ed   co m b in e d   m o d el  was  a b le  to   e x ce ed   t h Evaluation Warning : The document was created with Spire.PDF for Python.
                      I SS N :   2 5 0 2 - 4 7 52   I n d o n esian   J   E lec  E n g   &   C o m p   Sci ,   Vo l.  38 ,   No .   2 May   20 25 9 4 0 - 9 4 9   948   p er f o r m an ce   o f   r elate d   s tu d i es  b ased   o n   th AUC  m etr i v alu o f   9 3 %,  an d   it  d e m o n s tr ated   ex ce llen class if icatio n   ca p ab ilit ies.       AC K NO WL E DG E M E NT S   T h is   wo r k   is   p ar tially   s u p p o r ted   b y   Un iv er s itas   Seb elas  Ma r et  f o r   p r o v id in g   r esear ch   f u n d i n g   th r o u g h   th e   Hib ah   R is et  Gr o u p   s ch em e   as  s tip u lated   in   c o n tr ac No .   1 9 4 . 2 /UN2 7 . 2 2 /P T . 0 1 . 0 3 /2 0 2 4 .   T h e   au th o r s   also   g r ate f u lly   ac k n o wled g th h elp f u co m m en t s   an d   s u g g esti o n s   o f   th r e v i ewe r s ,   wh ich   h av e   im p r o v e d   th p r esen tatio n .       RE F E R E NC E S   [ 1 ]   I .   S a l a h s h o o r i   e t   a l . ,   O v e r v i e w   o f   C O V I D - 19  d i se a se :   v i r o l o g y ,   e p i d e m i o l o g y ,   p r e v e n t i o n   d i a g n o s i s,   t r e a t m e n t ,   a n d   v a c c i n e s ,   Bi o l o g i c s ,   v o l .   1 ,   n o .   1 ,   p p .   2 4 0 ,   2 0 2 1 ,   d o i :   1 0 . 3 3 9 0 / b i o l o g i c s 1 0 1 0 0 0 2 .   [ 2 ]   A .   I mr a n   e t   a l . ,   A I 4 C O V I D - 1 9 :   A I   e n a b l e d   p r e l i m i n a r y   d i a g n o s i s fo r   C O V I D - 1 9   f r o c o u g h   sam p l e v i a   a n   a p p ,   I n f o rm a t i c i n   Me d i c i n e   U n l o c k e d ,   v o l .   2 0 ,   2 0 2 0 ,   d o i :   1 0 . 1 0 1 6 / j . i mu . 2 0 2 0 . 1 0 0 3 7 8 .   [ 3 ]   Y .   B h a n u sr e e ,   B .   S .   D e e k sh a ,   V .   S o h a n ,   D .   A j a y ,   a n d   M .   E .   S .   R a m,  A   d e e p   l e a r n i n g   a p p r o a c h   t o   p r e d i c t   t o   p r e d i c t   C O V I D - 1 9   t h r o u g h   c o u g h   a n a l y si u si n g   C N N - B i D i r e c t i o n a l   LST M ,   2 0 2 2 ,   d o i :   1 0 . 1 1 0 9 / I C O N A T5 3 4 2 3 . 2 0 2 2 . 9 7 2 6 0 6 7 .   [ 4 ]   N .   K .   C h o w d h u r y ,   M .   A .   K a b i r ,   M .   M .   R a h ma n ,   a n d   S .   M .   S .   I sl a m,  M a c h i n e   l e a r n i n g   f o r   d e t e c t i n g   C O V I D - 1 9   f r o c o u g h   so u n d s:   a n   e n sem b l e - b a se d   M C D M   me t h o d ,   C o m p u t e rs  i n   Bi o l o g y   a n d   Me d i c i n e ,   v o l .   1 4 5 ,   2 0 2 2 ,   d o i :   1 0 . 1 0 1 6 / j . c o mp b i o m e d . 2 0 2 2 . 1 0 5 4 0 5 .   [ 5 ]   S .   J.  K h o   e t   a l . ,   M a l a y si a n   c o u g h   so u n d   a n a l y si s a n d   C O V I D - 1 9   c l a ssi f i c a t i o n   w i t h   d e e p   l e a r n i n g ,   I n t e l l i g e n c e - Ba s e d   Me d i c i n e v o l .   9 ,   2 0 2 4 ,   d o i :   1 0 . 1 0 1 6 / j . i b me d . 2 0 2 3 . 1 0 0 1 2 9 .   [ 6 ]   K .   R a h o u ma,   S .   R a m z y ,   a n d   M .   