METODE WATERMARKING UNTUK PENYISIPAN INDEKS DATA PADA IMAGE MENGGUNAKAN HAAR TRANSFORMASI WAVELET
|
|
- Yuliani Budiono
- 7 tahun lalu
- Tontonan:
Transkripsi
1 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 JURUSAN TEKNIK INFORMATIKA UNIVERSITAS KOMPUTER INDONESIA 24 ABSTRAKSI Penting bagi seseorang untu mampu menyisipan indes data atau informasi rahasia tanpa unci spesifi, etia data indes disisipan e dalam image digital. Dalam tugas ahir ini, metode yang digunaan untu menyisipan indes data e dalam image berwarna yaitu menggunaan haar transformasi wavelet. Metode ini bertujuan untu mengetahui apaah ada penurunan ualitas dari image dengan tida menggunaan unci spesifi tetapi memanfaatan haar transformasi wavelet. Dan pengestrasian dilauan setelah proses penyisipan dari proses deomposisi, sebelum image direonstrusi embali. Kata unci : haar transformasi wavelet, digital watermaring, image digital, indes data. ABSTRACT It is necessary for anyone to be able to embedded index data without specific eys, when index data are embedded into digital content. In this final report, I propose a method for embedding index data into color images using haar wavelet transform. This method aim to now do there is degradation of quality of image without using specific ey but utilizing haar wavelet transform and extracted is done after embedded process of decomposition process, before image re-reconstructed. Keywords : haar wavelet transform, digital watermar, image digital, index data. 1.Pendahuluan Pada tahun-tahun terahir ini digital watermaring telah banya dimanfaatan bai itu dalam melindungi sound digital, text digital, video digital, image digital dan lainnya. Digital watermaring adalah suatu teni untu meyisipan data e dalam [muatan/indes] digital. Sebagian dari metode watermaring bertujuan untu melindungi ha cipta dari pemaaian yang tida seharusnya. Metode watermaring umumnya membutuhan unci yang spesifi untu dapat menambah eoohan (robustness) dan menjaga penurunan ualitas citra. Tida sama dengan watermar untu perlindungan ha cipta, ita mempertimbangan pemaaian suatu watermar untu menyisipan indes data, dimana indes data berarti memo yang dapat dibaca oleh seseorang, sebagai contoh suatu tempat dan tanggal etia suatu foto digital telah diambil. Keuntungan menyisipan indes data e dalam image sebagai beriut: jia indes data diletaan pada header dari format image,
2 indes data aan terhapus oleh onversi format. Tetapi indes data yang disisipan e dalam sebuah image dengan watermaring tida aan terhapus oleh onversi format. Kemudian indes data ini hanya bisa dilihat oleh orangorang yang mengetahui unci spesifi untu emudian indes data itu diestra. Maa itu perlu watermar untu menyisipan indes data yang tida memerluan unci spesifi sehingga seseorang dapat meng-estras indes data. Sebagai tambahan, jumlah indes data yang disisipan lebih besar dari informasi ha cipta. Dengan begitu banya metode watermar yang diperenalan untu perlindungan ha cipta tida sesuai untu menyisipan indes data, sebab merea memerluan unci spesifi dan tida cuup menyisipan sejumlah data. Mesipun beberapa metode watermaring untu melindungi ha cipta tida mempunyai unci spesifi, merea tida bisa menyisipan sejumlah data. Haar Transformasi wavelet menguraian suatu image asli e dalam empat subband dan masing-masing subband dapat digunaan untu suatu tujuan yang tepat. 2. Haar Transformasi Wavelet Citra asli V dengan M x N pisel dideomposisi menjadi empat subband menjadi LL 1, LH 1, HL 1 dan HH 1 dengan menggunaan Haar transformasi wavelet. Komponen dari LL 1, LH 1, HL 1 dan HH 1 secara matematis untu transformasi wavelet dengan filter Haar (Daubechies orde 1) dihasilan dengan menggunaan persamaan sebagai beriut [6]: Dimana v(x,y) merupaan nilai pixel pada oordinat (x,y)pada citra V. Sedangan ll 1 (x,y), lh 1 (x,y), hl 1 (x,y), dan hh 1 (x,y) secara berturutturut adalah omponen pada oordinat (x,y) dari LL 1, LH 1, HL 1 dan HH 1. LL merupaan setengah resolusi dari citra asli. LH merupaan subband detail horizontal, HL subband detail vertical, HH subband detail diagonal. LL 1 selanjutnya dideomposisi menjadi empat subband LL 2, LH 2, HL 2 dan HH 2. Operasi ini dapat diulang sampai LL sama dengan 1 x 1. 