SISTEM PENGOLAHAN ISYARAT
|
|
- Siska Pranoto
- 7 tahun lalu
- Tontonan:
Transkripsi
1 TKE 2403 SISTEM PENGOLAHAN ISYARAT Kuliah 9 Analisis Wavelet : Alihragam Wavelet Diskret Indah Susilawati, S.T., M.Eng. Program Studi Teknik Elektro Fakultas Teknik dan Ilmu Komputer Universitas Mercu Buana Yogyakarta
2 KULIAH 9 SISTEM PENGOLAHAN ISYARAT Analisis Wavelet : Alihragam Wavelet Diskret Alihragam wavelet kontinyu (CWT) bersifat sangat redundan; terlalu banyak koefisien yang dibangkitkan melebihi yang dibutuhkan untuk secara unik menspesifikasikan suatu sinyal tertentu. Redundansi semacam ini tidak terlalu menjadi masalah dalam aplikasi yang telah dibahas pada pertemuan yang lalu (contoh 1 dan 2), namun akan menjadi sangat mahal jika digunakan untuk merekontruksi kembali sinyal aslinya. Untuk merekontruksi sinyal asli maka semua koefisien yang ada harus digunakan dan dengan demikian akan membutuhkan komputasi yang sangat besar (tak berhingga karena dalam bentuk kontinyu akan ada tak berhingga koefisien). Alihragam wavelet diskret (DWT: Discrete Wavelet Transform) membatasi variasi dalam pergeseran dan skala, biasanya dalam perpangkatan 2, sehingga redundansi menjadi berkurang. Saat skala diubah dalam perpangkatan 2, alihragam wavelet diskret juga disebut dengan istilah Dyadic Wavelet Transform (DWT). DWT seringkali dinyatakan dalam bentuk alihragam sbb. (13) Dalam hal ini k dihubungkan ke a dengan a = 2 k dan b dihubungkan ke l dengan b = 2 k l, dan d(k, l ) adalah hasil pencuplikan dari W(a,b) pada titik-titik diskret k dan l. Dalam DWT dipergunakan konsep baru yang disebut fungsi skala (scaling function), yaitu sebuah fungsi yang memungkinkan dilakukannnya komputasi DWT. Untuk menerapkan DWT secara efisien, terlebih dahulu dihitung resolusi terbaiknya. Komputasi yang selanjutnya menggunakan resolusi yang lebih kasar. 2
3 Komputasi ini tidak dilakukan menggunakan sinyal asli namun menggunakan versi sinyal yang telah diperhalus (smoothed version). Sinyal yang telah diperhalus ini diperoleh dengan bantuan smoothing function. Definisi fungsi skala menggunakan persamaan berikut. (14) Dengan c(n) adalah deretan skalar yang menentukan fungsi skala. Persamaan ini melibatkan dua skala waktu (t dan 2t) dan dapat menjadi persamaan yang sangat sulit untuk diselesaikan. Dalam DWT, wavelet dapat didefinisikan dari fungsi skala, (15) Dengan d(n) adalah deretan skalar yang berhubungan dengan sinyal x(t) (persamaan (13)) dan yang menentukan wavelet diskret dalam bentuk fungsi skala. Meskipun DWT dapat diimplementasikan dengan menggunakan persamaan-persamaan di atas, namun biasanya DWT diimplementasikan menggunakan teknik filter banks. Filter Banks Untuk sebagian besar aplikasi pemrosesan sinyal dan citra, analisis berbasis DWT paling baik jika dinyatakan sebagai filter banks. Pengggunaan sekelompok filter untuk membagi sinyal menjadi berbagai komponen spektral disebut dengan istilah subband coding. Implementasi paling sederhana dari DWT adalah menggunakan dua filter dalam filter banks seperti diperlihatkan pada Gambar 6. Sinyal yang dianalisis dibagi menjadi menjadi dua komponen y lp (n) dan y hp (n) oleh filter digital H 0 (ω) dan H 1 (ω). Karakteristik spektral kedua filter harus dipilih dengan hati-hati yaitu H 0 (ω) mempunyai karakteristik spektral lowpass dan H 1 (ω)mempunyai karakteristik spektral highpass. Filter highpass sama dengan penerapan wavelet pada sinyal asli sedangkan filter lowpass sama dengan 3
4 penerapan fungsi skala atau fungsi smoothing. Jika filter-filter tersebut invertible maka dimungkinkan untuk menemukan suatu filter inversnya (yaitu filter yang mempunyai spektrum invers dari H 0 (ω) dan H 1 (ω)), sehingga akan dapat pula ditemukan kembali sinyal asli dari kedua sinyal subband y lp (n) atau y hp (n). Sinyal asli juga seringkali dapat ditemukan kembali meskipun kedua filter tidak invertible, namun dalam hal ini kedua sinyal subband harus digunakan. Gambar 6. Filter banks sederhana terdiri atas 2 filter yang diaplikasikan pada sinyal yang sama. Filter mempunyai karakteristik spektral lowpass dan highpass. Keluaran filter terdiri atas subband lowpass y lp (n) dan subband highpass y hp (n). Proses recoveri sinyal (menemukan kembali sinyal asli) diperlihatkan pada Gambar 7. Pada gambar tersebut sepasang filter yang kedua yaitu G 0 (ω) dan G 1 (ω), bekerja pada sinyal subband highpass dan lowpass dan jumlahannya digunakan untuk merekontruksi kembali sinyal aslinya yaitu x (t). Filter banks yang mendekomposisi sinyal asli biasanya disebut dengan filter analisis (analysis filters) dan filter banks yang merekontruksi sinyal disebut filter sistesis (syntheses filters). Filter-filter FIR banyak digunakan karena kestbilannya dan kemudahannya untuk diimplementasikan. Memfilter sinyal asli x(n) hanya untuk recoveri sinyal asli merupakan operasi yang kurang bermakna (biasanya memfilter sinyal asli merupakan proses awal saja sebelum dilakukan operasi yang lebih penting lagi). Dalam beberapa aplikasi analisis hanya sinyal-sinyal subband saja yang menjadi perhatian dan 4
5 rekontruksi sinyal tidak diperlukan. Namun dalam beberapa aplikasi wavelet dilakukan operasi pada sinyal-sinyal subband y lp (n) dan y hp (n) sebelum rekontruksi sinyal keluaran (lihat Gambar 7). Pada kasus yang demikian, keluaran tidak akan tepat sama dengan masukan. Jika keluaran tepat sama dengan masukan maka proses disebut tanpa rugi-rugi (lossless) dan jika tidak maka prosesnya disebut dengan rugi-rugi (lossy). Hal yang seperti ini misalnya terjadi pada aplikasi kompresi data. Gambar 7. Aplikasi wavelet menggunakan filter banks yang terdiri atas dua filter. Sinyal masukan didekomposisi menjadi dua subband menggunakan filter analisis. Suatu proses diterapkan pada sinyal hasil filtering sebelum rekontruksi. Rekontruksi dilakukan oleh filter sintesis. Dengan menggunakan skema seperti yang ditunjukkan pada Gambar 7, maka dapat dipahami bahwa dibutuhkan proses yang dua kali lipat besarnya jika dibandingkan dengan proses langsung pada sinyal asli x(n). Semakin banyak filter yang digunakan dalam filter banks maka masalahnya juga semakin besar. Jelas bahwa terjadi redundansi informasi pada sinyal y lp (n) dan y hp (n), karena keduanya dibutuhkan untuk menyatakan x(n), namun jumlah titik-titiknya menjadi dua kali lipat. Jika filter analisis dapat dengan tepat dipilih maka dimungkinkan untuk mengurangi panjang y lp (n) dan y hp (n) menjadi setengahnya dan juga masih dimungkinkan untuk proses recoveri sinyal asli. Untuk mengurangi sampel sinyal menjadi setengahnya dan tetap mempertahankan periodanya, maka dapat dilakukan dengan cara menghilangkan titik-titik yang bernomor ganjil. Operasi ini 5