A l y ,   A r t i f i c i a l   i n t e l l i g e n c e   a g a i n st   v i r u s   c h a n g e s :   a   l o n g   t e r d e t e c t o r   o f   C O V I D - 1 9   u si n g   t h e   c l i n i c a l   s y m p t o ms  a n d   r e s p i r a t o r y   so u n d s,   J o u rn a l   o f   A d v a n c e d   En g i n e e ri n g   T re n d s ,   v o l .   4 2 ,   n o .   2 ,   p p .   2 8 9 2 9 9 ,   2 0 2 3 ,   d o i :   1 0 . 2 1 6 0 8 / j a e t . 2 0 2 2 . 1 3 2 5 5 2 . 1 1 4 9 .   [ 7 ]   A .   F a k h r y ,   X .   J i a n g ,   J .   X i a o ,   G .   C h a u d h a r i ,   A .   H a n ,   a n d   A .   K h a n z a d a ,   V i r u f y :   a   mu l t i - b r a n c h   d e e p   l e a r n i n g   n e t w o r k   f o r   a u t o m a t e d   d e t e c t i o n   o f   C O V I D - 1 9 ,   2 0 2 1 .   [ 8 ]   S .   Ta n g ,   X .   H u ,   L.   A t l a s,  A .   K h a n z a d a ,   a n d   M .   P i l a n c i ,   H i e r a r c h i c a l   mu l t i - mo d a l   t r a n sf o r mer   f o r   a u t o m a t i c   d e t e c t i o n   o f     C O V I D - 19,   i n   AC I n t e rn a t i o n a l   C o n f e r e n c e   Pro c e e d i n g   S e ri e s ,   2 0 2 2 ,   p p .   1 9 7 2 0 2 ,   d o i :   1 0 . 1 1 4 5 / 3 5 5 6 3 8 4 . 3 5 5 6 4 1 4 .   [ 9 ]   Y .   M a r u sh k o ,   A .   A b a t u r o v ,   H .   B e k e t o v a ,   V .   B e r e z e n k o ,   T .   P o c h y n o k ,   a n d   A .   C h u r y l i n a ,   N e w   v i e w s   o n   t h e   d i a g n o s i a n d   t r e a t me n t   o f   a st h m a   i n   c h i l d r e n ,   C h i l d s He a l t h ,   v o l .   1 7 ,   n o .   2 ,   p p .   1 0 7 1 1 3 ,   2 0 2 2 ,   d o i :   1 0 . 2 2 1 4 1 / 2 2 2 4 - 0 5 5 1 . 1 7 . 2 . 2 0 2 2 . 1 5 0 3 .   [ 1 0 ]   L.   O r l a n d i c ,   T .   Te i j e i r o ,   a n d   D .   A t i e n z a ,   T h e   C O U G H V I D   c r o w d s o u r c i n g   d a t a se t ,   a   c o r p u s   f o r   t h e   s t u d y   o f   l a r g e - sca l e   c o u g h   a n a l y si s   a l g o r i t h ms ,   S c i e n t i f i c   D a t a ,   v o l .   8 ,   n o .   1 ,   2 0 2 1 ,   d o i :   1 0 . 1 0 3 8 / s 4 1 5 9 7 - 0 2 1 - 0 0 9 3 7 - 4.   [ 1 1 ]   N .   S h a r m a   e t   a l . ,   C o sw a r a - A   d a t a b a se  o f   b r e a t h i n g ,   c o u g h ,   a n d   v o i c e   s o u n d f o r   C O V I D - 1 9   d i a g n o si s ,   i n   P ro c e e d i n g o f   t h e   An n u a l   C o n f e r e n c e   o f   t h e   I n t e r n a t i o n a l   S p e e c h   C o m m u n i c a t i o n   Ass o c i a t i o n ,   I N T ER S P EEC H 2 0 2 0 ,   p p .   4 8 1 1 4 8 1 5 ,   d o i :   1 0 . 2 1 4 3 7 / I n t e r sp e e c h . 2 0 2 0 - 2 7 6 8 .   [ 1 2 ]   T.   N .   M .   A r i s,   A .   A .   B .   U .   B a k a r ,   N .   M a h i d d i n ,   a n d   M .   Zo l k e p l i ,   A   f u z z y   i n f e r e n c e   m o d e l   f o r   d i a g n o si s   o f   d i a b e t e s   a n d   l e v e l   o f   c a r e ,   J o u r n a l   o f   T h e o r e t i c a l   a n d   A p p l i e d   I n f o rm a t i o n   T e c h n o l o g y ,   v o l .   1 0 1 ,   n o .   1 5 ,   p p .   5 9 6 2 5 9 7 5 ,   2 0 2 3 .   [ 1 3 ]   B .   M .   K o g a n ,   L.   E.   K u z mi s h i n ,   a n d   A .   A .   