3.Penyisipan Indes Data Misalan indes data yang aan disisipan e dalam citra berwarna yang mempunyai uuran M x N pisel, merupaan sebuah rangaian bit biner ( dan 1) dengan panjang L, Pertama dengan menggunaan Haar transformasi wavelet pada citra pembawa (citra asli), aan didapatan subband LL 2, LH 2, dan HL 2 Kemudian ita menghitung dengan menggunaan nilai luminance Y dari LL 2 sebagai beriut [6][1] : dimana : y(x,y) adalah nilai pisel pada oordinat (x,y) dari Y, ll 2 r(x,y) adalah nilai pisel dari oordinat (x,y) dari channel R pada ll 2, ll 2 g(x,y) adalah nilai pisel dari oordinat (x,y) dari channel G pada ll 2, ll 2 b(x,y) adalah nilai pisel dari oordinat (x,y) dari channel B pada ll 2. LH 2 dan HL 2 dibagi menjadi blo-blo 2x2 dan sisipan e dalam -th blo 2x2 dalam LH 2 dan HL 2. r g b Misalan LHB, LHB, LHB merupaan blo-blo e -th dan LH 2 yang berisi omponen warna dari R,G dan B. Dan [6] (,) adalah omponen pada iri atas dalam, (1,) adalah omponen pada anan atas dalam, (,1) adalah omponen pada iri atas dalam,
3 (1,1) adalah omponen pada anan atas dalam, Dapat dilihat pada gambar dibawah ini : p Gambar 1 Gambar 2 adalah penjumlahan dari omponenomponen pada blo-blo e dalam LH 2 dan HL 2 ditandai dengan P seperti yang terlihat pada gambar 2 dan q adalah penjumlahan dari omponen-omponen pada blo-blo -th dalam LH 2 dan HL 2 ditandai dengan Q, sebagaimana persamaan beriut [6] : Alasan enapa ita membagi dengan 6 adalah arena C didistribusian e 6 blo, masing-masing yaitu LHB dan HLB dalam R, G, B subband LH 2 dan HL 2 dimana indes data disimpan, dihasilan dengan menggunaan C R (i,j) dengan persamaan sebagai beriut [6] : Jia =1 maa : jia = maa : Kemudian disisipan dengan menggunaan hubungan uantitatif antara p q dengan p - p - q Tw Untu dan =1 dan q Tw untu =. Dalam proses penyisipan indes data selanjutnya, pertama ita menghitung nilai C yang merupaan perubahan pada lhb (i,j) dan hlb (i,j) dengan melibatan Tw dimana T adalah nilai tresholding yang dimasuan oleh pemaai (user), untu membuat nilai absolut dari perbedaan antara dihitung dengan [6]: p dan q. C Alasan mengapa ita mendistribusian C menggunaan R (i,j) adalah bahwa perubahan dalam area dengan luminance rendah lebih jelas daripada dalam area dengan luminance tinggi [6]. Terahir didapatan citra dengan watermar menggunaan LH 2 dan HL 2 dengan invers transformasi wavelet (reonstrusi wavelet).gambar a dan gambar b dibawah ini merupaan contoh dari penyisipan yang telah diuraian diatas. Dari metode yang diajuan, jumlah bit L yang dapat disimpan e dalam citra dengan M x N pisel adalah [6]: Jia C <, maa C =. Kemudian ita menghitung R (i,j) yang merupaan perbandingan dari total jumlah dari nilai luminance y (i,j) dari Y yang berorespondensi dengan lhb (i,j) dan hlb (i,j). R (i,j) dihitung dengan [6] : Gambar a Contoh proses penyisipan menggunaan nilai numeri pada W =
4 Gambar b Contoh proses penyisipan menggunaan nilai numeri pada W = 1 4. Proses Estrasi Indes Data Proses estrasi ini dilauan setelah adanya proses deomposisi dan proses penyisipan. Secara singat proses estrasi indes data adalah sebagai beriut : 1. Dari proses penyisipan aan didapat nilai LH 2 dan HL 2 yang baru, maa nilai P dan Q aan berubah. 2. Setelah proses (1) diatas, aan didapatan dari blo e -th sesuai dengan persamaan beriut [6] : 3. Mengonversi bit-bit biner dari yang telah diperoleh dari proses (2), sehingga aan didapat indes data embali. 5. Proses Invers Wavelet Setelah Image dideomposisi dengan Haar tansformasi wavelet emudian dilauan penyisipan pada daerah LH 2 dan HL 2, proses selanjutnya mengembalian deomposisi haar menjadi sebuah image embali (Reonstrusi), secara singat proses inversnya adalah : 1. Mengembalian LL 2, HL 2, LH 2, dan HH 2 menjadi LL1, dengan cara Mengambil 1 pisel di LL 2, HL 2, LH 2, dan HH 2 dengan oordinat yang sama, begitu seterusnya sampai oordinat terahir. 