6 dikenal dengan istilah downsampling dan akan disimbolkan dengan 2. Sebagai contoh, sinyal y(n) yang telah dikenakan downsampling hanya akan terdiri atas sampel-sampel yang berindeks genap yaitu [y(2), y(4), y(6),...] dari hasil filtering. Jika digunakan downsampling maka harus ada metode untuk recoveri sampel yang sebelumnya telah dihilangkan sehingga sinyal aslinya dapat diperoleh kembali. Operasi yang disebut upsampling (yang disimbolkan dengan 2) menyelesaikan masalah ini dengan cara mengganti titik-titik yang sebelumnya dihilangkan dengan nilai nol. Sinyal hasil recoveri tidak akan mempunyai nilai nol pada titik-titik tersebut karena filter sintesis G 0 (ω) dan G 1 (ω) akan mengisi titik-titk tersebut. Gambar 8 memperlihatkan aplikasi wavelet yang menggunakan tiga filter banks dan juga melibatkan operasi downsampling dan upsampling. Amplitude downsampling kadang-kadang diskala dengan 2 (dapat menyederhanakan perhitungan filter jika digunakan metode matriks). Gambar 8. Aplikasi wavelet menggunakan tiga filter. Sebagaimana pada Gambar 7, beberapa proses dapat dilakukan pada sinyal y lp (n) dan y hp (n) sebelum proses rekontruksi. 6
7 Perancangan filter dalam filter bank wavelet menjadi cukup menantang karena filter harus memenuhi beberapa kriteria. Yang terpenting adalah bahwa sinyal asli harus dapat diperoleh kembali setelah melalui filter analisis dan filter sintesis. Recoveri yang tepat juga diperumit dengan adanya proses downsampling. Perlu dicatat bahwa proses downsampling sama artinya dengan mencuplik sinyal asli dengan setengah frekuensi pencuplikan (fs/2). Untuk beberapa sinyal hal ini akan menyebabkan aliasing. Jika filter bank terdiri atas dua tipe filter (highpass dan lowpass) maka kriteria yang harus dipenuhi untuk mencegah aliasing adalah (16) Dengan H 0 (z) adalah fungsi transfer filter lowpass analisis, H 1 (z) adalah fungsi transfer filter highpass analisis, G 0 (z) adalah fungsi transfer filter lowpass sintesis, G 1 (z) adalah fungsi transfer filter highpass sintesis. Syarat lain yang harus dipenuhi agar memungkinkan recoveri sinyal asli adalah (17) Dengan N adalah jumlah koefisien filter (yaitu orde filter) sehingga z N hanyalah merupakan tunda dari filter. Dalam beberapa analisis diperlukan untuk memperoleh sinyal-sinyal subband yang ortogonal. Beberapa jenis filter dibangun sehingga dapat memenuhi sifat ini. Misalnya filter Daubechies yang merupakan filter wavelet dengan 4 atau lebih koefisien. Koefisien filter lowpass, h 0 (n), untuk filter Daubechies 4 koefisien diberikan berikut ini. (18) Supaya keluaran filter highpass menjadi ortogonal terhadap keluaran filter lowpass, karakteristik frekuensi filter highpass dan lowpass harus mempunyai hubungan khusus sebagai berikut. (19) 7
8 Kriteria pada persamaan (19) dapat diimplementasikan dengan cara menerapkan algoritma alternating flip pada koefisien-koefisien h 0 (n) sebagai berikut. (20) Dengan N adalah jumlah koefisien dalam h 0 (n). Setelah filter analisis dipilih maka filter sintesis yang akan digunakan untuk rekontruksi dibatasi oleh ketentuan yang dinyatakan pada persamaan (14) dan (15). Persamaan (17) dapat dipenuhi dengan membuat G 0 (z) = H 1 (-z) dan G 1 (-z) = - H 0 (-z). Dengan demikian maka fungsi transfer filter analisis terhubung dengan fungsi transfer filter sintesis menurut persaman (21) (22) Implementasi persamaan-persamaan di atas dapat dilakukan dengan menggunakan algoritma order flip sebagai berikut. (23) (24) Hubungan antara Pernyataan Analitis dan Filter Banks Secara teori dapat dibangun wavelet dan fungsi skala dari koefisien filter dan juga sebaliknya. Kenyataanya adalah bahwa koefisien c(n) dan d(n) pada persamaan (14) dan (15) merupakan versi terskala dari koefisien filter, Dengan substitusi c(n) dalam persamaan (14), persamaan fungsi skala (persamaan dilasi) menjadi (25) (26) 8
9 Untuk menemukan φ dapat digunakan representasi dalam domain frekuensi. Dengan mengambil alihragam Fourier pada kedua sisi pada persamaan (26) maka diperoleh, (27) Catat bahwa skala waktu 2t menjadi ω/2 dalam domain frekuensi. Suku kedua pada persamaan (27) dapat dipecah menjadi H 0 (ω/4) Φ(ω/4) sehingga dimungkinkan untuk menulis kembali persamaan tersebut sebagai (28) Jika N maka perrsamaan (29) menjadi (29) (30) Hubungan antara φ(t) dan koefisien filter lowpass dapat diperoleh dengan mengambil invers alihragam Fourier dari persamaan (30). Setelah fungsi skala ditentukan, fungsi wavelet dapat diperoleh langsung dengan persamaan (16) dengan 2h 1 (n) disubstitusikan untuk d(n), (31) Persamaan (30) menunjukkan kriteria lain untuk koefisien filter lowpass h 0 (n) yang belum disebutkan sebelumnya. Supaya hasilkali menjadi konveergen maka H 0 (ω/2 j ) harus mendekati 1 saat j. Hal ini menghendaki syarat bahwa H 0 (0) = 1; dan hal ini merupakan syarat yang mudah dipenuhi oleh sebuah filter lowpass. 9