La v r o v ,   I mp o r t a n c e   o f   u l t r a so n i c   d i a g n o si s   t o   me d i c a l   e x p e r t   e v a l u a t i o n   o f   t h e   w o r k   c a p a c i t y   o f   i sc h e m i c   h e a r t   d i se a se  p a t i e n t s,   v o l .   2 4 ,   n o .   8 ,   p p .   3 8 4 1 ,   1 9 8 4 .   [ 1 4 ]   J.  L.   M u l s h i n e ,   O n e   scr e e n i n g   f o r   i sch e mi c   h e a r t   d i se a se ,   l u n g   c a n c e r ,   a n d   c h r o n i c   o b s t r u c t i v e   p u l m o n a r y   d i sea se :   a   sy st e ms  b i o l o g y   b r i d g e   f o r   t o b a c c o   a n d   r a d i a t i o n   e x p o s u r e ,   Am e r i c a n   J o u r n a l   o f   Pu b l i c   H e a l t h ,   v o l .   1 0 8 ,   n o .   1 0 ,   p p .   1 2 9 4 1 2 9 5 ,   2 0 1 8 ,   d o i :   1 0 . 2 1 0 5 / A JP H . 2 0 1 8 . 3 0 4 6 5 5 .   [ 1 5 ]   A .   F u l z e l e ,   P .   P a t i l ,   A .   T h a k r e ,   A .   M a h a l e ,   S .   S h e l k e ,   a n d   C .   E n g i n e e r i n g ,   A   m o b i l e   a p p l i c a t i o n   f o r   e a r l y   d i a g n o s i o f   p n e u mo n i a ,   2 0 2 2 .   [ 1 6 ]   A .   A .   A b d e l h a mi d   e t   a l . ,   R o b u s t   sp e e c h   e mo t i o n   r e c o g n i t i o n   u si n g   C N N + LSTM   b a se d   o n   st o c h a s t i c   f r a c t a l   sea r c h   o p t i mi z a t i o n   a l g o r i t h m,   I EEE   Ac c e ss ,   v o l .   1 0 ,   p p .   4 9 2 6 5 4 9 2 8 4 ,   2 0 2 2 ,   d o i :   1 0 . 1 1 0 9 / A C C ESS . 2 0 2 2 . 3 1 7 2 9 5 4 .   [ 1 7 ]   N .   S e n g u p t a ,   M .   S a h i d u l l a h ,   a n d   G .   S a h a ,   L u n g   so u n d   c l a ss i f i c a t i o n   u s i n g   c e p s t r a l - b a s e d   st a t i st i c a l   f e a t u r e s ,   C o m p u t e rs   i n   Bi o l o g y   a n d   Me d i c i n e ,   v o l .   7 5 ,   p p .   1 1 8 1 2 9 ,   2 0 1 6 ,   d o i :   1 0 . 1 0 1 6 / j . c o mp b i o med . 2 0 1 6 . 0 5 . 0 1 3 .   [ 1 8 ]   Z.   M u sh t a q   a n d   S .   F .   S u ,   Ef f i c i e n t   c l a ssi f i c a t i o n   o f   e n v i r o n me n t a l   s o u n d s   t h r o u g h   m u l t i p l e   f e a t u r e a g g r e g a t i o n   a n d   d a t a   e n h a n c e me n t   t e c h n i q u e s fo r   sp e c t r o g r a m i m a g e s,   S y m m e t ry ,   v o l .   1 2 ,   n o .   1 1 ,   p p .   1 3 4 ,   2 0 2 0 ,   d o i :   1 0 . 3 3 9 0 / s y m 1 2 1 1 1 8 2 2 .   [ 1 9 ]   T.   A .   A d e s u y i ,   B .   M .   K i m,   a n d   J.  K i m,  S n o r i n g   s o u n d   c l a ssi f i c a t i o n   u si n g   1 D - C N N   m o d e l   b a se d   o n   mu l t i - f e a t u r e   e x t r a c t i o n ,   I n t e r n a t i o n a l   J o u r n a l   o f   F u zzy   L o g i c   a n d   I n t e l l i g e n t   S y st e m s ,   v o l .   2 2 ,   n o .   1 ,   p p .   1 10 ,   2 0 2 2 ,   d o i :   1 0 . 5 3 9 1 / I JF I S . 2 0 2 2 . 2 2 . 1 . 1 .   [ 2 0 ]   S .   P r u st y ,   S .   P a t n a i k ,   a n d   S .   K .   D a sh ,   S K C V :   s t r a t i f i e d   k - f o l d   c r o ss - v a l i d a t i o n   o n   M c l a ssi f i e r f o r   p r e d i c t i n g   c e r v i c a l   c a n c e r ,   Fro n t i e rs  i n   N a n o t e c h n o l o g y ,   v o l .   