2. Mengembalian LL 1, HL 1, LH 1, dan HH 1 menjadi Image embali dengan cara yang sama seperti proses satu. Gambar Proses Deomposisi dan Reonstrusi (Invers Haar) 6.Kriteria Pengujian Untu menentuan ualitas citra asal dengan citra terwatermar diperluan suatu pengujian yang meliputi pengujian secara obyetif. Adapun pengujian pada tugas ahir ini adalah : 6.1 Pengujian Secara Obyetif Parameter yang dijadian riteria pengujian adalah [[6]] : 1. Mean Square Error (MSE) MSE merupaan parameter yang menguur error antara citra asli dengan citra reonstrusi. Jia nilai MSE besar maa aan terjadi penurunan pada image, begitupun sebalinya.. 2. Signal To Noise Ratio (SNR) SNR merupaan parameter yang menguur ualitas citra dengan membandingan citra reonstrusi dan citra asli. Jia nilai SNR ecil maa ualitas image aan menurun, begitupun sebalinya. Keterangan : M = tinggi citra N = lebar citra Ori = sample citra asli emb= sample citra terwatermar / citra reonstrusi
5 7. Analisis Hasil Pengujian 7.1 Pengaruh Filter Haar terhadap Kualitas Citra Reonstrusi (tanpa disisipi Watermar) Pengaruh filter haar pada proses deomposisi yang dilauan terhadap parameter SNR tanpa disisipi watermar dapat dilihat pada grafi dibawah ini : S N R Asua256 Image Grafi Perbandingan Nilai SNR terhadap Citra yang belum disisipi Parameter SNR merupaan parameter yang menguur ualitas citra dengan membandingan citra reonstrusi dengan citra asli. Semain tinggi nilai SNR suatu citra reonstrusi, maa dapat diataan bahwa citra tersebut memilii ualitas yang bai. Dari grafi diatas dapat dietahui nilai SNR yang paling tinggi ada pada Image dan nilai SNR yang paling rendah ada pada Image. Parameter MSE merupaan parameter yang menguur error antara citra asli dengan citra reonstrusi. Semain besar nilai MSE maa semain besar pula tingat error yang terjadi. Hal ini terjadi dengan diiuti menurunnya nilai SNR. Sehingga dapat diataan nilai MSE ebalian dari nilai SNR. Untu melihat pengaruh filter haar terhadap image yang belum disisipi pada nilai MSE, dapat dilihat pada gambar dibawah ini : M S E Asua256 Image Grafi Perbandingan Nilai MSE terhadap Citra yang belum disisipi Pada gambar diatas nilai MSE pada Image mempunyai nilai paling ecil dan nilai MSE pada image mempunyai nilai paling besar. Jia ita lihat dari gambar diatas Ketia nilai SNR suatu image tinggi maa nilai MSE ecil, begitu juga sebalinya, jia nilai SNR ecil maa nilai MSE pada citra reonstrusi besar. Sehingga dapat diataan Nilai SNR berbanding terbali dengan nilai MSE. 7.2 Pengaruh Besarnya Bit Watermar yang disisipan Terhadap Parameter SNR dan MSE Pengujian ini dilauan dengan mengubah jumlah bit dari tes yang aan disisipan, yaitu apasitas masimum yang dapat disimpan, ¼ dari apasitas masimum dan ½ dari apasitas masimum. Jumlah masimum bit yang aan disisipan dapat ditentuan dengan persamaan. Jadi untu citra beruuran 128x128 adalah 256 bit, dan untu citra beruuran 256x256 adalah 124 bit. Gambar dibawah ini memperlihatan pengaruh banyanya bit yang disimpan pada citra media. S N R /4 Kap Mas 1/2 Kap Mas Kap Mas Jumlah Bit Watermar Grafi SNR citra reonstrusi yang telah disisipi watermar dengan apasitas masimum, ½ dari apasitas masimum, dan ¼ dari apasitas masimum dengan nilai thresholding 1 Asua256 Dari grafi diatas, ita dapat menyimpulan nilai SNR aan berubah etia jumlah bit yang ita sisipan berbeda, yaitu semain banya bit-bit watermar yang disisipan, maa nilai SNR dari citra terwatermar aan semain ecil. Hal ini disebaban arena banyanya nilai oefisien transform yang berubah. Dengan semain banyanya nilai oefisien transform (nilai intensitas citra dari hasil deomposisi dengan filter haar) yang berubah, maa aan
