PEMANFAATAN TRANSFORMASI WAVELET UNTUK CITRA PENGINDERAAN JAUH. Mohammad Natsir *, Wiweka **
|
|
- Sri Gunardi
- 7 tahun lalu
- Tontonan:
Transkripsi
1 PEMANFAATAN TRANSFORMASI WAVELET UNTUK CITRA PENGINDERAAN JAUH Mohammad Natsir *, Wiwea ** ABSTRAK PEMANFAATAN TRANSFORMASI WAVELET UNTUK CITRA PENGINDERAAN JAUH. Citra radar SAR pada umumnya mempunyai noise dan specel yang berjumlah cuup besar, sehingga mengganggu interpretasi pengguna. Banya jenis filter yang telah diciptaan husus untu dimanfaatan untu perbaian citra radar SAR namun hasilnya belum cuup memuasan. Oleh arena itu dilauan suatu percobaan pemaaian transformasi wavelet untu perbaian citra radar dengan mempergunaannya sebagai filter. Beberapa hasil yang diperoleh diperbandingan untu memperoleh hasil yang optimal. ABSTRACT UTILIZATION OF WAVELET TRANSFORMATION FOR REMOTE SENSING IMAGE. Usually radar SAR imagery has so very much noise and specel that reduce the user interpretation accuracy. There are many filter types created special to improve radar SAR imageries, however, people do not be satisfied with them. Therefore one do experiments of wavelet transformation utilization as filters to improve radar imagery. Several outcomes were compared to get which one is the best. PENDAHULUAN Sudah cuup lama ilmuwan mengenal Transformasi Fourier (TF) atau Analisis Fourier, analisis ini sudah banya digunaan dalam pengolahan sinyal. Analisis Fourier adalah analisis gelombang yang mengespansian sinyal atau fungsi e dalam gelombang sinus (atau exponensial omples, yang eivalen) yang terbuti sangat berharga dalam metematia, sains dan teni, terutama untu fenomena periodi, ta gayut watu, atau stasioner. Seperti halnya Transformasi Fourier, Transformasi Wavelet digunaan juga untu menganalisis sinyal ataupun data. Transformasi Wavelet (TW) adalah suatu alat untu memilah-milah data, fungsi atau operator e dalam omponen freuensi yang berbeda-beda, emudian mempelajari setiap omponen dengan suatu resolusi yang coco dengan salanya. Dahulu teni ini ditemuan sebagai alat dalam menyelesaian persoalan dalam matematia murni, misalnya Calderon (1994), fisia dalam meania uantum oleh Aslaen dan Klauder * Peneliti pada Unit Komdu Pusat Tenologi Penginderaan Jauh LAPAN ** Peneliti pada Bidang Pengolahan Data Pusat Tenologi Penginderaan Jauh LAPAN
2 (1968), Hamiltonian atom Hidrogen oleh Paul (1985) dan dalam ilmu teni dienalan oleh Esteban dan Galland (1977) dalam mendesain filter QMF, filter QMF ini emudian diembangan dengan onstrusi esa oleh Smith dan Barnwell (1986), dalam teni elistrian lainnya oleh Vetterli (1986) dan pada tahun 1983 wavelet digunaan dalam menganalisis data seismic oleh J. Morlet. Pada urun watu lima tahun terahir ini telah terlihat suatu sintesis antara semua pendeatan yang berbeda, yang telah sangat aya dengan harapan untu semua lapangan yang diaji. Dengan menggunaan metoda wavelet telah secara umum dilauan dengan suses penyelesaian numeri persamaan diferensial parsial, pengolahan sinyal seismi dan geofisia, pengolahan sinyal dan citra biomedi/medis, omuniasi dan bahan diombinasian dengan fractal untu digunaan salah satunya menghilangan noise dalam musi. Dalam penginderaan jauh salah satunya Marcello Melis dan Andrea Lazzori menggunaan transformasi wavelet untu meredusi noise pada citra ERS-1 yang dilaporan pada First ERS-1 Pilot Project Worshop di Toledo Spanyol tahun Dalam tulisan ini penulis aan melaporan hasil penerapan transformasi wavelet untu meredusi noise pada citra ERS daerah Semarang Jawa Tengah. TEORI Seseorang telah mengenal Transformasi Fourier tida aan esulitan untu mengenal Trnasformasi Wavelet. Transformasi Wavelet atau expansi wavelet didefinisian sebagai f ( t) = a ψ ( t) 2-1 t Di mana l bulat positif (integer), a l oefisien espansi (riil) dan ψ l (t) fungsi riil. Bila espansinya uni, set disebut basis dari fungsi yang diespansian. Kalau basis-basis tersebut ortogonal maa l l ψ ( t); ψ l ( t) = ψ ( t) ψ l ( t) dt = 0; l 2-2 a = f ( t ), ψ ( t ) = f ( t ) ψ ( t ) dt 2-3
3 Koefisien dapat dihitung dengan inner product Dengan mensubstitusian (2-1) e (2-3) menggunaan (2-2) menghasilan oefisien a yang tunggal. Bila set basis ta ortogonal maa edua set basis tersebut memberi oefisien yang diehendai. Gambar 2-1. Fungsi Sala dan Wavelet Espansi Daubechies Fungsi wavelet diperoleh dari penggeseran (translasi) dan pengubahan sala, yang dinyataan dengan dua parameter translasi dan parameter sala. Espansi fungsi dalam transformasi wavelet tersebut tergantung pada sepasang parameter yang membuat persamaan (2-1) menjadi f ( t) = d j, ψ j, ( t) 2-4 di mana indes integer j dan masing-masing beraitan dengan parameter sala dan translasi. ψ j, (t) adalah fungsi espansi wavelet yang merupaan suatu basis ortogonal. Wavelet terdiri atas banya jenis, salah satunya diembangan oleh Daubechies (lihat Gambar 2-1), merea mempunyai sifat yang sama yaitu; Semua yang disebut sistem wavelet generasi pertama dibangitan dari suatu fungsi sala (scaling function) tunggal atau wavelet dengan sala dan translasi sederhana. Energi sinyal terespansi secara bai oleh beberapa oefisien a j,. Perhitungan oefisien transformasi wavelet yang dilasanaan lebih efisien dibanding FFT, yang dinyataan dengan omplesitas omputasi antara O(N) dan O(Nlog(N)). j
4 Semua sistem wavelet dibangitan dari fungsi sala atau wavelet tunggal dengan translasi sederhana. Secara umum wavelet dibangitan dari suatu fungsi (pembangit wavelet atau ibu wavelet) ψ(t) melalui ψ t a 1/ 2 t b m, n ( ) = ψ ( ) a 2-5 di mana a = a o m 0 sebagai parameter dilasi dan b = nb o a o m > 0 adalah parameter translasi. Fungsi yang paling populer digunaan saat ini adalah dengan harga pada tetapan a o = 2 dan b o = 1; j / 2 j ψ ( t ) = 2 ψ (2 t ) j, z 2-6 j, di mana z adalah himpunan integer dan fator 2 j/2 merupaan onstanta yang menjaga norm bebas dari j. Fungsi ψ(t) ini merupaan basis ortonormal ruang L 2 ( R ). Transformasi Wavelet seperti dalam transformasi Fourier juga terdiri atas dua jenis, yaitu Transformasi Wavelet Kontinyu dan Transformasi Wavelet Disrit. Dalam transformasi wavelet Disrit terdapat dua hal yang penting yaitu Sistem Disrit Berlebih (berbingai-bingai) dan Basis Wavelet Ortonormal. Basis Wavelet Ortonormal dapat diinterpretasi secara pratis dan matematis melalui onsep multiresolusi, yaitu efe atas perubahan fungsi sala, di mana wavelet adalah ortonormal dan setiap fungsi dalam ruang dapat dideati oleh ombinasi linear terbatas dari fungsi wavelet. Untu memudahan perhitungan diperenalan suatu fungsi bantu yang disebut fungsi sala. Fungsi ini mempunyai hubungan dengan wavelet yang dinyataan dalam persamaan beriut; di mana j / 2 j ϕ ( t) = 2 ϕ(2 t ) 2-7 j, ψ ( x) = ϕ( x) = d ϕ( x ) c ϕ(2x ) Untu menjelasan multiresolusi perlu dilihat ruang vetor L 2 (R). Ruang tersebut dibentang berdasaran basis fungsi sala ϕ(t) yang didefinisian sebagai ν = span{ ϕ ( t)} 2-9 o 2-8,a 2-8,b
5 untu semua integer dari - e + yang berarti Secara umum uuran bagian ruang dapat merubah-rubah, sala watu fungsi sala. f ( t) = a ϕ ( t) untu setiap f(t) ν o 2-10 Basis fungsi sala dapat ditulis dengan bentangan e adalah j ν = span{ ϕ (2 t)} = span{ ϕ, ( t)} 2-11 j untu semua integer z yang berarti bahwa bila f(t) ν j, maa dapat dinyataan sebagai j j f ( t) = a ϕ(2 t ) 2-12 untu j >0, bentangan dapat lebih besar jia ϕ j, (t) lebih sempit dan bergeser dalam langah yang lebih ecil, sehingga lebih detil (halus). Untu j <0, ϕ j, (t) lebih lebar dan digeser lebih lebar. Multiresolusi tersebut dapat diformulasian sebagai bentang ruang yang bertingat seperti beriut, atau dengan ν -2 ν -1 ν o ν 1 ν 2 L a ν j ν j+1 untu semua j z 2-13b ν - = {0}, ν = L c Ruang yang berisi sinyal resolusi tinggi aan berisi juga sinyal beresolusi lebih rendah. Karena definisi ν j, ruang-ruang harus memenuhi suatu ondisi sala alami. f ( t) ν f (2t) ν 2-14 j j+ yang menjamin elemen-elemen dalam ruang merupaan sala versus elemen-elemen ruang beriutnya. Resolusi ruang yang terbentang berturut-turut dari ϕ(2 j t-) diilustrasian dalam Gambar 2-2 beriut.