4 ,   2 0 2 2 ,   d o i :   1 0 . 3 3 8 9 / f n a n o . 2 0 2 2 . 9 7 2 4 2 1 .   [ 2 1 ]   H .   M .   N g u y e n ,   E .   W .   C o o p e r ,   a n d   K .   K a me i ,   B o r d e r l i n e   o v e r - s a mp l i n g   f o r   i mb a l a n c e d   d a t a   c l a ss i f i c a t i o n ,   I n t e rn a t i o n a l   J o u rn a l   o f   K n o w l e d g e   En g i n e e r i n g   a n d   S o f t   D a t a   Pa ra d i g m s ,   v o l .   3 ,   n o .   1 ,   p p .   4 2 1 ,   2 0 1 1 ,   d o i :   1 0 . 1 5 0 4 / i j k e sd p . 2 0 1 1 . 0 3 9 8 7 5 .   [ 2 2 ]   G .   K e   e t   a l . L i g h t G B M :   a   h i g h l y   e f f i c i e n t   g r a d i e n t   b o o s t i n g   d e c i si o n   t r e e ,   Ad v a n c e s i n   N e u r a l   I n f o rm a t i o n   Pr o c e ssi n g   S y s t e m s p p .   3 1 4 7 3 1 5 5 ,   2 0 1 7 .   [ 2 3 ]   N .   D u n b r a y ,   R .   R a n e ,   S .   N i m j e ,   J .   K a t a d e ,   a n d   S .   M a v a l e ,   A   N o v e l   n o v e l   p r e d i c t i o n   m o d e l   f o r   d i a b e t e d e t e c t i o n   u s i n g   gr i d sea r c h   a n d   a   v o t i n g   c l a ssi f i e r   b e t w e e n   Li g h t G B M   a n d   K N N ,   2 0 2 1 ,   d o i :   1 0 . 1 1 0 9 / G C A T 5 2 1 8 2 . 2 0 2 1 . 9 5 8 7 5 5 1 .   [ 2 4 ]   M .   S o k o l o v a   a n d   G .   L a p a l me,   A   sy st e ma t i c   a n a l y s i o f   p e r f o r m a n c e   me a su r e f o r   c l a ssi f i c a t i o n   t a s k s,”   I n f o rm a t i o n   Pro c e ss i n g   a n d   Ma n a g e m e n t ,   v o l .   4 5 ,   n o .   4 ,   p p .   4 2 7 4 3 7 ,   2 0 0 9 ,   d o i :   1 0 . 1 0 1 6 / j . i p m . 2 0 0 9 . 0 3 . 0 0 2 .   [ 2 5 ]   Z.   Zh a n g ,   T.   Z h a n g ,   a n d   J .   Li ,   U n b i a s e d   g r a d i e n t   b o o st i n g   d e c i si o n   t r e e   w i t h   u n b i a se d   f e a t u r e   i m p o r t a n c e ,   i n   I J C AI   I n t e r n a t i o n a l   J o i n t   C o n f e r e n c e   o n   A rt i f i c i a l   I n t e l l i g e n c e ,   2 0 2 3 ,   p p .   4 6 2 9 4 6 3 7 ,   d o i :   1 0 . 2 4 9 6 3 / i j c a i . 2 0 2 3 / 5 1 5 .   [ 2 6 ]   B .   M c F e e   e t   a l . ,   Li b r o s a :   A u d i o   a n d   mu s i c   s i g n a l   a n a l y si i n   i n   P y t h o n ,   i n   Pr o c e e d i n g o f   t h e   1 4 t h   P y t h o n   i n   S c i e n c e   C o n f e re n c e ,   2 0 1 5 ,   p p .   1 8 2 4 ,   d o i :   1 0 . 2 5 0 8 0 / ma j o r a - 7 b 9 8 e 3 e d - 0 0 3 .   [ 2 7 ]   G .   Le ma ,   F e r n a n d o   N o g u e i r a ,   a n d   C h r i st o K .   A r i d a s,  I mb a l a n c e d - l e a r n :   a   P y t h o n   t o o l b o x   t o   t a c k l e   t h e   c u r s e   o f   i mb a l a n c e d   d a t a se t i n   ma c h i n e   l e a r n i n g ,   J o u rn a l   o f   Ma c h i n e   L e a r n i n g   R e se a rc h ,   v o l .   1 8 ,   n o .   1 7 ,   p p .   1 5 ,   2 0 1 7 .   Evaluation Warning : The document was created with Spire.PDF for Python.