10 Contoh 3 Buatlah filter bank untuk analisis yang terdiri atas L dekomposisi, yaitu sebuah filter lowpass dan L filter highpass. Dekomposisilah sebuah sinyal yang terdiri atas 4 sinusoida yang berderau dan bentuklah kembali sinyal aslinya menggunakan filter bank sintesis. % Contoh 3 : Contoh DWT % Membentuk sinyal yang terdiri atas 4 sinusoid plus derau % Mendekomposisi sinyal dalam 4 level, mem-plot tiap level dan % merekontruksi kembali % Menggunakan filter Daubechies 6 elemen clear all; close all; clc; fs = 1000; % Frekuensi sampling N = 1024; % Jumlah titik dalam sinyal t = linspace(0,1,n); % Sumbu waktu t x = 1.2*sin(2*pi*.63*t)+ sin(2*pi*1.1*t)+1.2*sin(2*pi*2.7*t)+.75*sin(2*pi*5.6*t); x1 = x+.25*rand(size(t)); load db6 h0 = db6; an = analyze(x1,h0,4); y = synthezise(an,h0,4); figure plot(t,x,'k',t,x1-4,'m',t,y-8,'c'); % Fungsi untuk menghitung filter analisis % an = analyze(x, h0, L) % x = sinyal input dalam bentuk kolom yg panjangnya tidak lebih dari 2^L+L % dan merupakan perpangkatan dari 2 % h0 = koefisien filter (lowpass) % L = level dekomposisi (jumlah filter highpass dalam filter banks) function an = analyze(x, h0, L) lf = length(h0); lx = length(x); an = x; % Panjang filter % Panjang data % Inisialisasi output % Menghitung koefisien highpass dari koefisien lowpass for i = 0:(lf-1) h1(i+1)=(-1)^i*h0(lf-i); % Alternating flip end 10
11 % Menghitung output filter untuk semua level for i = 1:L a_ext = an; lpf = conv(a_ext,h0); % Filter lowpass FIR hpf = conv(a_ext,h1); % Filter highpass FIR lpf = lpf(1:lx); % Remove extra points hpf = hpf(1:lx); % Remove extra points lpfd = lpf(1:2:end); % Downsampling hpfd = hpf(1:2:end); % Downsampling an(1:lx) = [lpfd hpfd]; % Output lowpass pd awal array lx = lx/2; subplot (L+1,2,2*i-1); % Plot kedua output filter plot (an(1:lx)); % Output lowpass if i == 1 title('output Lowpass') end subplot(l+1,2,2*i); plot(an(lx+1:2*lx)); if i == 1 title('output Highpass') end end HPF = abs(fft(h1,256)); LPF = abs(fft(h0,256)); freq = (1:128)*1000/256; subplot(l+1,2,2*i+1); plot(freq, LPF(1:128)); text(1,1.7,'filter Lowpass'); xlabel('frekuensi (Hz)')' subplot(l+1,2,2*i+2); plot(freq, HPF(1:128)); text(1,1.7,'filter Highpass'); xlabel('frekuensi(hz)')' % Menghitung dan menggambar % fungsi transfer dari HPF % dan LPF % Misal fs = 1000 Hz % Plot dari 0 hingga fs/2 Hz % Fungsi untuk menghitung filter sintesis % an = synthesize(a, h0, L) % a = output bank filter analisis (hasil fungsi analyze.m % h0 = koefisien filter (lowpass) % L = level dekomposisi (jumlah filter highpass dalam filter banks) function y = synthezise(a, h0, L) lf = length(h0); lx = length(a); lseq = lx/(2^l); y = a; g0 = h0(lf:-1:1); % Panjang filter % Panjang data % Panjang segment lowpass dan % highpass pertama % Inisialisasi output % Koefisien lowpass dgn order flip % Menghitung koefisien highpass h1(n) dari koefisien lowpass % menggunakan alternating flip for i = 0:(lf-1) 11
12 h1(i+1)=(-1)^i*h0(lf-i); end g1 = h1(lf:-1:1); % Koefisien filter highpass dgn % order flip % Menghitung output filter untuk semua level for i = 1:L lpx = y(1:lseq); % Ambil segmen lowpass hpx = y(lseq+1:2*lseq); % Ambil segmen highpass up_lpx = zeros(1,2*lseq); % Inisialisasi upsampling up_lpx(1:2:2*lseq) = lpx; % Upsampling lowpass up_hpx = zeros(1,2*lseq); % Inisialisasi upsampling up_hpx(1:2:2*lseq) = hpx; % Upsampling highpass syn = up_lpx + up_hpx; % Filter dan gabungkan y(1:2*lseq) = syn(1:(2*lseq)); % Remove extra points lseq = lseq*2; % Menggandakan panjang segmen % utk yg berikutnya 12
SISTEM PENGOLAHAN ISYARAT
TKE 243 SISTEM PENGOLAHAN ISYARAT Kuliah 1 Filter Digital Indah Susilawati, S.T., M.Eng. Program Studi Teknik Elektro Fakultas Teknik dan Ilmu Komputer Universitas Mercu Buana Yogyakarta 29 1 KULIAH 1
Lebih terperinciTEKNIK PENGOLAHAN CITRA. Kuliah 7 Transformasi Fourier. Indah Susilawati, S.T., M.Eng.
TEKNIK PENGOLAHAN CITRA Kuliah 7 Transformasi Fourier Indah Susilawati, S.T., M.Eng. Program Studi Teknik Elektro Program Studi Teknik Informatika Fakultas Teknik dan Ilmu Komputer Universitas Mercu Buana
Lebih terperinciSISTEM PENGOLAHAN ISYARAT
TKE 2403 SISTEM PENGOLAHAN ISYARAT Kuliah 8 Analisis Wavelet : Wavelet Kontinyu Indah Susilawati, S.T., M.Eng. Program Studi Teknik Elektro Fakultas Teknik dan Ilmu Komputer Universitas Mercu Buana Yogyakarta
Lebih terperinciTEKNIK PENGOLAHAN CITRA. Kuliah 8 Transformasi Fourier. Indah Susilawati, S.T., M.Eng.
TEKNIK PENGOLAHAN CITRA Kuliah 8 Transformasi Fourier Indah Susilawati, S.T., M.Eng. Program Studi Teknik Informatika/Sistem Informasi Fakultas Teknologi Informasi Universitas Mercu Buana Yogyakarta 2015
Lebih terperinciSOAL UAS PENGOLAHAN SINYAL DIGITAL WADARMAN JAYA TELAUMBANUA
SOAL UAS PENGOLAHAN SINYAL DIGITAL WADARMAN JAYA TELAUMBANUA 1304405027 JURUSAN TEKNIK ELEKTRO DAN KOMPUTER FAKULTAS TEKNIK UNIVERSITAS UDAYANA JIMBARAN 2015 Rancang Filter low pass digital IIR Butterworth
Lebih terperinciBAB III METODE PENELITIAN DAN PERANCANGAN SISTEM. penelitian laboratorium. Studi kepustakaan dilakukan untuk mencari teori atau
BAB III METODE PENELITIAN DAN PERANCANGAN SISTEM 3.1 Metode Penelitian Metode penelitian yang digunakan meliputi studi kepustakaan dan penelitian laboratorium. Studi kepustakaan dilakukan untuk mencari
Lebih terperinciKULIAH 9 FILTER DIGITAL
KULIAH 9 FILTER DIGITAL TEKNIK PENGOLAHAN ISYARAT DIGITAL Kuliah 9 Filter Digital Indah Susilawati, S.T., M.Eng. Program Studi Teknik Elektro Program Studi Teknik Informatika Fakultas Teknik dan Ilmu
Lebih terperinciMATERI PENGOLAHAN SINYAL :
MATERI PENGOLAHAN SINYAL : 1. Defenisi sinyal 2. Klasifikasi Sinyal 3. Konsep Frekuensi Sinyal Analog dan Sinyal Diskrit 4. ADC - Sampling - Aliasing - Quantiasasi 5. Sistem Diskrit - Sinyal dasar system
Lebih terperinciAnalisa Suara Jantung Normal Menggunakan Discrete Wavelet Transform (DWT) dan Fast Fourier Transform (FFT)
Analisa Suara Jantung Normal Menggunakan Discrete Wavelet Transform (DWT) dan Fast Fourier Transform (FFT) Putri Madona Jurusan Teknik Elektro Program Studi Teknik Elektronika Politeknik Caltex Riau Pekanbaru,
Lebih terperinciBAB II TINJAUAN PUSTAKA. terjadi karena bergetarnya suatu benda, yang menyebabkan udara di sekelilingnya
BAB II TINJAUAN PUSTAKA 2. Nada dan Solmisasi 2.. Nada Apa yang dapat kita tangkap dengan pendengaran, disebut suara. Suara terjadi karena bergetarnya suatu benda, yang menyebabkan udara di sekelilingnya
Lebih terperinciTEKNIK PENGOLAHAN CITRA. Kuliah 5 Edge Sharpening. Indah Susilawati, S.T., M.Eng.