6 ν 3 ν o ν 1 ν 2 Gambar 2-2. Ruang Vetor Bertingat yang Dibentang oleh Fungsi Sala Bila ϕ(t) dalam ν o, berarti ϕ(t) juga dalam ν 1, ν 2, ν 3 dan seterusnya dalam ν. Ruang dapat dibentang dari ϕ(2t), ϕ(t) dapat dinyataan dalam jumlah berbobot ϕ(2t) yang ditranslasi ϕ( t) = h( n) 2ϕ( 2t n) n z n 2-15 oefisien h(n) adalah deretan bilangan riil atau omple yang disebut oefisien fungsi sala (filter sala atau vetor sala). Sebagai contoh fungsi sala Haar yang berbentu pulsa sederhana yang bertinggi dan lebar satu (lihat Gambar 2-3), terlihat bahwa ϕ(2t) dapat digunaan untu membangun ϕ(t) dengan ϕ( t) = ϕ( 2t) + ϕ( 2t 1) 2-16 oefisien adalah h(0) = 1/ 2, dan h(1) = 1/ 2. Sinyal dapat direpresentasian secara lebih bai dengan fungsi wavelet ψ j, (t) yang lebih bai. Fungsi tersebut membentang ruang di dalam ruang yang dibentang fungsifungsi sala. Semua anggota fungsi tersebut ortogonal dengan fungsi sala. Bila ruang fungsi sala dinyataan dengan ν maa ruang wavelet adalah ϖ, maa semua anggota ν j otogonal dengan ϖ j, dinyataan dengan ϕ j, ( t), ψ j, l ( t) = ϕ j, ( t) ψ j, l ( t) dt =
7 untu semua j,, l z yang coco. 0,5 1 ϕ( t) = ϕ( 2t) + ϕ( 2t 1) Gambar 2-3: Penguraian fungsi sala. Didefinisian wavelet yang membentang bagian ruang ϖ o sedemiian rupa hingga diembangan menjadi ν1 = ν0 ϖ o ν = ν ϖ ϖ 2 o o a 2-18b seterusnya secara umum memberi 2 L o o = ν ϖ ϖ ϖ L c Jia ν o adalah bagian ruang permulaan dengan bentang fungsi sala ϕ(t-), gambar 2-4 secara grafis memberi gambaran ruang bertingat fungsi sala dengan berbagai sala j dan bagaimana ruang wavelet terhubung. ϖ 2 ϖ 1 ϖ o ν o Gambar 2-4. Fungsi Sala dan Ruang Vetor Wavelet
8 Wavelet yang ada dalam ruangan dibentang oleh fungsi sala tersempit beriutnya, ϖ o ν 1, direpresentasian oleh jumlah berbobot fungsi sala tergeser ϕ(2t). ψ ( t) = h 1 ( n) 2ϕ ( 2t n) n z n 2-19 untu beberapa set h 1 (n). Koefisien tersebut dapat diperoleh dari oefisien fungsi sala n h1 ( n) = ( 1) h( 1 n) 2-20 untu suatu h(n) panjang tertentu N, n h1 ( n) = ( 1) h( N 1 n) 2-21 Prototipe wavelet atau ibu wavelet adalah ψ j, j/ j ( t) = 2 2 ψ ( 2 t ) 2-22 Sehingga diperoleh suatu set fungsi-fungsi ϕ(t) dan ψ(t) yang dapat membentang L 2 (R). Contoh fungsi sala Haar di atas dapat memberi wavelet sebagai yang diilustrasian dalam gambar 2-5. Suatu fungsi g(t) L 2 (R ) dapat ditulis sebagai g( t) = c( ) ϕ ( t) + d( j, ) ψ j, ( t ) = j= 0 = 2-23 sebagai deret espansi dalam fungsi sala dan wavelet. ψ(t)=ϕ(2t) - ϕ(2t-1) Gambar 2-5. Wavelet Fungsi Haar
9 PEMANFAATAN WAVELET Seperti telah diemuaan pada pendahuluan Transformasi Wavelet dapat digunaan untu menyelesaian masalah dalam berbagai macam lapangan ilmu. Dalam pengolahan sinyal transformasi ini dapat diombinasian dengan FFT dan mempercepat perhitungan tersebut sehingga mengurangi eomplean omputasi (computation complexity) menjadi O(N). Diantara banya pemanfaatan Transformasi Wavelet ada tiga macam yang aan diemuaan dalam tulisan ini yang beraitan dengan pengolahan sinyal dan citra penginderaan jauh, yaitu; pengurangan noise (denoising), dan ompresi. Filtering Yang dimasud dengan filter dalam pengolahan sinyal adalah "finite impulse response" sederetan harga respons yang berderet dengan panjang tertentu (FIR) maupun tida tertentu "infinite impulse response" H(ω) ν o ϖ o ϖ 1 ϖ 2 0 π/8 π/4 π/2 π ω Gambar 3-1. Pita Freuensi dalam Transformasi Wavelet (IIR) yang dienaan pada suatu sinyal yang masu; eluarannya diselesaian dengan onvolusi. Harga respons tersebut dinamaan juga oefisien filter. Para ilmuwan sudah biasa menyelesaian dengan Transformasi Fourier ataupun dengan Transformasi Z. Searang ternyata merea juga dapat menyelesaian persoalan filtering menggunaan Transformasi Wavelet dengan lebih mudah. Mereapun dapat juga menganalisis dengan menguraian suatu sinyal berdasar freuensinya. Tanggap freuensi suatu filter digital dengan oefisien tanggap impulsnya h(n) adalah H h n e i ω ( ω) = ( ) n 3-1 n=
10 Di mana h(n) adalah oefisien filter dalam notasi digital. Apabila jumlah oefisien terbatas misalnya N, maa filter disebut filter tanggap impuls terbatas atau FIR (Finite Impuls Response), sebalinya bila jumlahnya ta terhingga disebut filter tanggap impuls ta terhingga atau IIR (Infinite Impuls Response). Jia masuan adalah merupaan suatu deretan pulsa x(n) maa eluaran adalah y(n) yang dapat ditulisan menjadi N 1 y( n) = h( ) x( n ) = Sebagai contoh adalah suatu filter tanggap impuls terbatas dinyataan dalam transformasi wavelet yang digambaran dalam pohon analisis pada gambar 3-2 beriut, c j+1 ν 2 h 1 (-n) h 0 (-n) 2 Gambar 3-2. Pohon Analisis Koefisien Filter Dua Pita Dua Tingat 2 d j ϖ 1 h(-n) 2 h 0 (-n) 2 d j-1 ϖ 0 c j-1 ν 0 Dari pohon analisis tersebut dapat diembangan dua persamaan yaitu; dan ν2 = ν1 + νo + ϖo 3-3 c j = d j + d j 1 + c j Sedangan sinyal eluaran dapat diperoleh dari persamaan umum ( j+ 1)/ 2 j+ 1 ( j+ 1)/ 2 j+ 1 f ( t) = c j ( ) h( n) 2 ϕ( 2 t 2 n) + d j ( ) h 1( n) 2 ϕ( 2 t 2 n) Pengurangan Noise n Pengurangan noise sinyal dengan TW memanfaatan arateristinya yang mampu mengonsentrasian energi. Sinyal yang dianalisis yang energinya n 3-5