6 semain besar pula penurunan ualitas citra (yang dinyataan dengan nilai SNR). Pengaruh banyanya bit watermar terhadap parameter MSE dapat dilihat pada gambar beriut : M S E Asua256 Nilai Thresholding M S E /4 Kap Mas 1/2 Kap Mas Kap Mas Jumlah Bit Watermar Asua256 Grafi MSE citra reonstrusi yang telahdisisipi watermar dengan apasitas masimum, ½ dari apasitas masimum, dan ¼ dari apasitas masimum dengan nilai thresholding 1 Dari Gambar diatas terlihat bahwa nilai-nilai MSE aan nai dengan semain banyanya bit watermar yang disisipan. Dengan semain besarnya nilai MSE berarti semain besar pula penurunan ualitas citra. Hal ini disebaban banyanya nilai oefisien citra asli yang berubah setelah mengalami penyisipan bit watermar. 7.3 Pengaruh Nilai Threshholding (Tw) terhadap Parameter SNR dan MSE Nilai thresholding berpengaruh pada perubahan image watermar, tetapi perubahannnya tida dapat dilihat secara visual namun dapat dilihat dari perubahan nilai SNR dan MSE-nya. Pengaruh nilai thresholding (Tw) terhadap parameter SNR dapat dilihat pada gambar beriut ini : S N R Nilai Thresholding Asua256 Grafi Perbandingan MSE dengan nilai Thresholding pada citra yang telah disisipi dengan jumlah bit watermar½ apasitas masimum. Dari gambar diatas terlihat ada perubahan nilai SNR dan MSE pada nilai thresholding (Tw) yang berbeda. Pada pengujian ini nilai Tw-nya adalah 1, 1, 2, 3, 4, 5, dan 1. Dalam menghitung nilai C (salah satu nilai yang digunaan untu proses penyisipan) dibutuhan nilai Tw, yang mana nilai Tw aan berpengaruh terhadap perubahan oefisien transform. Besarnya perubahan ini aan menyebaban perbedaan antara nilai intensitas citra asli dan citra reonstrusi. Dari gambar diatas dapat disimpulan bahwa nilai thresholding tida terlalu sensitif terhadap nilai SNR dan MSEnya. 8. Kesimpulan Berdasaran analisis diatas yang menunjuan performansi citra hasil (citra+watermar) menggunaan haar transformasi wavelet, maa dapat disimpulan : 1. Adanya penurunan ualitas dari image secara Visual. 2. Semain besar jumlah watermar yang disisipan, aan memberian nilai SNR yang rendah dan nilai MSE yang tinggi. 3. Nilai thresholding tida terlalu sensitif terhadap nilai SNR dan MSE. 4. Citra memilii nilai SNR paling tinggi dan nilai MSE paling rendah, dan citra memilii nilai SNR paling rendah dan nilai MSE paling tinggi. Grafi Perbandingan SNR terhadap nilai thresholding pada citra yang telah disisipi dengan jumlah bit watermar ½ apasitas masimum.
7 DAFTAR PUSTAKA 1. Andriyano Devid, Pembuatan Watermar dalam domain freuensi pada channel RGB, Insitut Tenologi Bandung C. Sidney Burrus, Ramesh A, Gopinath Haitao Guo, Introduction to Wavelet and Wavelet Transform, Prentice Hall International Gert Van De Wouwer, Wavelet for Multiscale Texture Analysis, Universitaire Instelling Antwerpen Gonzales Rafael, Wintz Paul, Second Edition digital Image processing, Addison Wesley Publishing Company Haryadi Ferdian, Perancangan dan Implementasi Teni Steganography pada citra digital dengan Metode DCT, Jurusan Teni Informatia STT Telom Bandung Iwata M., Shiozai A., Watermaring method for embedding index data into images utilizing features of Wavelet Transform, IEICE Trans. Fundamentals Poliar Robi, Wavelet Tutorial, Durham Computation Center Stephani Mallat, A Wavelet Tour of Signal Processing, Academic Press Supangat H Suhono., Kuspriyanto, Juanda, Watermaring sebagai Teni Penyembunyian Label Ha Cipta Pada Data Digital, Departemen Teni Eletro Insitut Tenologi Bandung 2.
Studi 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 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 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 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 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 terperinciPENCARIAN JALUR TERPENDEK MENGGUNAKAN ALGORITMA SEMUT
Seminar Nasional Apliasi Tenologi Informasi 2007 (SNATI 2007) ISSN: 1907-5022 Yogyaarta, 16 Juni 2007 PENCARIAN JALUR TERPENDEK MENGGUNAKAN ALGORITMA SEMUT I ing Mutahiroh, Indrato, Taufiq Hidayat Laboratorium
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 terperinciPerlindungan Hak Cipta Pada Data Audio Menggunakan Teknik Watermarking Phase Coding.