TEKNIK PENGOLAHAN CITRA Kuliah 5 Edge Sharpening Indah Susilawati, S.T., M.Eng. Program Studi Teknik Elektro Program Studi Teknik Informatika Fakultas Teknik dan Ilmu Komputer Universitas Mercu Buana Yogyakarta
Lebih terperinciTEKNIK PENGOLAHAN CITRA. Kuliah 4 Neighborhood Processing. Indah Susilawati, S.T., M.Eng.
TEKNIK PENGOLAHAN CITRA Kuliah 4 Neighborhood Processing Indah Susilawati, S.T., M.Eng. Program Studi Teknik Elektro Program Studi Teknik Informatika Fakultas Teknik dan Ilmu Komputer Universitas Mercu
Lebih terperinciKOMPRESI CITRA MEDIS MENGGUNAKAN METODE WAVELET
KOMPRESI CITRA MEDIS MENGGUNAKAN METODE WAVELET 1) Arief Budiman 1) Dosen Fakultas Teknik Universitas Merdeka Madiun email : arief@unmer-madiun.ac.id Abstract In the world of medical, anx-ray image is
Lebih terperinciBAB II PENCUPLIKAN DAN KUANTISASI
BAB II PENCUPLIKAN DAN KUANTISASI Sebagian besar sinyal-sinyal di alam adalah sinyal analog. Untuk memproses sinyal analog dengan sistem digital, perlu dilakukan proses pengubahan sinyal analog menjadi
Lebih terperinci1. Pendahuluan. 1.1 Latar Belakang Masalah
1. Pendahuluan 1.1 Latar Belakang Masalah Jumlah pengguna komputer semakin meningkat. Peningkatan jumlah pengguna komputer mengakibatkan penggunaan data digital juga semakin meningkat. Salah satu media
Lebih terperinciBAB 2 LANDASAN TEORI. program pengurangan noise pada citra digital. Teori-teori ini mencakup penjelasan
BAB 2 LANDASAN TEORI Pada bab 2 ini, akan dijelaskan berbagai teori yang mendukung perancangan program pengurangan noise pada citra digital. Teori-teori ini mencakup penjelasan mengenai pengolahan sinyal,
Lebih terperinciPERBAIKAN KUALITAS CITRA BERWARNA DENGAN METODE DISCRETE WAVELET TRANSFORM (DWT)
PERBAIKAN KUALITAS CITRA BERWARNA DENGAN METODE DISCRETE WAVELET TRANSFORM (DWT) ABSTRAK Silvester Tena Jurusan Teknik Elektro Fakultas Sains dan Teknik, Universitas Nusa Cendana Jl. Adisucipto- Penfui
Lebih terperinciTEKNIK PENGOLAHAN CITRA. Kuliah 5 Neighboorhood Processing. Indah Susilawati, S.T., M.Eng.
TEKNIK PENGOLAHAN CITRA Kuliah 5 Neighboorhood Processing Indah Susilawati, S.T., M.Eng. Program Studi Teknik Informatika/Sistem Informasi Fakultas Teknologi Informasi Universitas Mercu Buana Yogyakarta
Lebih terperinciTEKNIK PENGOLAHAN CITRA. Kuliah 8 Filtering in Frequency Domain. Indah Susilawati, S.T., M.Eng.
TEKNIK PENGOLAHAN CITRA Kuliah 8 Filtering in Frequency Domain Indah Susilawati, S.T., M.Eng. Program Studi Teknik Elektro Program Studi Teknik Informatika Fakultas Teknik dan Ilmu Komputer Universitas
Lebih terperinciVol: 3 No. 1 Maret 2014 ISSN:
Vol: 3 No. Maret 4 ISSN: 3-949 SIMULASI UNJUK KERJA DISCRETE WAVELET TRANSFORM (DWT) DAN DISCRETE COSINE TRANSFORM (DCT) UNTUK PENGOLAHAN SINYAL RADAR DI DAERAH YANG BER-NOISE TINGGI Raisah Hayati * dan
Lebih terperinciPENERAPAN DISCRETE DAUBECHIS WAVELET TRANSFORM D A L A M W A T E R M A R K I N G C I T R A D I G I T A L
PENERAPAN DISCRETE DAUBECHIS WAVELET TRANSFORM D A L A M W A T E R M A R K I N G C I T R A D I G I T A L Hermawan Syahputra* 1, Andani D N 2 1,2 Jurusan Matematika, FMIPA Unimed, Medan, Indonesia e-mail:
Lebih terperinciBAB III ANALISIS DAN PERANCANGAN SISTEM
BAB III ANALISIS DAN PERANCANGAN SISTEM Pada bab ini akan dijelaskan mengenai kebutuhan-kebutuhan yang digunakan dalam membuat program ini. Setelah semua kebutuhan selesai di analisa, maka penulis akan
Lebih terperinciBAB VI FILTER DIGITAL
BAB VI FILTER DIGITAL Filter atau tapis adalah suatu sistem yang berfungsi untuk menyaring sinyal, sebagian sinyal akan dibiarkan lewat, sebagian yang lain akan akan ditahan. Filter yang sering digunakan
Lebih terperinciBAB III METODE PENELITIAN DAN PERANCANGAN SISTEM
BAB III METODE PENELITIAN DAN PERANCANGAN SISTEM 3.1 Metode Penelitian Database sinyal EKG Pengambilan data dari database Visual Basic 6.0 Discrete Wavelet Transform (DWT) Dekomposisi Daubechies Orde 2
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.. Respon Impuls Akustik Ruangan. Respon impuls akustik suatu ruangan didefinisikan sebagai sinyal suara yang diterima oleh suatu titik (titik penerima, B) dalam ruangan akibat suatu
Lebih terperinciBAB I PENDAHULUAN. waktu adalah suatu deret observasi yang berurut dalam waktu. Analisis data
BAB I PENDAHULUAN 1.1. Latar Belakang Analisis time series (runtun waktu) banyak digunakan dalam berbagai bidang, misalnya ekonomi, teknik, geofisik, pertanian dan kedokteran. Runtun waktu adalah suatu