11 teronsentrasi dalam sejumlah ecil dimensi wavelet oefisiennya relatif besar dibanding dengan noise yang energinya menyebar. Dengan treholding dan shrining TW aan dapat menghilangan noise atau sinyal lain yang ta diehendai dalam domain wavelet. Kemudian ita aan memperoleh embali sinyal yang diingini (walaupun sediit eurangan detail) setelah melauan inverse terhadap wavelet tersebut. Andaian sinyal dengan dimensi tertentu dengan noisenya adalah y = x + εn i i 3-6 dimana x i adalah sinyal asli, ε adalah deviasi dan n adalah noise. Setelah ditransformasi atau Y = X + N Yi = X i + N i 3-7a 3-7b dimana huruf besar menyataan variabel yang berada dalam domain transformasi wavelet. Bila W merupaan maris transformasi wavelet dan inversenya adalah W -1 di mana berlau WW -1 = I, maa Y = Wy, X = Wx dan N = Wn. Pengurangan noise menurut Donoho dapat dilasanaan dengan urutan seperti digambaran dalam blo diagram beriut Citra masu TW tresh eras tresh luna invers TW Citra eluar Gambar 3-3. Diagram Blo Proses Pengurangan Noise Bila sinyal atau citra masuan dinyataan dengan y maa transformasi dapat ditulis sebagai Y = Wy 3-8 emudian dilasanaan tresholding dalam domain wavelet, dapat menggunaan apa yang disebut "hard thresholding" $ Y, Y t X = Th( Y, t) = 0, Y t 3-9
12 atau menurut yang disebut "soft thresholding" dan terahir dilauan inverse transformasi wavelet untu memperoleh citra yang diehendai. $ sgn( Y)( Y t), Y t X = Ts( Y, t) = 0, Y t 3-10 y = W -1 Y 3-11 Kompresi Citra Dari teori dasar informasi, dietahui bahwa jumlah rata-rata bit yang diperluan untu merepresentasian suatu variabel aca disrit yang didistribusian secara independen dan identi X adalah entropinya H(X). Bila distribusinya P(X) dietahui, maa dapat dirancang suatu sandi aritmatia atau sandi Hoffman atau metoda adaptif untu memperoleh eadaan minimumnya. Variabel aca ontinyu memerluan suatu jumlah bit yang ta terhingga untu merepresentasian sesuatu besaran, oleh arena itu diperluan suatu uantisasi untu presentasi yang terbatas dan pratis. h(n) h(n) a. Kuantisasi sebelum transformasi b. Kuantisasi setelah transformasi Gambar 3-4. Kuantisasi sebelum dan sesudah Transformasi Pelasanaan ompresi secara garis besar divisualisasian sebagai gambar blo beriut Citra masu Transfor masi uanti sasi sandi entropi citra terom presi Gambar 3-5. Prototipe Kompresi Penyimpanan Citra
13 FILTER UNTUK DATA RADAR Dalam berbagai daftar pustaa pengolahan data RADAR yang telah dipergunaan secara luas dalam masyaraat penginderaan jauh, ditawaran beberapa filter dalam ranga menghilangan noise atau specel yang ada dalam citra data SAR yang digunaan sehingga diperoleh suatu data yang bai, dengan sesediit mungin esalahan. Diantaranya antara lain adalah filter-filter yang tergolong dalam filter adaptif yaitu filter Average, filter Lee dan filter Median. Beberapa peneliti telah melauan pengamatan secara tida langsung terhadap penggunaan filter yang harus dipergunaan dan filter mana yang paling bai, namun beberapa pengamat mengataan filter satu lebih bai dari pada filter lain pada satu pemanfaatan dan filter yang lain lebih bai dari yang lain pada pa saat digunaan dalam pemaaian yang lain pula. Perbaian citra SAR menurut Melis dan Lazzori (1994) dapat dilasanaan dengan menerapan filter yang sesuai, salah satunya adalah dengan transformasi wavelet. Dalam percobaan yang dilauan oleh penulis, data yang digunaan adalah data citra JERS-1 SAR daerah Semarang (lihat gambar 4-1). Sedangan filter yang digunaan menggunaan wavelet fungsi Daubechies. Dengan menggunaan fasilitas yang ada dalam Matlab dilauan beberapa transformasi pada citra yang ada. Di samping itu juga dilauan pemfilteran citra tersebut menggunaan filter Average, filter Lee dan filter Median. Setelah ditransformasi, citra emudian direonstrusi dengan oefisien yang telah diperoleh tersebut. Kemudian juga dilauan thresholding untu tida menghilangan noise yang terbawa oleh sensor radar SAR JERS-1. Kemudian diperbandingan citra-citra hasil yang diperoleh setelah dienaan filter-filter tersebut di atas. Gambar 4-1. Citra JERS-1 SAR Semarang
14 HASIL PERCOBAAN Cita-citra hasil yang diperoleh dari penerapan filter-filter Average, Lee, Median dan Wavelet ditampilan dalam gambar 5-1 yaitu a) filter Average, b) filter Lee, c) filter Median dan d) Wavelet. Dari gambar tersebut tampa jelas perbedaan-perbedaan dari hasil filter. Gambar 5-1. Hasil-hasil Penerapan Filter Average, Lee, Median dan Wavelet Citra wavelet yang disajian dalam gambar 5-1 adalah hasil reonstrusi tingat pertama. Koefisien tingat pertama yang terdiri atas omponen citra yang uurannya lebih ecil dari aslinya. Tingat e dua dimensinya semain ecil dan seterusnya main tinggi tingatnya dimensinya semain ecil. Bila yang asli beruuran ( 240, 240), maa oefisien dan reonstrusi tingat pertama beruuran ( 120, 120) dan uuran oefisien dan reonstrusi tingat e dua adalah (60, 60). Ternyata reonstrusi citra melalui transformasi wavelet invers tersebut dapat memperoleh embali citra dengan ualitas yang tida menurun secara berarti. Namun hasilnya tida sebagus filter-filter yang lain. Pemfilteran dengan pemanfaatan transformasi wavelet dalam pengolahan citra ini belum optimal, masih aan dilanjutan untu memperoleh reliabelitas yang lebih bai dan filter dengan jenis fungsi wavelet yang berbeda-beda.