Perlindungan Ha Cipta Pada Data Audio Menggunaan Teni Watermaring Phase Coding Abstra Martharany Rumondang Departemen Teni Informatia Institut Tenologi Bandung Jalan Ganesha 10 Bandung 40132 E-mail : if12062@students.if.itb.ac.id,
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 terperinciMateri. Menggambar Garis. Menggambar Garis 9/26/2008. Menggambar garis Algoritma DDA Algoritma Bressenham
Materi IF37325P - Grafia Komputer Geometri Primitive Menggambar garis Irfan Malii Jurusan Teni Informatia FTIK - UNIKOM IF27325P Grafia Komputer 2008 IF27325P Grafia Komputer 2008 Halaman 2 Garis adalah
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 terperinciDESAIN SENSOR KECEPATAN BERBASIS DIODE MENGGUNAKAN FILTER KALMAN UNTUK ESTIMASI KECEPATAN DAN POSISI KAPAL
DESAIN SENSOR KECEPAAN BERBASIS DIODE MENGGUNAKAN FILER KALMAN UNUK ESIMASI KECEPAAN DAN POSISI KAPAL Alrijadjis, Bambang Siswanto Program Pascasarjana, Jurusan eni Eletro, Faultas enologi Industri Institut
Lebih terperinciPenentuan Nilai Ekivalensi Mobil Penumpang Pada Ruas Jalan Perkotaan Menggunakan Metode Time Headway
Rea Racana Jurnal Online Institut Tenologi Nasional Teni Sipil Itenas No.x Vol. Xx Agustus 2015 Penentuan Nilai Eivalensi Mobil Penumpang Pada Ruas Jalan Perotaan Menggunaan Metode Time Headway ENDI WIRYANA
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 terperinciImplementasi Algoritma Pencarian k Jalur Sederhana Terpendek dalam Graf
JURNAL TEKNIK POMITS Vol. 2, No., (203) ISSN: 2337-3539 (230-927 Print) Implementasi Algoritma Pencarian Jalur Sederhana Terpende dalam Graf Anggaara Hendra N., Yudhi Purwananto, dan Rully Soelaiman Jurusan
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 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 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 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 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 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 terperinciCONTENT BASED IMAGE RETRIEVAL MENGGUNAKAN MOMENT INVARIANT, TEKSTUR DAN BACKPROPAGATION
UPN Veteran Yogyaarta, 30 Juni 2012 CONTENT BASED IMAGE RETRIEVAL MENGGUNAKAN MOMENT INVARIANT, TEKSTUR DAN BACKPROPAGATION Ni G.A.P Harry Saptarini 1), Rocy Yefrenes Dilla 2) 1) Politeni Negeri Bali 2)
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 terperinciBAB 4 HASIL DAN PEMBAHASAN
BAB 4 HASIL DAN PEMBAHASAN 4.1 Hasil Pengolahan Data Data yang telah berhasil diumpulan oleh penulis di BB BIOGEN diperoleh hasil bobot biji edelai dengan jumlah varietas yang aan diuji terdiri dari 15
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 terperinciPENENTUAN FAKTOR KALIBRASI ACCELEROMETER MMA7260Q PADA KETIGA SUMBU
PENENTUAN FAKTOR KALIBRASI ACCELEROMETER MMA7260Q PADA KETIGA SUMBU Wahyudi 1, Adhi Susanto 2, Sasongo P. Hadi 2, Wahyu Widada 3 1 Jurusan Teni Eletro, Faultas Teni, Universitas Diponegoro, Tembalang,
Lebih terperinciPENGENDALIAN MOTOR DC MENGGUNAKAN JARINGAN SYARAF TIRUAN BACKPROPAGATION
PENGENDALIAN MOTOR DC MENGGUNAKAN JARINGAN SYARAF TIRUAN BACKPROPAGATION Wahyudi, Sorihi, dan Iwan Setiawan. Jurusan Teni Eletro Faultas Teni Universitas Diponegoro Semarang e-mail : wahyuditinom@yahoo.com.
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 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 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 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 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 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 terperinciUJI BARTLETT. Elty Sarvia, ST., MT. Fakultas Teknik Jurusan Teknik Industri Universitas Kristen Maranatha Bandung. Scheffe Multiple Contrast Procedure
8/9/01 UJI TUKEY UJI DUNCAN UJI BARTLETT UJI COCHRAN UJI DUNNET Elty Sarvia, ST., MT. Faultas Teni Jurusan Teni Industri Universitas Kristen Maranatha Bandung Macam Metode Post Hoc Analysis The Fisher
Lebih terperinciADAPTIVE WATERMARKING CITRA DIGITAL DENGAN TEKNIK DISCRETE WAVELET TRANSFORM-DISCRETE COSINE TRANSFORM DAN NOISE VISIBILITY FUNCTION