Lebih terperinciBAB III METODE PENELITIAN DAN PERANCANGAN SISTEM
BAB III METODE PENELITIAN DAN PERANCANGAN SISTEM 3.1 Metode Penelitian Sinyal PCG Denoising Dekomposisi Frekuensi cuplik 8Khz Frekuensi cuplik 44,1Khz Frekuensi cuplik 48Khz Coiflet Symlet Daubechies Biorthogonal
Lebih terperinciMODUL 5 FILTER FIR DAN WINDOW
MODUL 5 FILTER FIR DAN WINDOW I. Tugas Pendahuluan Perintah atau fungsi pada MATLAB dapat dilihat dan dipelajari dengan online help pada Command window. Contoh ketiklah : help plot. Maka arti dari perintah
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Pengolahan Citra Digital Sebuah citra memiliki kaya informasi, meskipun demikian citra sering mengalami penurunan mutu (degradasi), misalnya mengandung cacat atau derau (noise),
Lebih terperinciPERBANDINGAN MOTHER WAVELET PADA PROSES DENOISING PADA SIMULASI PENGOLAHAN SINYAL RADAR
Perbandingan Mother Wavelet Pada Proses Denoising... Raisah Hayati PERBANDINGAN MOTHER WAVELET PADA PROSES DENOISING PADA SIMULASI PENGOLAHAN SINYAL RADAR Raisah Hayati 1 1 Jurusan Teknik Elektro, Politeknik
Lebih terperinciSATUAN ACARA PERKULIAHAN EK.353 PENGOLAHAN SINYAL DIGITAL
EK.353 PENGOLAHAN SINYAL DIGITAL Dosen: Ir. Arjuni BP, MT : Sinyal dan Pemrosesan Sinyal Tujuan pembelajaran umum : Para mahasiswa mengetahui tipe-tipe sinyal, pemrosesan dan aplikasinya Jumlah pertemuan
Lebih terperinciMODUL 4 PEMFILTERAN PADA SINYAL WICARA
MODUL 4 PEMFILTERAN PADA SINYAL WICARA I. TUJUAN - Mahasiswa mampu menyusun filter digital dan melakukan pemfilteran pada sinyal wicara II. DASAR TEORI 2.1. Filter IIR Yang perlu diingat disini bahwa infinite
Lebih terperinciPENINGKATAN MUTU CITRA (IMAGE ENHANCEMENT) PADA DOMAIN FREKUENSI. by Emy 2
Copyright @2007 by Emy 1 PENINGKATAN MUTU CITRA (IMAGE ENHANCEMENT) PADA DOMAIN FREKUENSI Copyright @2007 by Emy 2 Kompetensi Mampu membedakan teknik image enhancement menggunakan domain spatial dan frekuensi
Lebih terperinciTEKNIK PENGOLAHAN CITRA. Kuliah 9 Filtering in Frequency Domain. Indah Susilawati, S.T., M.Eng.
TEKNIK PENGOLAHAN CITRA Kuliah 9 Filtering in Frequency Domain Indah Susilawati, S.T., M.Eng. Program Studi Teknik Informatika Program Studi Sistem Informasi Fakultas Teknik dan Ilmu Komputer Universitas
Lebih terperinciBAB VI FILTER DIGITAL
BAB VI FILTER DIGITAL BAB VI FILTER DIGITAL Filter atau tapis adalah suatu sistem yang berfungsi untuk menyaring sinyal, sebagian sinyal akan dibiarkan lewat, sebagian yang lain akan akan ditahan. Filter
Lebih terperinciKOMPRESI IMAGE DALAM SOURCE CODING MENGGUNAKAN METODE TRANSFORMASI WAVELET
KOMPRESI IMAGE DALAM SOURCE CODING MENGGUNAKAN METODE TRANSFORMASI WAVELET NASKAH PUBLIKASI Diajukan Untuk Memenuhi Tugas dan Syarat-syarat Guna Memperoleh Gelar Sarjana Teknik pada Fakultas Teknik Jurusan
Lebih terperinciJaringan Syaraf Tiruan pada Robot
Jaringan Syaraf Tiruan pada Robot Membuat aplikasi pengenalan suara untuk pengendalian robot dengan menggunakan jaringan syaraf tiruan sebagai algoritma pembelajaran dan pemodelan dalam pengenalan suara.
Lebih terperinciLAPORAN PRAKTIKUM DSP
LAPORAN PRAKTIKUM DSP MODUL 4 PEMFILTERAN PADA SINYAL WICARA Disusun Oleh : Yuli Yuliantini (121014 7021) Teknik Telekomunikasi - PJJ PENS Akatel Politeknik Negeri Elektro Surabaya Surabaya 2015 22 MODUL
Lebih terperinciBAB III WAVELET. yang memenuhi
BAB III WAVELET 3.1 Analisis Multiresolusi Definisi 3.1.1 Analisis Multiresolusi (Daubechies, 1992) Analisis Multiresolusi terbentuk dari barisan subruang tertutup dari i. dari yang memenuhi ii. jika dan
Lebih terperinciSINYAL DISKRIT. DUM 1 September 2014
SINYAL DISKRIT DUM 1 September 2014 ADC ADC 3-Step Process: Sampling (pencuplikan) Quantization (kuantisasi) Coding (pengkodean) Digital signal X a (t) Sampler X(n) Quantizer X q (n) Coder 01011 Analog
Lebih terperinciPRESENTASI TUGAS AKHIR KI091391
PRESENTASI TUGAS AKHIR KI091391 OPTIMASI NILAI AMBANG WAVELET BERBASIS LOGIKA FUZZY PADA DENOISING CITRA BERWARNA (Kata kunci: denoising, transformasi wavelet, logika fuzzy, thresholding, median absolute
Lebih terperinciMODUL 4 ANALOG DAN DIGITAL FILTER
MODUL 4 ANALOG DAN DIGITAL FILTER I. Tugas Pendahuluan Perintah atau fungsi pada MATLAB dapat dilihat dan dipelajari dengan online help pada Command window. Contoh ketiklah : help plot. Maka arti dari
Lebih terperinciBAB III PROTEKSI TRANSFORMATOR DAYA MENGGUNAKAN TRANSFORMASI WAVELET. 1980, dalam bahasa Prancis ondelette, yang berarti gelombang kecil.