15 KESIMPULAN Dari uraian yang tertuang dalam bab-bab terdahulu maa dapat diambil esimpulan bahwa: a. Dengan menggunaan transformasi wavelet dapat dilauan penghilangan derau (noise), freuensi yang tida diehendai. b. Uuran omponen citra semain tinggi tingat transformasinya semain mengecil sehingga alau direonstrusi uuran hasilnya pun sama. c. Namun dalam percobaan yang dilauan, belum dapat menunjuan filter hasil transformasi wavelet yang paling bai. masih aan dicoba dengan fungsi wavelet yang lain. DAFTAR PUSTAKA 1. BURRUS, C. SIDNEY at. al. Introduction to Wavelets and Wavelet Transformation, Prentice Hall International Inc. New Jersey, (1998) 2. DAUBECHIES, INGRID, Ten Lectures on Wavelets, Society for Industrial and Applied Mathematics, Philadelphia, (1992) 3. MELIS, MARCELLO dan LAZZORI, A., Multi Temporal and Single Image Freature Extraction, From ERS-1 SAR Image Data with Wavelet Transforms and Unsupervised Neural Networs, Peoceedings of First ERS-1 Pilot Project Worshop, Toledo, Spain, June 1994 (ESA Sp 365 Oct 1994) 4. WICKERHAUSER, MLADEN VICTOR, Adapted Wavelet Analysis from Theory to Software, IEEE, Piscataway - New Jersey, (1994)
16 DAFTAR RIWAYAT HIDUP 1. Nama : MOHAMMAD NATSIR 2. Tempat/Tanggal Lahir : Solo, 25 September Instansi : LAPAN 4. Peerjaan / Jabatan : Kepala Unit KomDu, Pus. Teja 5. Riwayat Pendidian : (setelah SMA sampai searang) FMIPA-UGM, Jurusan Fisia (S1) Pasca Sarjana Non Gelar Teni Penginderaan Jauh Training Penginderaan Jauh 6. Pengalaman Kerja : searang : LAPAN : Lab. Fisia Dasar FMIPA-UGM 7. Organisasi Professional : Himpunan Fisia Indonesia (HFI) Masyaraat Penginderaan Jauh Indonesia (MAPIN)
Perangkat Lunak Koreksi Citra dengan Metode Wavelet
Perangkat Lunak Koreksi Citra dengan Metode Wavelet Waisen STMIK - IBBI Jl. Sei Deli, telp : 061-4567111 e-mail: white_sen@yahoo.com Abstrak Citra radar SAR pada umumnya mempunyai noise dan speckel yang
Lebih terperinciTransformasi Wavelet Diskret Untuk Data Time Series
SEMINAR NASIONAL MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 015 Transformasi Wavelet Disret Untu Data Time Series S - 11 11 Vemmie Nastiti Lestari, Subanar Jurusan Matematia, Faultas Matematia dan Ilmu Pengetahuan
Lebih terperinciPENDAHULUAN TINJAUAN PUSTAKA
1 Latar Belaang PENDAHULUAN Sistem biometri adalah suatu sistem pengenalan pola yang melauan identifiasi personal dengan menentuan eotentian dari arateristi fisiologis dari perilau tertentu yang dimilii
Lebih terperinciVARIASI NILAI BATAS AWAL PADA HASIL ITERASI PERPINDAHAN PANAS METODE GAUSS-SEIDEL
SEMINAR NASIONAL PENDIDIKAN SAINS Peningatan Kualitas Pembelajaran Sains dan Kompetensi Guru melalui Penelitian & Pengembangan dalam Menghadapi Tantangan Abad-1 Suraarta, Otober 016 VARIASI NILAI BATAS
Lebih terperinciPenggunaan Induksi Matematika untuk Mengubah Deterministic Finite Automata Menjadi Ekspresi Reguler
Penggunaan Indusi Matematia untu Mengubah Deterministic Finite Automata Menjadi Espresi Reguler Husni Munaya - 353022 Program Studi Teni Informatia Seolah Teni Eletro dan Informatia Institut Tenologi Bandung,
Lebih terperinciVariasi Spline Kubik untuk Animasi Model Wajah 3D
Variasi Spline Kubi untu Animasi Model Wajah 3D Rachmansyah Budi Setiawan (13507014 1 Program Studi Teni Informatia Seolah Teni Eletro dan Informatia Institut Tenologi Bandung, Jl. Ganesha 10 Bandung 40132,
Lebih terperinciBAB III DESAIN DAN APLIKASI METODE FILTERING DALAM SISTEM MULTI RADAR TRACKING
Bab III Desain Dan Apliasi Metode Filtering Dalam Sistem Multi Radar Tracing BAB III DESAIN DAN APLIKASI METODE FILTERING DALAM SISTEM MULTI RADAR TRACKING Bagian pertama dari bab ini aan memberian pemaparan
Lebih terperinciOptimasi Non-Linier. Metode Numeris
Optimasi Non-inier Metode Numeris Pendahuluan Pembahasan optimasi non-linier sebelumnya analitis: Pertama-tama mencari titi-titi nilai optimal Kemudian, mencari nilai optimal dari fungsi tujuan berdasaran
Lebih terperinciPENYELESAIAN PERSAMAAN LOTKA-VOLTERRA DENGAN METODE TRANSFORMASI DIFERENSIAL. Sutriani Hidri. Ja faruddin. Syafruddin Side, ABSTRAK
PENYELESAIAN PERSAMAAN LOTKA-VOLTERRA DENGAN METODE TRANSFORMASI DIFERENSIAL Syafruddin Side, Jurusan Matematia, FMIPA, Universitas Negeri Maassar email:syafruddinside@yahoo.com Info: Jurnal MSA Vol. 3
Lebih terperinciMETODE WATERMARKING UNTUK PENYISIPAN INDEKS DATA PADA IMAGE MENGGUNAKAN HAAR TRANSFORMASI WAVELET
METODE WATERMARKING UNTUK PENYISIPAN INDEKS DATA PADA IMAGE MENGGUNAKAN HAAR TRANSFORMASI WAVELET Maryanti 1, Nana Juhana, ST. 1, Manahan P.Siallagan S.Si, MT. 1 1) Jurusan Teni Informatia, FT, UNIKOM
Lebih terperinciSUATU KLAS BILANGAN BULAT DAN PERANNYA DALAM MENGKONSTRUKSI BILANGAN PRIMA
SUATU KLAS BILANGAN BULAT DAN PERANNYA DALAM MENGKONSTRUKSI BILANGAN PRIMA I Nengah Suparta dan I. B. Wiasa Jurusan Pendidian MatematiaUniversitas Pendidian Ganesha E-mail: isuparta@yahoo.com ABSTRAK:
Lebih terperinci4. 1 Spesifikasi Keadaan dari Sebuah Sistem
Dalam pembahasan terdahulu ita telah mempelajari penerapan onsep dasar probabilitas untu menggambaran sistem dengan jumlah partiel ang cuup besar (N). Pada bab ini, ita aan menggabungan antara statisti
Lebih terperinciKata Kunci : Multipath, LOS, N-LOS, Network Analyzer, IFFT, PDP. 1. Pendahuluan
Statisti Respon Kanal Radio Dalam Ruang Pada Freuensi,6 GHz Christophorus Triaji I, Gamantyo Hendrantoro, Puji Handayani Institut Tenologi Sepuluh opember, Faultas Tenologi Industri, Jurusan Teni Eletro
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1. Statisti Inferensia Tujuan statisti pada dasarnya adalah melauan desripsi terhadap data sampel, emudian melauan inferensi terhadap data populasi berdasaran pada informasi yang
Lebih terperinciAplikasi diagonalisasi matriks pada rantai Markov
J. Sains Dasar 2014 3(1) 20-24 Apliasi diagonalisasi matris pada rantai Marov (Application of matrix diagonalization on Marov chain) Bidayatul hidayah, Rahayu Budhiyati V., dan Putriaji Hendiawati Jurusan
Lebih terperinciSATUAN ACARA PERKULIAHAN ( SAP )
SATUAN ACARA PERKULIAHAN ( SAP ) Mata Kuliah : Pengolahan Citra Digital Kode : IES 6323 Semester : VI Watu : 1x 3x 50 Menit Pertemuan : 7 A. Kompetensi 1. Utama Mahasiswa dapat memahami tentang sistem
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belaang Model Loglinier adalah salah satu asus husus dari general linier model untu data yang berdistribusi poisson. Model loglinier juga disebut sebagai suatu model statisti
Lebih terperinciBAB 1 PENDAHULUAN. Universitas Sumatera Utara
BAB 1 PENDAHULUAN 1.1 Latar Belaang Keadaan dunia usaha yang selalu berubah membutuhan langah-langah untu mengendalian egiatan usaha di suatu perusahaan. Perencanaan adalah salah satu langah yang diperluan
Lebih terperinciPENYELESAIAN PERSAMAAN LOTKA-VOLTERRA DENGAN METODE TRANSFORMASI DIFERENSIAL SUTRIANI HIDRI
PENYELESAIAN PERSAMAAN LOTKA-VOLTERRA DENGAN METODE TRANSFORMASI DIFERENSIAL SUTRIANI HIDRI Jurusan Matematia, FMIPA, Universitas Negeri Maassar Email: nanni.cliq@gmail.com Abstra. Pada artiel ini dibahas
Lebih terperinciMODEL REGRESI INTERVAL DENGAN NEURAL FUZZY UNTUK MEMPREDIKSI TAGIHAN AIR PDAM
MODEL REGRESI INTERVAL DENGAN NEURAL FUZZY UNTUK MEMPREDIKSI TAGIHAN AIR PDAM 1,2 Faultas MIPA, Universitas Tanjungpura e-mail: csuhery@sisom.untan.ac.id, email: dedi.triyanto@sisom.untan.ac.id Abstract
Lebih terperinciPROGRAM SIMULASI UNTUK REALISASI STRUKTUR TAPIS INFINITE IMPULSE RESPONSE UNTUK MEDIA PEMBELAJARAN DIGITAL SIGNAL PROCESSING
Konferensi asional Sistem dan Informatia 28; Bali, ovember 15, 28 KS&I8-44 PROGRAM SIMULASI UTUK REALISASI STRUKTUR TAPIS IFIITE IMPULSE RESPOSE UTUK MEDIA PEMBELAJARA DIGITAL SIGAL PROCESSIG Damar Widjaja
Lebih terperinciBAB 3 LANGKAH PEMECAHAN MASALAH
BAB 3 LANGKAH PEMECAHAN MASALAH 3.1 Penetapan Kriteria Optimasi Gambar 3.1 Bagan Penetapan Kriteria Optimasi Sumber: Peneliti Determinasi Kinerja Operasional BLU Transjaarta Busway Di tahap ini, peneliti
Lebih terperinciBAB 5 RUANG VEKTOR UMUM. Dr. Ir. Abdul Wahid Surhim, MT.