ADAPTIVE WATERMARKING CITRA DIGITAL DENGAN TEKNIK DISCRETE WAVELET TRANSFORM-DISCRETE COSINE TRANSFORM DAN NOISE VISIBILITY FUNCTION Disusun oleh : Nama : Dian Eriani Surbakti Nrp : 0822104 Jurusan Teknik
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 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 terperinciBAB II LANDASAN TEORI. Graf adalah kumpulan simpul (nodes) yang dihubungkan satu sama lain
8 BAB II LANDASAN TEORI 2.1 Teori Graf 2.1.1 Definisi Graf Graf adalah umpulan simpul (nodes) yang dihubungan satu sama lain melalui sisi/busur (edges) (Zaaria, 2006). Suatu Graf G terdiri dari dua himpunan
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 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 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 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 terperinciPEMANFAATAN METODE HEURISTIK DALAM PENCARIAN JALUR TERPENDEK DENGAN ALGORITMA SEMUT DAN ALGORITMA GENETIKA
PEMANFAATAN METODE HEURISTIK DALAM PENCARIAN JALUR TERPENDEK DENGAN ALGORITMA SEMUT DAN ALGORITMA GENETIKA Iing Mutahiroh, Fajar Saptono, Nur Hasanah, Romi Wiryadinata Laboratorium Pemrograman dan Informatia
Lebih terperinciPENYISIPAN WATERMARK MENGGUNAKAN METODE DISCRETE COSINE TRANSFORM PADA CITRA DIGITAL
Jurnal Informatika Polinema ISSN: 407-070X PENYISIPAN WATERMARK MENGGUNAKAN METODE DISCRETE COSINE TRANSFORM PADA CITRA DIGITAL Reza Agustina, Rosa Andrie Asmara Teknik Informatika, Teknologi Informasi,
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 terperinciModifikasi ACO untuk Penentuan Rute Terpendek ke Kabupaten/Kota di Jawa
187 Modifiasi ACO untu Penentuan Rute Terpende e Kabupaten/Kota di Jawa Ahmad Jufri, Sunaryo, dan Purnomo Budi Santoso Abstract This research focused on modification ACO algorithm. The purpose of this
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 terperinciII. TINJAUAN PUSTAKA. sebuah teknik yang baru yang disebut analisis ragam. Anara adalah suatu metode
3 II. TINJAUAN PUSTAKA 2.1 Analisis Ragam (Anara) Untu menguji esamaan dari beberapa nilai tengah secara sealigus diperluan sebuah teni yang baru yang disebut analisis ragam. Anara adalah suatu metode
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 terperinciMAKALAH SEMINAR TUGAS AKHIR
1 MAKALAH SEMINAR TUGAS AKHIR PENGENALAN POLA GEOMETRI WAJAH MENGGUNAKAN JARINGAN SYARAF TIRUAN PERAMBATAN BALIK Muhamad Tonovan *, Achmad Hidayatno **, R. Rizal Isnanto ** Abstra - Pengenalan waah adalah
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 terperinciABSTRAK. Kata kunci : Watermarking, SVD, DCT, LPSNR. Universitas Kristen Maranatha
Penerapan Watermarking pada Citra Menggunakan Teknik Singular Value Decomposition Discrete Cosine Transform Berdasarkan Local Peak Signal to Noise Ratio Frederick Michael ( 0522072 ) Jurusan Teknik Elektro,
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 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 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 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 terperinciPEMANFAATAN TRANSFORMASI WAVELET UNTUK CITRA PENGINDERAAN JAUH. Mohammad Natsir *, Wiweka **
PEMANFAATAN TRANSFORMASI WAVELET UNTUK CITRA PENGINDERAAN JAUH Mohammad Natsir *, Wiwea ** ABSTRAK PEMANFAATAN TRANSFORMASI WAVELET UNTUK CITRA PENGINDERAAN JAUH. Citra radar SAR pada umumnya mempunyai
Lebih terperinciRancang Bangun Perangkat Lunak Transformasi Wavelet Haar Level 3 Pada Least Significant Bit (Lsb) Steganography
Rancang Bangun Perangkat Lunak Transformasi Wavelet Haar Level 3 Pada Least Significant Bit (Lsb) Steganography Abdul Haris 1, Febi Yanto 2 1,2 Teknik Informatika, Fakultas Sains dan Teknologi, UIN Sultan
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 terperinciAnalisis Pengaruh Kualitas Pelayanan Terhadap Loyalitas Pelanggan Jasa Pengiriman Pos Kilat Khusus
Jurnal Teni Industri, Vol.1, No., Juni 013, pp.96-101 ISSN 30-495X Analisis Pengaruh Kualitas Pelayanan Terhadap Loyalitas Pelanggan Jasa Pengiriman Pos Kilat Khusus Apriyani 1, Shanti Kirana Anggaraeni,