BAB III PROTEKSI TRANSFORMATOR DAYA MENGGUNAKAN TRANSFORMASI WAVELET A. Dasar Teori Transformasi Kata dikemukakan oleh Morlet dan Grossmann pada awal tahun 1980, dalam bahasa Prancis ondelette, yang berarti
Lebih terperinciBAB III METODE PENELITIAN DAN PERANCANGAN SISTEM
BAB III METODE PENELITIAN DAN PERANCANGAN SISTEM 3.1 Metode Penelitian Gambar 3.1 Diagram Blok Rancangan Penelitian. 24 25 Metode penelitian yang digunakan meliputi studi kepustakaan, pembuatan program,
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Computer Vision Computer vision dapat diartikan sebagai suatu proses pengenalan objek-objek berdasarkan ciri khas dari sebuah gambar dan dapat juga digambarkan sebagai suatu deduksi
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Dalam statistika dan pemrosesan sinyal, runtun waktu (time series) adalah rangkaian data berupa pengamatan yang diukur selama kurun waktu tertentu. Analisis
Lebih terperinciBAB 2 LANDASAN TEORI. mencakup teori speaker recognition dan program Matlab. dari masalah pattern recognition, yang pada umumnya berguna untuk
6 BAB 2 LANDASAN TEORI 2.1 Teori-teori Dasar / Umum Landasan teori dasar / umum yang digunakan dalam penelitian ini mencakup teori speaker recognition dan program Matlab. 2.1.1 Speaker Recognition Pada
Lebih terperinciBAB III METODE PENELITIAN DAN PERANCANGAN SISTEM. Metode penelitian yang digunakan pada penelitian ini adalah denoising
BAB III METODE PENELITIAN DAN PERANCANGAN SISTEM 3.1 Metode Penelitian Metode penelitian yang digunakan pada penelitian ini adalah denoising menggunakan Blind Source Separation dengan metode ICA. Data
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Citra (image) adalah kombinasi antara titik, garis, bidang, dan warna untuk menciptakan suatu imitasi dari suatu obyek, biasanya obyek fisik atau manusia. Citra dapat
Lebih terperinciOleh : Page 1
MODUL II PRINSIP TEKNIK KOMPRESI 2.1. Mengapa Kompresi Motivasi kompresi sinyal : Dunia digital mengalami pertumbuhan yang sangat cepat : Sinyal diperoleh secara digital Sinyal analog dikonversi ke digital
Lebih terperinciSIMULASI HASIL PERANCANGAN LPF (LOW PASS FILTER) DIGITAL MENGGUNAKAN PROTOTIP FILTER ANALOG BUTTERWORTH
Simulasi Hasil Perancangan LPF (Low Pass Filter) Digital....Hanafi SIMULASI HASIL PERANCANGAN LPF (LOW PASS FILTER) DIGITAL MENGGUNAKAN PROTOTIP FILTER ANALOG BUTTERWORTH Hanafi Dosen Jurusan Teknik Elektro
Lebih terperinciSINYAL DISKRIT. DUM 1 September 2014
SINYAL DISKRIT DUM 1 September 2014 ADC ADC 3-Step Process: Sampling (pencuplikan) Quantization (kuantisasi) Coding (pengkodean) Digital signal X a (t) Sampler X(n) Quantizer X q (n) Coder 01011 Analog
Lebih terperinciKuliah 8 KONVOLUSI DAN KORELASI
TEKNIK PENGOLAHAN ISYARAT DIGITAL Kuliah 8 KONVOLUSI DAN KORELASI Indah Susilawati, S.T., M.Eng. Program Studi Teknik Elektro Program Studi Teknik Informatika Fakultas Teknik dan Ilmu Komputer Universitas
Lebih terperinciDeret Fourier untuk Sinyal Periodik
x( t T ) x( Analisis Fourier Jean Baptiste Fourier (1768-1830, ahli fisika Perancis) membuktikan bahwa sembarang fungsi periodik dapat direpresentasikan sebagai penjumlahan sinyal-sinyal sinus dengan frekuensi
Lebih terperinciBAB I PENDAHULUAN. PSD Bab I Pendahuluan 1
BAB I PENDAHULUAN Pengolahan Sinyal Digital (Digital Signal Processing, disingkat DSP) adalah suatu bagian dari sain dan teknologi yang berkembang pesat selama 40 tahun terakhir. Perkembangan ini terutama
Lebih terperinciKata kunci: Fourier, Wavelet, Citra
TRANSFORMASI FOURIER DAN TRANSFORMASI WAVELET PADA CITRA Oleh : Krisnawati Abstrak Tranformasi wavelet merupakan perbaikan dari transformasi Fourier. Transformasi Fourier hanya dapat menangkap informasi
Lebih terperinciBAB III PERANCANGAN SISTEM PENYAMA
BAB III PERANCANGAN SISTEM PENYAMA Pembahasan pada bab ini berisi perancangan sistem medan jauh penyuara dalam bentuk program pada perangkat lunak Python yang akan dijalankan oleh Rasberry Pi B. Pada subbab
Lebih terperinciTEKNIK PENGOLAHAN CITRA. Kuliah 13 Kompresi Citra. Indah Susilawati, S.T., M.Eng.
TEKNIK PENGOLAHAN CITRA Kuliah 13 Kompresi Citra Indah Susilawati, S.T., M.Eng. Program Studi Teknik Informatika/Sistem Informasi Fakultas Teknologi Informasi Universitas Mercu Buana Yogyakarta 2015 KULIAH
Lebih terperinciHAND OUT EK. 353 PENGOLAHAN SINYAL DIGITAL
HAND OUT EK. 353 PENGOLAHAN SINYAL DIGITAL Dosen: Ir. Arjuni BP, MT PENDIDIKAN TEKNIK TELEKOMUNIKASI JURUSAN PENDIDIKAN TEKNIK ELEKTRO FAKULTAS PENDIDIKAN TEKNOLOGI DAN KEJURUAN UNIVERSITAS PENDIDIKAN
Lebih terperinciDETEKSI KERUSAKAN ROTOR BAR MOTOR INDUKSI MENGGUNAKAN ANALISIS ARUS OUTPUT INVERTER BERBASIS WAVELET
SEMINAR TUGAS AKHIR JUNI 2013 DETEKSI KERUSAKAN ROTOR BAR MOTOR INDUKSI MENGGUNAKAN ANALISIS ARUS OUTPUT INVERTER BERBASIS WAVELET Oleh: Rifaldy Swasetyasakti 2209100080 Dosen Pembimbing Prof. Ir. Mochamad
Lebih terperinciSIMULASI REDUKSI DERAU SINYAL SUARA PADA GEDUNG KEBUN RAYA PURWODADI PASURUAN DENGAN METODE DWT
SIMULASI REDUKSI DERAU SINYAL SUARA PADA GEDUNG KEBUN RAYA PURWODADI PASURUAN DENGAN METODE DWT ( Kristiawan Purwanto, Tutug Dhanardono) Jurusan Teknik Fisika FTI ITS Surabaya Kampus ITS Keputih Sukolilo
Lebih terperinciWatermarking Video Menggunakan Transformasi Wavelet Diskrit
Jurnal Generic, Vol. 8, No. 1, Maret 2013, pp. 198~208 ISSN: 1907-4093 (Print), 2087-9814 (online) 198 Watermarking Video Menggunakan Transformasi Wavelet Diskrit Merlin Felyana 1 1 Program Studi Teknik
Lebih terperinciBAB 3 ANALISIS DAN PERANCANGAN SISTEM
BAB 3 ANALISIS DAN PERANCANGAN SISTEM 3.1 Analisis Masalah Indera pendengaran manusia tidak dapat mengetahui secara pasti jenis nada apa yang didengar olehnya, terkecuali para pemusik profesional. Hal
Lebih terperinciSTMIK AMIKOM PURWOKERTO PENGOLAHAN CITRA DIGITAL. Transformasi Citra ABDUL AZIS, M.KOM
PENGOLAHAN CITRA DIGITAL Transformasi Citra 1 Dua Domain Manipulasi Image Spatial Domain : (image plane) Adalah teknik yang didasarkan pada manipulasi l a n g s u n g p i x e l s u a t u i m a g e. Frequency
Lebih terperinciDAFTAR ISI. Halaman LEMBAR PENGESAHAN SURAT PERNYATAAN ABSTRAK... i ABSTRACT... ii KATA PENGANTAR...iii DAFTAR ISI... v DAFTAR GAMBAR...
ABSTRAK Noise merupakan salah satu kendala yang mempengaruhi kualitas sinyal suara yang ditransmisikan. Noise tersebut dapat berasal dari peralatan komunikasi itu sendiri atau pengaruh dari sumber luar.