BAB 5 RUANG VEKTOR UMUM Dr. Ir. Abdul Wahid Surhim, MT. KERANGKA PEMBAHASAN. Ruang Vetor Nyata. Subruang. Kebebasan Linier 4. Basis dan Dimensi 5. Ruang Baris, Ruang Kolom dan Ruang Nul 6. Ran dan Nulitas
Lebih terperinciPELABELAN FUZZY PADA GRAF. Siti Rahmah Nurshiami, Suroto, dan Fajar Hoeruddin Universitas Jenderal Soedirman.
JMP : Volume 6 Nomor, Juni 04, hal. - PELABELAN FUZZY PADA GRAF Siti Rahmah Nurshiami, Suroto, dan Fajar Hoeruddin Universitas Jenderal Soedirman email : oeytea0@gmail.com ABSTRACT. This paper discusses
Lebih terperinciSISTEM ADAPTIF PREDIKSI PENGENALAN ISYARAT VOKAL SUARA KARAKTER. Abstrak
SISTEM ADAPTIF PREDIKSI PENGENALAN ISYARAT VOKAL SUARA KARAKTER Oleh : Pandapotan Siagia, ST, M.Eng (Dosen tetap STIKOM Dinamia Bangsa Jambi) Abstra Sistem pengenal pola suara atau yang lebih dienal dengan
Lebih terperinciADAPTIVE NOISE CANCELING MENGGUNAKAN ALGORITMA LEAST MEAN SQUARE (LMS) Anita Nardiana, SariSujoko Sumaryono ABSTRACT
Jurnal Teni Eletro Vol. 3 No.1 Januari - Juni 1 6 ADAPTIVE NOISE CANCELING MENGGUNAKAN ALGORITMA LEAST MEAN SQUARE (LMS) Anita Nardiana, SariSujoo Sumaryono ABSTRACT Noise is inevitable in communication
Lebih terperinciANALISA STATIK DAN DINAMIK GEDUNG BERTINGKAT BANYAK AKIBAT GEMPA BERDASARKAN SNI DENGAN VARIASI JUMLAH TINGKAT
Jurnal Sipil Stati Vol. No. Agustus (-) ISSN: - ANALISA STATIK DAN DINAMIK GEDUNG BERTINGKAT BANYAK AKIBAT GEMPA BERDASARKAN SNI - DENGAN VARIASI JUMLAH TINGKAT Revie Orchidentus Francies Wantalangie Jorry
Lebih terperinciINTEGRAL NUMERIK KUADRATUR ADAPTIF DENGAN KAIDAH SIMPSON. Makalah. Disusun guna memenuhi tugas Mata Kuliah Metode Numerik. yang dibimbing oleh
INTEGRAL NUMERIK KUADRATUR ADAPTIF DENGAN KAIDAH SIMPSON Maalah Disusun guna memenuhi tugas Mata Kuliah Metode Numeri yang dibimbing oleh Dr. Nur Shofianah Disusun oleh: M. Adib Jauhari Dwi Putra 146090400111001
Lebih terperinciBAB IV Solusi Numerik
BAB IV Solusi Numeri 4. Algoritma Genetia Algoritma Genetia (AG) [2] merupaan teni pencarian stoasti yang berdasaran pada meanisme selesi alam dan prinsip penurunan genetia. Algoritma genetia ditemuan
Lebih terperinci( s) PENDAHULUAN tersebut, fungsi intensitas (lokal) LANDASAN TEORI Ruang Contoh, Kejadian dan Peluang
Latar Belaang Terdapat banya permasalahan atau ejadian dalam ehidupan sehari hari yang dapat dimodelan dengan suatu proses stoasti Proses stoasti merupaan permasalahan yang beraitan dengan suatu aturan-aturan
Lebih terperinciBAB IV APLIKASI PADA MATRIKS STOKASTIK
BAB IV : ALIKASI ADA MARIKS SOKASIK 56 BAB IV ALIKASI ADA MARIKS SOKASIK Salah satu apliasi dari eori erron-frobenius yang paling terenal adalah penurunan secara alabar untu beberapa sifat yang dimilii
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1. Sistem Kendali Lup [1] Sistem endali dapat diataan sebagai hubungan antara omponen yang membentu sebuah onfigurasi sistem, yang aan menghasilan tanggapan sistem yang diharapan.
Lebih terperinciPenerapan Sistem Persamaan Lanjar untuk Merancang Algoritma Kriptografi Klasik
Penerapan Sistem Persamaan Lanjar untu Merancang Algoritma Kriptografi Klasi Hendra Hadhil Choiri (135 08 041) Program Studi Teni Informatia Seolah Teni Eletro dan Informatia Institut Tenologi Bandung,
Lebih terperinciMakalah Seminar Tugas Akhir
Maalah Seminar Tugas Ahir PENDETEKSI POSISI MENGGUNAKAN SENSOR ACCELEROMETER MMA7260Q BERBASIS MIKROKONTROLER ATMEGA 32 Muhammad Riyadi Wahyudi, ST., MT. Iwan Setiawan, ST., MT. Abstract Currently, determining
Lebih terperinciSISTEM ADAPTIF PREDIKSI PENGENALAN ISYARAT VOKAL SUARA KARAKTER
SISTEM ADAPTIF PREDIKSI PENGENALAN ISYARAT VOKAL SUARA KARAKTER Pandapotan Siagian, ST, M.Eng Dosen Tetap STIKOM Dinamia Bangsa - Jambi Jalan Sudirman Theoo Jambi Abstra Sistem pengenal pola suara atau
Lebih terperinciPenempatan Optimal Phasor Measurement Unit (PMU) dengan Integer Programming
JURAL TEKIK POMITS Vol. 2, o. 2, (2013) ISS: 2337-3539 (2301-9271 Print) B-137 Penempatan Optimal Phasor Measurement Unit (PMU) dengan Integer Programming Yunan Helmy Amrulloh, Rony Seto Wibowo, dan Sjamsjul
Lebih terperinciBAB 2 TEORI PENUNJANG
BAB EORI PENUNJANG.1 Konsep Dasar odel Predictive ontrol odel Predictive ontrol P atau sistem endali preditif termasu dalam onsep perancangan pengendali berbasis model proses, dimana model proses digunaan
Lebih terperinciKORELASI ANTARA DUA KELOMPOK VARIABEL KUANTITATIF DALAM ANALISIS KANONIK
Jurnal Pengaaran MIPA, Vol. 0 No. Desember 007 ISSN: -097 KORELASI ANARA DUA KELOMPOK VARIABEL KUANIAIF DALAM ANALISIS KANONIK Oleh : Dewi Rachmatin, S.Si., M.Si. Jurusan Pendidian Matematia FPMIPA Universitas
Lebih terperinciRuang Barisan Orlicz Selisih Dengan Fungsional Aditif Dan Kontinunya
J. Math. and Its Appl. ISSN: 1829-605X Vol. 2, No. 1, May. 2005, 37 45 Ruang Barisan Orlicz Selisih Dengan Fungsional Aditif Dan Kontinunya Sadjidon Jurusan Matematia Institut Tenologi Sepuluh Nopember,
Lebih terperinciBAB II TEORI DASAR. Sistem struktur yang mengalami problem dinamik mempunyai perbedaan
BAB II TEORI DASAR II. Umum Sistem strutur yang mengalami problem dinami mempunyai perbedaan yang signifian terhadap problem stati. Yaitu sistem strutur pembebanan dinami memerluan sejumlah oordinat bebas
Lebih terperinciPEBANDINGAN METODE ROBUST MCD-LMS, MCD-LTS, MVE-LMS, DAN MVE-LTS DALAM ANALISIS REGRESI KOMPONEN UTAMA
PEBANDINGAN METODE ROBUST MCD-LMS, MCD-LTS, MVE-LMS, DAN MVE-LTS DALAM ANALISIS REGRESI KOMPONEN UTAMA Sear Wulandari, Nur Salam, dan Dewi Anggraini Program Studi Matematia Universitas Lambung Mangurat