I n d o n esian   J   E lec  E n g   &   C o m p   Sci     I SS N:   2 5 0 2 - 4 7 52       Dete ctio n   o f COVI D - 1 9   b a s ed   o n   co u g h   s o u n d   a n d   a cc o m p a n yin g   s ymp to n   u s in g   …  ( Wih a r to )   949   [ 2 8 ]   T.   H o a n g ,   L .   P h a m ,   D .   N g o ,   a n d   H .   D .   N g u y e n ,   A   c o u g h - b a se d   d e e p   l e a r n i n g   f r a mew o r k   f o r   d e t e c t i n g   C O V I D - 1 9 ,   i n   Pro c e e d i n g o f   t h e   A n n u a l   I n t e r n a t i o n a l   C o n f e re n c e   o f   t h e   I E EE  E n g i n e e r i n g   i n   Me d i c i n e   a n d   B i o l o g y   S o c i e t y ,   EM B S ,   2 0 2 2 ,   p p .   3 4 2 2 3 4 2 5 ,   d o i :   1 0 . 1 1 0 9 / E M B C 4 8 2 2 9 . 2 0 2 2 . 9 8 7 1 1 7 9 .       B I O G RAP H I E S O F   AUTH O RS       Wih a r to           re c e iv e d   o b tai n e d   a   b a c h e lo r’s   d e g re e   i n   e lec tri c a e n g i n e e rin g   (B. E. fro m   Un iv e rsitas   Telk o m ,   I n d o n e sia ,   in   1 9 9 9 .   He   o b tain e d   a   m a ste r’s  d e g re e   in   c o m p u ter   sc ien c e   fro m   Un iv e rsitas   G a d jah   M a d a ,   In d o n e sia ,   in   2 0 0 4   a n d   a   Do c to ra d e g re e   fro m   th e   sa m e   Un iv e rsity ,   i n   2 0 1 7 .   C u rre n tl y   h e   w o rk a a   lec tu re i n   t h e   In f o rm a ti c De p a rtme n t,   F a c u lt y   o In f o rm a ti o n   Tec h n o l o g y   a n d   Da ta  S c ien c e ,   Un i v e rsitas   S e b e las   M a re t,   S u ra k a rta,   In d o n e sia .   His  e x p e rien c e   a n d   a r e a o in tere st  fo c u o n   a rti ficia in telli g e n c e ,   c o m p u tati o n a l   in telli g e n c e ,   b i o m e d ica c o m p u t a ti o n ,   a n d   c li n ica d e c isio n   s u p p o rt  sy ste m .   He   c a n   b e   c o n tac ted   a e m a il wih a rt o @s taff.u n s.a c . i d .         Ann a Abd u r r a h m a n           re c e i v e d   th e   b a c h e lo r’s  d e g re e   in   in f o rm a ti c fro m   th e   F a c u lt y   o In f o rm a ti o n   Tec h n o l o g y   a n d   Da ta  S c ien c e ,   Un i v e rsitas   S e b e las   M a re t,   S u ra k a rta,   In d o n e sia ,   2 0 2 3 .   His  re se a rc h   in tere sts  in c lu d e   so f c o m p u ti n g ,   m a c h in e   lea rn in g ,   a n d   in telli g e n sy ste m s.  He   c a n   b e   c o n tac ted   a e m a il a n n a sa b d u rra h m a n 3 5 4 @s tu d e n t. u n s.a c . i d .         Um S a l a m a h           re c e iv e d   h e b a c h e lo r’s  d e g re e   fro m   th e   De p a rtme n o f   M a th e m a ti c s,  Un iv e rsitas   S e b e la M a re t,   I n d o n e sia ,   in   1 9 9 4 .   S h e   re c e iv e d   h e m a ste r’s  a n d   Do c to ra d e g re e fro m   t h e   De p a rt m e n o I n fo rm a ti c E n g i n e e rin g ,   In stit u Te k n o lo g S e p u lu h   No p e m b e r,   I n d o n e sia ,   i n   2 0 0 2   a n d   2 0 1 8 ,   re sp e c ti v e l y .   He re se a rc h   in tere sts  i n c lu d e   fu z z y   lo g ic   a n d   sy ste m s,  ima g e   p ro c e s sin g ,   a p p li e d   m a th e m a ti c s,  a n d   c o m p u tat i o n a l   sc ien c e s.  S h e   c a n   b e   c o n tac ted   a e m a il u m isa lam a h @s taff.u n s.a c . id .     Evaluation Warning : The document was created with Spire.PDF for Python.