Lebih terperinciSistem Transmisi Telekomunikasi Kuliah 2 Penjamakan Digital
TKE 8329W Sistem Transmisi Telekomunikasi Kuliah 2 Penjamakan Digital Indah Susilawati, S.T., M.Eng. Program Studi Teknik Elektro Fakultas Teknik dan Ilmu Komputer Universitas Mercu Buana Yogyakarta 2009
Lebih terperinciPERANCANGAN DAN SIMULASI LOW PASS FINITE IMPULSE RESPONSE DENGAN METODE WINDOWING
PERANCANGAN DAN SIMULASI LOW PASS FINITE IMPULSE RESPONSE DENGAN METODE WINDOWING Irmawan, S.Si, MT Jurusan Teknik Elektro Fakultas Teknik Universitas Sriwijaya ABSTRAK Filter digital adalah suatu algoritma
Lebih terperinciBAB II DASAR TEORI. Dalam bab ini penulis akan menjelaskan teori teori yang diperlukan untuk
BAB II DASAR TEORI Dalam bab ini penulis akan menjelaskan teori teori yang diperlukan untuk mewujudkan sistem penyamaan adaptif dengan algoritma galat kuadrat terkecil ternormalisasi pada suatu titik.
Lebih terperinciHubungan 1/1 filter oktaf. =Frekuesi aliran rendah (s/d -3dB), Hz =Frekuesi aliran tinggi (s/d -3dB), Hz
Hubungan 1/1 filter oktaf f 1 f 2 f 1 = 2 1/2f c f 1 = 2 1/2f c f 1 = 2f c1 = frekuensi tengah penyaring =Frekuesi aliran rendah (s/d -3dB), Hz =Frekuesi aliran tinggi (s/d -3dB), Hz Analisis oktaf sepertiga,
Lebih terperinciBAB 3 PERANCANGAN SISTEM. yang akan menjalankan perintah-perintah yang dikenali. Sistem ini dibuat untuk
BAB 3 PERANCANGAN SISTEM 3.1 Gambaran Umum Sistem Voice Command pada demonstrasinya merupakan aplikasi pengenalan suara yang akan menjalankan perintah-perintah yang dikenali. Sistem ini dibuat untuk menampung
Lebih terperinciBAB 4 MODEL RUANG KEADAAN (STATE SPACE)
BAB 4 MODEL RUANG KEADAAN (STATE SPACE) KOMPETENSI Kemampuan untuk menjelaskan pengertian tentang state space, menentukan nisbah alih hubungannya dengan persamaan ruang keadaan dan Mengembangkan analisis
Lebih terperinciMODUL. Nyquist dan Efek Aliasing, dan Transformasi Fourier Diskrit
MODUL Nyquist dan Efek Aliasing, dan Transformasi Fourier Diskrit PENDAHULUAN Pada awalnya kita hanya mengenal sinyal atau isyarat analog dan kontinyu (terus menerus tanpa ada jeda sedikitpun, misalnya
Lebih terperinciBAB II LANDASAN TEORI. terdiri dari bagian atas yang disebut serambi (atrium) dan bagian bawah yang
BAB II LANDASAN TEORI 2.1 Sinyal Suara Jantung (PCG) Jantung adalah organ tubuh yang berfungsi untuk memompa darah dan terdiri dari bagian atas yang disebut serambi (atrium) dan bagian bawah yang disebut
Lebih terperinciTEKNIK PENGOLAHAN CITRA. Kuliah 2 Point Processing. Indah Susilawati, S.T., M.Eng.
TEKNIK PENGOLAHAN CITRA Kuliah 2 Point Processing Indah Susilawati, S.T., M.Eng. Program Studi Teknik Elektro Program Studi Teknik Informatika Fakultas Teknik dan Ilmu Komputer Universitas Mercu Buana
Lebih terperinciANALISA PERBANDINGAN KOMPRESI 2 GAMBAR TIFF DAN BMP MENGGUNAKAN METODE TRANSFORMASI WAVELET. Oleh: FIRU AL FARIZI
ANALISA PERBANDINGAN KOMPRESI 2 GAMBAR TIFF DAN BMP MENGGUNAKAN METODE TRANSFORMASI WAVELET Oleh: FIRU AL FARIZI 41508110009 PROGRAM STUDI TEKNIK INFORMATIKA FAKULTAS ILMU KOMPUTER UNIVERSITAS MERCU BUANA
Lebih terperinciBAB II KOMPRESI DATA PENGINDERAAN JAUH
12 BAB II KOMPRESI DATA PENGINDERAAN JAUH 2.1 Data Penginderaan Jauh Penginderaan jauh merupakan teknik pengamatan permukaan bumi baik daratan maupun air dengan mengukur radiasi elektromagnetik yang yang
Lebih terperinciPenyusun Tugas Akhir Alvian Adi Pratama [ ] Dosen Pembimbing Diana Purwitasari, S.Kom, M.Sc. Dr. Eng. Nanik Suciati, S.Kom., M.Kom.
Penyusun Tugas Akhir Alvian Adi Pratama [5106100108] Dosen Pembimbing Diana Purwitasari, S.Kom, M.Sc. Dr. Eng. Nanik Suciati, S.Kom., M.Kom. Latar Belakang Batik merupakan harta kebudayaan Indonesia yang
Lebih terperinciBAB II TINJAUAN PUSTAKA. Tuning merupakan proses menentukan frekuensi standar dan
BAB II TINJAUAN PUSTAKA. Tuning Tuning merupakan proses menentukan frekuensi standar dan menyelaraskan frekuensi antar senar pada alat musik berdawai, ontohnya gitar. Pada proses ini dilakukan dengan mengatur
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN Bab ini memuat latar belakang perlunya penyisipan watermark di dalam citra digital, perumusan masalah secara sistematis, serta metodologi yang digunakan untuk memecahkan masalah yang
Lebih terperinciMODUL 6 ANALISA SINYAL DALAM DOMAIN FREKUENSI
MODUL 6 ANALISA SINYAL DALAM DOMAIN FREKUENSI I. TUJUAN - Mengamati sinyal dalam domain waktu dan domain frekuensi dengan menggunakan library FFT II. DASAR TEORI 2.1 Transformasi Fourier Satu bentuk transformasi
Lebih terperinciCOMPARISON OF ONE DIMENSIONAL DCT AND LWT SPARSE REPRESENTATION
COMPARISON OF ONE DIMENSIONAL DCT AND LWT SPARSE REPRESENTATION Endra 1 ; Gusandy 2 ; Kurniawaty 3 ; Yenny Lan 4 Jurusan Sistem Komputer, Fakultas Ilmu Komputer, BINUS University, Jakarta Jln K.H. Syahdan
Lebih terperinciBAB II. TEORI DASAR. f(x1,y1) x Gambar 2.1. Citra Digital
BAB II. TEORI DASAR 2. 2.1. Pengolahan Citra Digital Citra digital dapat didefinisikan sebagai fungsi dua variabel, f(x,y), dimana x dan y adalah koordinat spasial dan nilai f(x,y) adalah intensitas citra
Lebih terperinciGambar 2.1 Perangkat UniTrain-I dan MCLS-modular yang digunakan dalam Digital Signal Processing (Lucas-Nulle, 2012)
BAB II TINJAUAN PUSTAKA 2.1 Digital Signal Processing Pada masa sekarang ini, pengolahan sinyal secara digital yang merupakan alternatif dalam pengolahan sinyal analog telah diterapkan begitu luas. Dari
Lebih terperinciPENGOLAHAN SINYAL DAN SISTEM DISKRIT. Pengolahan Sinyal Analog adalah Pemrosesan Sinyal. bentuk m dan manipulasi dari sisi sinyal dan informasi.