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 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 terperinciKLASIFIKASI DATA MENGGUNAKAN JST BACKPROPAGATION MOMENTUM DENGAN ADAPTIVE LEARNING RATE
KLASIFIKASI DATA MENGGUNAKAN JST BACKPROPAGATION MOMENTUM DENGAN ADAPTIVE LEARNING RATE Warih Maharani Faultas Teni Informatia, Institut Tenologi Telom Jl. Teleomuniasi No.1 Bandung 40286 Telp. (022) 7564108
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 terperinciEstimasi Inflasi Wilayah Kerja KPwBI Malang Menggunakan ARIMA-Filter Kalman dan VAR-Filter Kalman
JURNAL SAINS DAN SENI ITS Vol. 5, No.1, (16) 337-35 (31-98X Print) A-1 Estimasi Inflasi Wilayah Kerja KPwBI Malang Menggunaan ARIMA-Filter Kalman dan VAR-Filter Kalman Popy Febritasari, Erna Apriliani
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 terperinciWATERMARKING PADA BEBERAPA KELUARGA WAVELET
JURNAL MATEMATIKA DAN KOMPUTER Vol. 7. No. 3, 18-25, Desember 2004, ISSN : 1410-8518 WATERMARKING PADA BEBERAPA KELUARGA WAVELET Aris Sugiharto, Eko Adi Sarwoko Jurusan Matematika FMIPA Universitas Diponegoro
Lebih terperinciKONTROL MOTOR PID DENGAN KOEFISIEN ADAPTIF MENGGUNAKAN ALGORITMA SIMULTANEOUS PERTURBATION
Konferensi Nasional Sistem dan Informatia 29; Bali, November 14, 29 KONTROL MOTOR PID DENGAN KOEFISIEN ADAPTIF MENGGUNAKAN ALGORITMA SIMULTANEOUS PERTURBATION Sofyan Tan, Lie Hian Universitas Pelita Harapan,
Lebih terperinciFUNGSI BANTU NONPARAMETRIK BARU UNTUK MENYELESAIKAN OPTIMASI GLOBAL
Seminar Nasional Matematia dan Apliasinya, 2 Otober 27 FUNGSI BANTU NONPARAMETRIK BARU UNTUK MENYELESAIKAN OPTIMASI GLOBAL Ridwan Pandiya #, Emi Iryanti #2 # S Informatia, Faultas Tenologi Industri dan
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 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 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 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 terperinciANALISIS DAN SIMULASI STEGANOGRAFI VIDEO MENGGUNAKAN METODE WAVELET PADA FRAME YANG DIPILIH BERDASARKAN DETEKSI FASA
ISSN : 2355-9365 e-proceeding of Engineering : Vol.3, No.3 December 2016 Page 4442 ANALISIS DAN SIMULASI STEGANOGRAFI VIDEO MENGGUNAKAN METODE WAVELET PADA FRAME YANG DIPILIH BERDASARKAN DETEKSI FASA Analysis
Lebih terperinciPENERAPAN ALGORITMA BACKPROPAGATION UNTUK KLASIFIKASI MUSIK DENGAN SOLO INSTRUMEN
Seminar Nasional Apliasi Tenologi Informasi 009 (SNATI 009) Yogyaarta, 0 Juni 009 ISSN:1907-50 PENERAPAN ALGORITMA BACKPROPAGATION UNTUK KLASIFIKASI MUSIK DENGAN SOLO INSTRUMEN Gunawan 1, Agus Djaja Gunawan,
Lebih terperinciPerbandingan Watermarking Citra dengan Alihragam Wavelet dan Discrete Cosine Transform
Dwiandiyanta, Perbandingan Watermaring Citra dengan Alihragam dan Discrete Cosine Transorm 9 Perbandingan Watermaring Citra dengan Alihragam dan Discrete Cosine Transorm B. Yudi Dwiandiyanta Program Studi
Lebih terperinciTanggapan Waktu Alih Orde Tinggi
Tanggapan Watu Alih Orde Tinggi Sistem Orde-3 : C(s) R(s) ω P ( < ζ (s + ζω s + ω )(s + p) Respons unit stepnya: c(t) βζ n n < n ζωn t e ( β ) + βζ [ ζ + { βζ ( β ) cos ( β ) + ] sin ζ ) ζ ζ ω ω n n t
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 terperinciSistem Navigasi Perjalanan Berbasis Web Dengan Algoritma Koloni Semut (Ant Colony Algorithm)
Sistem Navigasi Perjalanan Berbasis Web Dengan Algoritma Koloni Semut (Ant Colony Algorithm) Arna Fariza 1, Entin Martiana 1, Fidi Wincoo Putro 2 Dosen 1, Mahasiswa 2 Politeni Eletronia Negeri Surabaya
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 terperinciPERBANDINGAN PERFORMANSI ALGORITMA GENETIKA DAN ALGORITMA SEMUT UNTUK PENYELESAIAN SHORTEST PATH PROBLEM
Seminar Nasional Sistem dan Informatia 2007; Bali, 16 November 2007 PERBANDINGAN PERFORMANSI ALGORITMA GENETIKA DAN ALGORITMA SEMUT UNTUK PENYELESAIAN SHORTEST PATH PROBLEM Fajar Saptono 1) I ing Mutahiroh
Lebih terperinciPERBANDINGAN TEKNIK WATERMARKING CITRA DIGITAL MENGGUNAKAN DWT-SVD DAN RDWT-SVD. Abstract