Lebih terperinciAPLIKASI WAVELET RECURRENT NEURAL NETWORK UNTUK PREDIKSI DATA TIME SERIES. : Agus Sumarno NRP :
APLIKASI WAELET RECURRENT NEURAL NETWORK UNTUK PREDIKSI DATA TIME SERIES Nama : Agus Sumarno NRP : 06 00 706 Jurusan : Matematia Dosen Pembimbing : Drs. Daryono Budi Utomo, M.Si Abstra Model time series
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Teori Fuzzy 2.1.1 Dasar-Dasar Teori Fuzzy Secara prinsip, di dalam teori fuzzy set dapat dianggap sebagai estension dari teori onvensional atau crisp set. Di dalam teori crisp
Lebih terperinciEstimasi Konsentrasi Polutan Sungai Menggunakan Metode Reduksi Kalman Filter dengan Pendekatan Elemen Hingga
JURNAL SAINS DAN SENI POMITS ol. 2, No.1, (2013) 2337-3520 (2301-928X Print) 1 Estimasi Konsentrasi Polutan Sungai Menggunaan Metode Redusi Kalman Filter dengan Pendeatan Elemen Hingga Muyasaroh, Kamiran,
Lebih terperinciStudi dan Analisis mengenai Hill Cipher, Teknik Kriptanalisis dan Upaya Penanggulangannya
Studi dan Analisis mengenai Hill ipher, Teni Kriptanalisis dan Upaya enanggulangannya Arya Widyanaro rogram Studi Teni Informatia, Institut Tenologi Bandung, Jl. Ganesha 10 Bandung Email: if14030@students.if.itb.ac.id
Lebih terperinciBAB IV PERHITUNGAN HARGA PREMI BERDASARKAN FUNGSI PERMINTAAN PADA TITIK KESETIMBANGAN
BAB IV PERHITUNGAN HARGA PREMI BERDASARKAN FUNGSI PERMINTAAN PADA TITIK KESETIMBANGAN Berdasaran asumsi batasan interval pada bab III, untu simulasi perhitungan harga premi pada titi esetimbangan, maa
Lebih terperinciBAB 3 PATTERN MATCHING BERBASIS JARAK EUCLID, PATTERN MATCHING BERBASIS JARAK MAHALANOBIS, DAN JARINGAN SYARAF TIRUAN BERBASIS PROPAGASI BALIK
BAB 3 PATTERN MATCHING BERBASIS JARAK EUCLID, PATTERN MATCHING BERBASIS JARAK MAHALANOBIS, DAN JARINGAN SYARAF TIRUAN BERBASIS PROPAGASI BALIK Proses pengenalan dilauan dengan beberapa metode. Pertama
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belaang Masalah untu mencari jalur terpende di dalam graf merupaan salah satu masalah optimisasi. Graf yang digunaan dalam pencarian jalur terpende adalah graf yang setiap sisinya
Lebih terperinciKENDALI LOGIKA FUZZY DENGAN METODA DEFUZZIFIKASI CENTER OF AREA DAN MEAN OF MAXIMA. Thiang, Resmana, Wahyudi
KENDALI LOGIKA FUZZY DENGAN METODA DEFUZZIFIKASI CENTER OF AREA DAN MEAN OF MAXIMA Thiang, Resmana, Wahyudi Jurusan Teni Eletro, Universitas Kristen Petra Jl. Siwalanerto 121-131 Surabaya Email : thiang@petra.ac.id,
Lebih terperinciBEBERAPA SIFAT HIMPUNAN KRITIS PADA PELABELAN AJAIB GRAF BANANA TREE. Triyani dan Irham Taufiq Universitas Jenderal Soedirman
JMP : Volume 4 Nomor 2, Desember 2012, hal. 271-278 BEBERAPA SIFAT HIMPUNAN KRITIS PADA PELABELAN AJAIB GRAF BANANA TREE Triyani dan Irham Taufiq Universitas Jenderal Soedirman trianisr@yahoo.com.au ABSTRACT.
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA Pada bab ini disampaian beberapa pengertian dasar yang diperluan pada bab selanutnya. Selain definisi, diberian pula lemma dan teorema dengan atau tanpa buti. Untu beberapa teorema
Lebih terperinciBAB III PENENTUAN HARGA PREMI, FUNGSI PERMINTAAN, DAN TITIK KESETIMBANGANNYA
BAB III PENENTUAN HARGA PREMI, FUNGSI PERMINTAAN, DAN TITIK KESETIMBANGANNYA Pada penelitian ini, suatu portfolio memilii seumlah elas risio. Tiap elas terdiri dari n, =,, peserta dengan umlah besar, dan
Lebih terperinciANALISIS PETA KENDALI DEWMA (DOUBLE EXPONENTIALLY WEIGHTED MOVING AVERAGE)
Seminar Nasional Matematia dan Apliasinya, 1 Otober 17 ANALISIS PETA KENDALI DEWMA (DOUBLE EXPONENTIALLY WEIGHTED MOVING AVERAGE) DALAM PENGENDALIAN KUALITAS PRODUKSI FJLB (FINGER JOINT LAMINATING BOARD)
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1. Tinjauan Pustaa Untu menacapai tujuan penulisan sripsi, diperluan beberapa pengertian dan teori yang relevan dengan pembahasan. Karena itu, dalam subbab ini aan diberian beberapa
Lebih terperinciMENYELESAIKAN PERSAMAAN DIFFERENSIAL BILANGAN BULAT DAN BILANGAN RASIONAL
MENYELESAIKAN PERSAMAAN DIFFERENSIAL BILANGAN BULAT DAN BILANGAN RASIONAL Sarta Meliana 1, Mashadi 2, Sri Gemawati 2 1 Mahasiswa Program Studi S1 Matematia 2 Dosen Jurusan Matematia Faultas Matematia dan
Lebih terperinciAgar Xn berperilaku acak yang dapat dipertanggungjawabkan :
ara memperoleh data Zaman dahulu, dgn cara : 1. Melempar dadu 2. Mengoco artu Zaman modern (>1940), dgn cara membentu bilangan aca secara numeri/ aritmati(menggunaan omputer), disebut Pseudo Random Number
Lebih terperinciBAB III METODE PENELITIAN (BAHAN DAN METODE)
BAB III METODE PENELITIAN (BAHAN DAN METODE) Tahapan-tahapan pengerjaan yang dilauan dalam penelitian ini adalah sebagai beriut : 1. Tahap Persiapan Penelitian Pada tahapan ini aan dilauan studi literatur
Lebih terperinciKENDALI OPTIMAL PADA MASALAH INVENTORI YANG MENGALAMI PENINGKATAN
KENDALI OPTIMAL PADA MASALAH INVENTORI YANG MENGALAMI PENINGKATAN Pardi Affandi, Faisal, Yuni Yulida Abstra: Banya permasalahan yang melibatan teori sistem dan teori ontrol serta apliasinya. Beberapa referensi
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar belakang
BAB PENDAHULUAN. Latar belaang Metode analisis yang telah dibicaraan hingga searang adalah analisis terhadap data mengenai sebuah arateristi atau atribut (jia data itu ualitatif) dan mengenai sebuah variabel,
Lebih terperinciBAB ELASTISITAS. Pertambahan panjang pegas
BAB ELASTISITAS 4. Elastisitas Zat Padat Dibandingan dengan zat cair, zat padat lebih eras dan lebih berat. sifat zat padat yang seperti ini telah anda pelajari di elas SLTP. enapa Zat pada lebih eras?