PENGOLAHAN SINYAL DAN SISTEM DISKRIT Pengolahan Sinyal Analog adalah Pemrosesan Sinyal yang mempunyai kaitan dengan penyajian,perubahan bentuk m dan manipulasi dari sisi sinyal dan informasi. Pengolahan
Lebih terperinciKata Kunci: wavelet packet; citra medis; kompresi; threshold; codec haar; codec biorthogonal; codec daubechies; MOS.
ABSTRAK Kompresi citra merupakan suatu metode yang bertujuan untuk mengurangi penggunaan memori, sehingga akan memudahkan penyimpanan, pengolahan serta waktu pengiriman data digital lebih singkat dibandingkan
Lebih terperinciIMAGE ENHANCEMENT MENGGGUNAKAN METODE LINEAR FILTERING DAN STATIONARY WAVELET TRANSFORM
IMAGE ENHANCEMENT MENGGGUNAKAN METODE LINEAR FILTERING DAN STATIONARY WAVELET TRANSFORM Staff Pengajar Jurusan Teknik Elektro Fakultas Sains dan Teknik Universitas Nusa Cendana, Kupang Abstrak The aim
Lebih terperinciANALISIS PERFORMANSI FILTER DIGITAL IIR DARI PROTOTYPE BUTTERWORTH DAN CHEBYSHEV 1
Jurnal Reaksi (Journal of Science and Technology) ANALISIS PERFORMANSI FILTER DIGITAL IIR DARI PROTOTYPE BUTTERWORTH DAN CHEBYSHEV Raisah Hayati Staf Pengajar Jurusan Teknik Elektro Politeknik Negeri Lhokseumawe
Lebih terperinciIMPLEMENTASI TEMU KEMBALI CITRA TEKSTUR MENGGUNAKAN ROTATED WAVELET FILTER
IMPLEMENTASI TEMU KEMBALI CITRA TEKSTUR MENGGUNAKAN ROTATED WAVELET FILTER M. Jamaluddin 1, Nanik Suciati 2, Arya Yudhi Wiajaya 3 1,2,3 Teknik Informatika, Fakultas Teknologi Informasi, Institut Teknologi
Lebih terperinciBAB IV HASIL PENELITIAN DAN PEMBAHASAN
35 BAB IV HASIL PENELITIAN DAN PEMBAHASAN 4.1 Implementasi GUI GUI diimplementasikan sesuai dengan program pengolah citra dan klasifikasi pada tahap sebelumya. GUI bertujuan untuk memudahkan pengguna mengidentifikasi
Lebih terperinciDesign FIR Filter. Oleh: Tri Budi Santoso Group Sinyal, EEPIS-ITS
Design FIR Filter Oleh: Tri Budi Santoso Group Sinyal, EEPIS-ITS 1 Filter Digital Sinyal input = x(n) Respon impuls filter = h(n) Sinyal output = y(n) Ouput merupakan konvolusi respon impuls filter dengan
Lebih terperinciPERANCANGAN AUDIO WATERMARKING BERBASIS DISCRETE WAVELETE TRANSFORM DAN MODIFIED DISCRETE COSINE TRANSFORM DENGAN OPTIMASI ALGORITMA GENETIKA
PERANCANGAN AUDIO WATERMARKING BERBASIS DISCRETE WAVELETE TRANSFORM DAN MODIFIED DISCRETE COSINE TRANSFORM DENGAN OPTIMASI ALGORITMA GENETIKA Olga Madayanti 1), Dianita Rosari 2), Gelar Budiman, Suci Auli,
Lebih terperinciTEKNIK PENGOLAHAN CITRA. Kuliah 3 Pengolahan Titik (Point Processing) Indah Susilawati, S.T., M.Eng.
TEKNIK PENGOLAHAN CITRA Kuliah 3 Pengolahan Titik (Point Processing) Indah Susilawati, S.T., M.Eng. Program Studi Teknik Informatika Program Studi Sistem Informasi Fakultas Teknologi Informasi Universitas
Lebih terperinciDERET FOURIER DAN APLIKASINYA DALAM FISIKA
Matakuliah: Fisika Matematika DERET FOURIER DAN APLIKASINYA DALAM FISIKA Di S U S U N Oleh : Kelompok VI DEWI RATNA PERTIWI SITEPU (8176175004) RIFKA ANNISA GIRSANG (8176175014) PENDIDIKAN FISIKA REGULER
Lebih terperinciTKE 3105 ISYARAT DAN SISTEM. Kuliah 5 Sistem LTI. Indah Susilawati, S.T., M.Eng.
TKE 3105 ISYARAT DAN SISTEM Kuliah 5 Sistem LTI Indah Susilawati, S.T., M.Eng. Program Studi Teknik Elektro Program Studi Teknik Informatika Fakultas Teknik dan Ilmu Komputer Universitas Mercu Buana Yogyakarta
Lebih terperinciSATUAN ACARA PERKULIAHAN UNIVERSITAS GUNADARMA
SATUAN ACARA PERKULIAHAN UNIVERSITAS GUNADARMA Mata Kuliah Fakultas/Jurusan : Pengolahan Sinyal Digital / DSP (Digital Signal Processing) : Ilmu Komputer / Teknik Komputer D Minggu 1 Pendahuluan Ruang
Lebih terperinciSISTEM PENGOLAHAN ISYARAT. Kuliah 1 Sinyal Deterministik
TKE 2403 SISTEM PENGOLAHAN ISYARAT Kuliah 1 Sinyal Deterministik Indah Susilawati, S.T., M.Eng. Program Studi Teknik Elektro Fakultas Teknik dan Ilmu Komputer Universitas Mercu Buana Yogyakarta 2009 1
Lebih terperinciGambar IV-1. Perbandingan Nilai Korelasi Antar Induk Wavelet Pada Daerah Homogen Untuk Level Dekomposisi Pertama
BAB IV ANALISIS IV.1 Analisis Terhadap Hasil Pengolahan Data Gambar IV-1 menunjukkan peningkatan nilai korelasi dari sebelum transformasi wavelet dengan setelah transformasi wavelet pada level dekomposisi
Lebih terperinciMKB Teknik Pengolahan Citra Operasi Ketetanggaan Piksel pada Domain Frekuensi. Genap 2016/2017
MKB3383 - Teknik Pengolahan Citra Operasi Ketetanggaan Piksel pada Domain Frekuensi Genap 2016/2017 Outline Pengertian Konvolusi Pengertian Frekuensi Filter Lolos-Rendah (Lowpass Filter) Filter Lolos-Tinggi
Lebih terperinciMATEMATIKA DI BALIK CITRA DIGITAL
MATEMATIKA DI BALIK CITRA DIGITAL Hendra Gunawan Tulisan ini membahas bagaimana matematika berperan dalam pemrosesan citra digital, khususnya pengolahan dan penyimpanan citra dalam bentuk digital secara
Lebih terperinciSATUAN ACARA PERKULIAHAN UNIVERSITAS GUNADARMA
Mata Kuliah Kode / SKS Program Studi Fakultas : Pengolahan Sinyal Digital : IT012256 / 3 SKS : Sistem Komputer : Ilmu Komputer & Teknologi Informasi Sub Khusus (TIK) 1 Pendahuluan Ruang lingkup Mata Kuliah
Lebih terperinci