Lebih terperinciSIMULASI FILTER KALMAN UNTUK ESTIMASI SUDUT DENGAN MENGGUNAKAN SENSOR GYROSCOPE
SIMULASI FILR KALMAN UNUK SIMASI SUDU DNGAN MNGGUNAKAN SNSOR GYROSCOP Wahyudi *), Adhi Susanto **), Sasongo Pramono **), Wahyu Widada ***) Abstact he Kalman filter is a recursive solution to the process
Lebih terperinciAPLIKASI PREDIKSI HARGA SAHAM MENGGUNAKAN JARINGAN SYARAF RADIAL BASIS FUNCTION DENGAN METODE PEMBELAJARAN HYBRID
APLIKASI PREDIKSI HARGA SAHAM MENGGUNAKAN JARINGAN SYARAF RADIAL BASIS FUNCTION DENGAN METODE PEMBELAJARAN HYBRID Ferry Tan, Giovani Gracianti, Susanti, Steven, Samuel Luas Jurusan Teni Informatia, Faultas
Lebih terperinciKARAKTERISTIK POHON FUZZY
KARAKTERISTIK POHON FUZZY Yuli Stiawati 1, Dwi Juniati 2, 1 Jurusan Matematia, Faultas Matematia dan Ilmu Pengetahuan Alam, Universitas Negeri Surabaya, 60231 2 Jurusan Matematia, Faultas Matematia dan
Lebih terperinciPENGARUH PELAYANAN TERHADAP KEPUASAN TERHADAP KEPUASAN NASABAH UNIT MOTOR S CENTRE FINANCING PLAZA MOTOR DI SAMARINDA
PENGARUH PELAYANAN TERHADAP KEPUASAN TERHADAP KEPUASAN NASABAH UNIT MOTOR S CENTRE FINANCING PLAZA MOTOR DI SAMARINDA Adam Husaien Faultas Eonomi Manajemen Unversitas 17 agustus 1945,Samarinda Indonesia
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1 Penelitian Terdahulu Penelitian yang aan dilauan meruju epada beberapa penelitian terdahulu yang sudah pernah dilauan sebelumnya, diantaranya: 1. I Gst. Bgs. Wisuana (2009)
Lebih terperinciPENGENALAN SIDIK JARI MENGGUNAKAN RESILIENT BACKPROPAGATION NEURAL NETWORK DENGAN PRAPROSES TRANSFORMASI WAVELET INEZA NUR OKTABRONI
PENGENALAN SIDIK JARI MENGGUNAKAN RESILIENT BACKPROPAGATION NEURAL NETWORK DENGAN PRAPROSES TRANSFORMASI WAVELET INEZA NUR OKTABRONI DEPARTEMEN ILMU KOMPUTER FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
Lebih terperinciBAB III METODE PENELITIAN (BAHAN DAN METODE)
BAB III METODE PENELITIAN (BAHAN DAN METODE) Tahapan-tahapan pengerjaan yang dilauan dalam penelitian ini adalah sebagai beriut : 1. Tahap Persiapan Penelitian Pada tahapan ini aan dilauan studi literatur
Lebih terperinciALGORITMA PENYELESAIAN PERSAMAAN DINAMIKA LIQUID CRYSTAL ELASTOMER
ALGORITMA PENYELESAIAN PERSAMAAN DINAMIKA LIQUID CRYSTAL ELASTOMER Oleh: Supardi SEKOLAH PASCA SARJANA JURUSAN ILMU FISIKA UNIVERSITAS NEGERI YOGYAKARTA 2012 1 PENDAHULUAN Liquid Crystal elastomer (LCE
Lebih terperinci( x) LANDASAN TEORI. ω Ω ke satu dan hanya satu bilangan real X( ω ) disebut peubah acak. Ρ = Ρ. Ruang Contoh, Kejadian dan Peluang
LANDASAN TEORI Ruang Contoh Kejadian dan Peluang Suatu percobaan yang dapat diulang dalam ondisi yang sama yang hasilnya tida dapat dipredisi secara tepat tetapi ita dapat mengetahui semua emunginan hasil
Lebih terperinciAnalisa Kinerja Kode Konvolusi pada Sistem Parallel Interference Cancellation Multi Pengguna aktif Detection
Analisa Kinerja Kode Konvolusi pada Sistem Parallel Interference Cancellation Multi Pengguna atif Detection CDMA dengan Modulasi Quadrature Phase Shift Keying Berbasis Perangat Luna Saretta Nathaniatasha
Lebih terperinciMAT. 12. Barisan dan Deret
MAT.. Barisan dan Deret i Kode MAT. Barisan dan Deret U, U, U3,..., Un,... Un a + (n-)b U + U +..., Un +... n?? Sn? BAGIAN PROYEK PENGEMBANGAN KURIKULUM DIREKTORAT PENDIDIKAN MENENGAH KEJURUAN DIREKTORAT
Lebih terperinciKumpulan soal-soal level seleksi provinsi: solusi:
Kumpulan soal-soal level selesi provinsi: 1. Sebuah bola A berjari-jari r menggelinding tanpa slip e bawah dari punca sebuah bola B berjarijari R. Anggap bola bawah tida bergera sama seali. Hitung ecepatan
Lebih terperinciDesain Kontroler Tunggal Untuk Meredam Osilasi Multi Frekuensi Pada Sistem Skala Besar
J. of Math. and Its Appl. ISSN: 1829-605X Vol. 1, No. 1 (2004), 1 7 Desain Kontroler Tunggal Untu Meredam Osilasi Multi Freuensi Pada Sistem Sala Besar Mardlijah Jurusan Matematia Institut Tenologi Sepuluh
Lebih terperinciBAB II DASAR TEORI. II.1. Pendahuluan
BAB II DASAR EORI II.1. Pendahuluan Pada bab ini pertama-tama aan dijelasan secara singat apa yang dimasud dengan target tracing dalam sistem Radar. Di dalam sebuah sistem Radar ada beberapa proses yang
Lebih terperinci3.1 TEOREMA DASAR ARITMATIKA
3. TEOREMA DASAR ARITMATIKA Definisi 3. Suatu bilangan bulat > disebut (bilangan) rima, jia embagi ositif bilangan tersebut hanya dan. Jia bilangan bulat lebih dari satu buan bilangan rima disebut (bilangan)
Lebih terperinciPENGENALAN POLA DENGAN MENGGUNAKAN METODE BACKPROPAGATION MENGGUNAKAN MATLAB
PENGENALAN POLA DENGAN MENGGUNAKAN METODE BACKPROPAGATION MENGGUNAKAN MATLAB Wirda Ayu Utari Universitas Gunadarma utari.hiaru@gmail.com ABSTRAK Program pengenalan pola ini merupaan program yang dibuat
Lebih terperinciBAB III HASIL DAN PEMBAHASAN
15 BAB III HASIL DAN PEMBAHASAN 3.1Relasi Dispersi Pada bagian ini aan dibahas relasi dispersi untu gelombang internal pada fluida dua-lapisan.tinjau lapisan fluida dengan ρ a dan ρ b berturut-turut merupaan
Lebih terperinciSISTEM PENDUKUNG KEPUTUSAN PENENTU NILAI INTERVAL KADAR LEMAK TUBUH MENGGUNAKAN REGRESI INTERVAL DENGAN NEURAL FUZZY
SISTEM PENDUKUNG KEPUTUSAN PENENTU NILAI INTERVAL KADAR LEMAK TUBUH MENGGUNAKAN REGRESI INTERVAL DENGAN NEURAL FUZZY Tedy Rismawan dan Sri Kusumadewi Laboratorium Komputasi dan Sistem Cerdas, Jurusan Teni
Lebih terperinciBAB 3 PRINSIP SANGKAR BURUNG MERPATI
BAB 3 PRINSIP SANGKAR BURUNG MERPATI 3. Pengertian Prinsip Sangar Burung Merpati Sebagai ilustrasi ita misalan terdapat 3 eor burung merpati dan 2 sangar burung merpati. Terdapat beberapa emunginan bagaimana
Lebih terperinciTEORI KINETIKA REAKSI KIMIA
TORI KINTIK RKSI KII da (dua) pendeatan teoreti untu menjelasan ecepatan reasi, yaitu: () Teori tumbuan (collision theory) () Teori eadaan transisi (transition-state theory) atau teori omples atif atau
Lebih terperincitidak mempunyai fixed mode terdesentralisasi, dapat dilakukan dengan memberikan kompensator terdesentralisasi. Fixed mode terdesentralisasi pertama
BB IV PENGENDLIN TERDESENTRLISSI Untu menstabilan sistem yang tida stabil, dengan syarat sistem tersebut tida mempunyai fixed mode terdesentralisasi, dapat dilauan dengan memberian ompensator terdesentralisasi.
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN A. Tempat dan Watu Penelitian Penelitian ini dilauan di Jurusan Matematia Faultas Matematia dan Ilmu Pengetahuan Alam Universitas Lampung. Watu penelitian dilauan selama semester
Lebih terperinciUji Alternatif Data Terurut Perbandingan antara Uji Jonckheere Terpstra dan Modifikasinya Ridha Ferdhiana 1 Statistics Peer Group
Uji Alternatif Data Terurut Perbandingan antara Uji Joncheere Terpstra dan Modifiasinya Ridha Ferdhiana Statistics Peer Group Jurusan Matematia FMIPA Universitas Syiah Kuala Banda Aceh, Aceh, 23 email:
Lebih terperinciRINGKASAN SKRIPSI MODUL PERKALIAN
RINGKASAN SKRIPSI MODUL PERKALIAN SAMSUL ARIFIN 04/177414/PA/09899 DEPARTEMEN PENDIDIKAN NASIONAL UNIVERSITAS GADJAH MADA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM YOGYAKARTA 2008 HALAMAN PENGESAHAN
Lebih terperinciKORELASI ANTARA DUA SINYAL SAMA BERBEDA JARAK PEREKAMAN DALAM SISTEM ADAPTIF. Sri Arttini Dwi Prasetyawati 1. Abstrak
KORELASI ANARA DUA SINYAL SAMA BERBEDA JARAK PEREKAMAN DALAM SISEM ADAPIF Sri Arttini Dwi Prasetyawati 1 Abstra Masud pembahasan tentang orelasi dua sinyal adalah orelasi dua sinyal yang sama aan tetapi
Lebih terperinciPENERAPAN FUZZY GOAL PROGRAMMING DALAM PENENTUAN INVESTASI BANK
PENERAPAN FUZZY GOAL PROGRAMMING DALAM PENENTUAN INVESTASI BANK Nurul Khotimah *), Farida Hanum, Toni Bahtiar Departemen Matematia FMIPA, Institut Pertanian Bogor Jl. Meranti, Kampus IPB Darmaga, Bogor
Lebih terperinciTUGAS I RANCANGAN PERCOBAAN BAB I
TUGAS I RANCANGAN PERCOBAAN Nama : Dwi Shinta Marselina A. Pengertian Desain Esperimen BAB I Desain Esperimen Merupaan langah-langah lengap yang perlu di ambil jauh sebelum esperimen dilauan supaya data
Lebih terperinciIDENTIFIKASI PERUBAHAN POLA CURAH HUJAN MELALUI PERIODOGRAM STANDAR. Gumgum Darmawan Statistika FMIPA UNPAD
JMP : Vol. 9 No. 1, Juni 17, hal. 13-11 ISSN 85-1456 IDENTIFIKASI PERUBAHAN POLA CURAH HUJAN MELALUI PERIODOGRAM STANDAR Gumgum Darmawan Statistia FMIPA UNPAD gumgum@unpad.ac.id Budhi Handoo Statistia
Lebih terperinciPENERAPAN DYNAMIC PROGRAMMING DALAM WORD WRAP Wafdan Musa Nursakti ( )
PENERAPAN DYNAMIC PROGRAMMING DALAM WORD WRAP Wafdan Musa Nursati (13507065) Program Studi Teni Informatia, Seolah Teni Eletro dan Informatia, Institut Tenologi Bandung Jalan Ganesha No. 10 Bandung, 40132
Lebih terperinciESTIMASI TRAJECTORY MOBILE ROBOT MENGGUNAKAN METODE ENSEMBLE KALMAN FILTER SQUARE ROOT (ENKF-SR)
SEMINAR NASIONAL PASCASARJANA SAL ESIMASI RAJECORY MOBILE ROBO MENGGUNAKAN MEODE ENSEMBLE KALMAN FILER SQUARE ROO (ENKF-SR) eguh Herlambang Zainatul Mufarrioh Firman Yudianto Program Studi Sistem Informasi
Lebih terperinciBAB III METODE SCHNABEL
BAB III METODE SCHNABEL Uuran populasi tertutup dapat diperiraan dengan teni Capture Mar Release Recapture (CMRR) yaitu menangap dan menandai individu yang diambil pada pengambilan sampel pertama, melepasan
Lebih terperinciPendeteksi Rotasi Menggunakan Gyroscope Berbasis Mikrokontroler ATmega8535
Maalah Seminar Tugas Ahir Pendetesi Rotasi Menggunaan Gyroscope Berbasis Miroontroler ATmega8535 Asep Mubaro [1], Wahyudi, S.T, M.T [2], Iwan Setiawan, S.T, M.T [2] Jurusan Teni Eletro, Faultas Teni, Universitas
Lebih terperinciStudi dan Implementasi Video Watermarking dengan Mekanisme Adaptive Embedding
Studi dan Implementasi Video Watermaring dengan Meanisme Adaptive Embedding Fetty Fitriyanti.L, Suhono H. Supangat Multimedia and Cyberspace Engineering Research Group Kelompo Keahlian Tenologi Informasi
Lebih terperinciStudi Perbandingan Perpindahan Panas Menggunakan Metode Beda Hingga dan Crank-Nicholson
1 Studi Perbandingan Perpindahan Panas Menggunaan Metode Beda Hingga dan Cran-Nicholson Durmin, Drs. Luman Hanafi, M.Sc Jurusan Matematia, Faultas Matematia dan Ilmu Pengetahuan Alam, Institut Tenologi
Lebih terperinciPERTEMUAN 02 PERBEDAAN ANTARA SISTEM DISKRIT DAN SISTEM KONTINU
PERTEMUAN 2 PERBEDAAN ANTARA SISTEM DISKRIT DAN SISTEM KONTINU 2. SISTEM WAKTU DISKRET Sebuah sistem watu-disret, secara abstra, adalah suatu hubungan antara barisan masuan dan barisan eluaran. Sebuah
Lebih terperinciSifat-sifat Nilai Eigen dan Vektor Eigen Matriks atas Aljabar Maxplus
J. Sains Dasar () Sifat-sifat Nilai Eigen dan Vetor Eigen Matris atas ljabar Maxplus (The Properties of Eigen Value and Eigen Vector of Matrices Over Maxplus lgebra) Musthofa * dan Nienasih inatari * Jurusan
Lebih terperinciKINETIKA REAKSI KIMIA TIM DOSEN KIMIA DASAR FTP UB 2012
KINETIKA REAKSI KIMIA TIM DOSEN KIMIA DASAR FTP UB Konsep Kinetia/ Laju Reasi Laju reasi menyataan laju perubahan onsentrasi zat-zat omponen reasi setiap satuan watu: V [ M ] t Laju pengurangan onsentrasi
Lebih terperinciPENERAPAN AKAR KUADRAT PADA ENSEMBLE KALMAN FILTER (EnKF) ABSTRAK
PENERAPAN AKAR KUADRA PADA ENSEMBLE KALMAN FILER (EnKF) Jasmir 1, Erna Apriliani 2, Didi Khusnul Arif 3 Email: ijas_1745@yahoo.co.id ABSRAK Ensemble Kalman Filter (EnKF) merupaan salah satu metode untu
Lebih terperinciPERBAIKAN KUALITAS CITRA MENGGUNAKAN HISTOGRAM LINEAR CONTRAST STRETCHING PADA CITRA SKALA KEABUAN
PERBAIKAN KUALITAS CITRA MENGGUNAKAN HISTOGRAM LINEAR CONTRAST STRETCHING PADA CITRA SKALA KEABUAN Murinto Program Studi Teni Informatia Universitas Ahmad Dahlan Kampus III UAD Jl. Prof. Soepomo Janturan
Lebih terperinciMUSIK KLASIK DAN PENINGKATAN HASIL BELAJAR MATEMATIKA PADA SISWA KELAS TINGGI
Volume, Nomor 1, April 013 http://doi.org/10.1009/jppp MUSIK KLASIK DAN PENINGKATAN HASIL BELAJAR MATEMATIKA PADA SISWA KELAS TINGGI Jayanti Dwiputri Abdi* ** *Faultas Ilmu Pendidian, Universitas Negeri
Lebih terperinci