PERBANDINGAN TEKNIK WATERMARKING CITRA DIGITAL MENGGUNAKAN DWT- DAN Qurrota Ayun Majid, T. Sutojo, S.Si, M.Kom Teknik Informatika - S1 Fakultas Ilmu Komputer Universitas Dian Nuswantoro Semarang 111201207118@mhs.dinus.ac.id
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 terperinciPENDETEKSIAN GERAK TANGAN MANUSIA SEBAGAI INPUT PADA KOMPUTER
PENDETEKSIAN GERAK TANGAN MANUSIA SEBAGAI INPUT PADA KOMPUTER Wiaria Gazali 1 ; Haryono Soeparno 2 1 Jurusan Matematia, Faultas Sains dan Tenologi, Universitas Bina Nusantara Jln. K.H. Syahdan No. 9, Palmerah,
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 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 ANALISIS DISKRIMINAN. analisis multivariat dengan metode dependensi (dimana hubungan antar variabel
BAB III ANALISIS DISKRIMINAN 3.1 Pengertian Analisis Disriminan Analisis disriminan merupaan sala satu metode yang digunaan dalam analisis multivariat dengan metode dependensi (dimana ubungan antar variabel
Lebih terperinciPemodelan Dan Eksperimen Untuk Menentukan Parameter Tumbukan Non Elastik Antara Benda Dengan Lantai
Pemodelan Dan Esperimen Untu enentuan Parameter Tumbuan Non Elasti Antara Benda Dengan Lantai Puspa onalisa,a), eda Cahya Fitriani,b), Ela Aliyani,c), Rizy aiza,d), Fii Taufi Abar 2,e) agister Pengajaran
Lebih terperinciDeret Pangkat. Ayundyah Kesumawati. June 23, Prodi Statistika FMIPA-UII
Keonvergenan Kesumawati Prodi Statistia FMIPA-UII June 23, 2015 Keonvergenan Pendahuluan Kalau sebelumnya, suu suu pada deret ta berujung berupa bilangan real maa ali ini ita embangan suu suunya dalam
Lebih terperinciIMPLEMENTASI ALGORITMA HILL CIPHER SEBAGAI MEDIA STEGANOGRAFI MENGGUNAKAN METODE LSB
Prosiding SENTIA 2 Politeni Negeri Malang IMPLEMENTASI ALGORITMA HILL CIPHER SEBAGAI MEDIA STEGANOGRAFI MENGGUNAKAN METODE LSB Andy Pramono, S.Kom, M.T., Alun Sujjada, S.Kom 2 Jurusan Seni dan Desain,
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 terperinciMODEL MATEMATIKA KONSENTRASI OKSIGEN TERLARUT PADA EKOSISTEM PERAIRAN DANAU
MDEL MATEMATIKA KNSENTRASI KSIGEN TERLARUT PADA EKSISTEM PERAIRAN DANAU Sutimin Jurusan Matematia, FMIPA Universitas Diponegoro Jl. Prof. H. Soedarto SH Tembalang, Semarang 5075 E-mail: su_timin@yanoo.com
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 terperinciWATERMARKING PADA CITRA DIGITAL BERBASIS DISCRETE WAVELET TRANSFORM DAN SINGULAR VALUE DECOMPOSITION
WATERMARKING PADA CITRA DIGITAL BERBASIS DISCRETE WAVELET TRANSFORM DAN SINGULAR VALUE DECOMPOSITION Disusun oleh : Nama : Hendra Togi Manalu Nrp : 0522121 Jurusan Teknik Elektro, Fakultas Teknik,, Jl.
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 terperinciStudi Eksperimen Karakteristik Pengeringan Batubara Terhadap Variasi Sudut Blade Pada Swirling Fluidized Bed Coal Dryer
Studi Esperimen Karateristi Pengeringan Batubara Terhadap Variasi Sudut Blade Pada Swirling Fluidized Bed Coal Dryer Ahmad Sefrio dan Prabowo Teni Mesin, Faultas Tenologi Industri, Institut Tenologi Sepuluh
Lebih terperinciANALISIS VARIANSI (ANOVA)
ANALISIS VARIANSI (ANOVA) ANOVA = Analisis Varians (Anava) = Analisis Ragam = Sidi Ragam Diperenalan oleh R.A. Fisher (195) disebut uji F pengembangan dari uji t dua sampel bebas (independent samples t
Lebih terperinciFISIKA. Kelas X GETARAN HARMONIS K-13. A. Getaran Harmonis Sederhana
K-13 Kelas X FISIKA GETARAN HARMONIS TUJUAN PEMBELAJARAN Setelah mempelajari materi ini, amu diharapan memilii emampuan sebagai beriut. 1. Memahami onsep getaran harmonis sederhana pada bandul dan pegas
Lebih terperinciBAB I PENDAHULUAN. 1 Universitas Kristen Maranatha
BAB I PENDAHULUAN I.1 Latar Belakang Masalah Perkembangan teknologi internet dalam beberapa tahun terakhir ini, telah membawa perubahan besar bagi distribusi media digital. Media digital yang dapat berupa
Lebih terperinciIII. METODOLOGI PENELITIAN. Penelitian ini menggunakan data sekunder bersifat runtun waktu (time series)
III. METODOLOGI PENELITIAN A. Jenis dan Sumber Data Penelitian ini menggunaan data seunder bersifat runtun watu (time series) dalam periode tahunan dan data antar ruang (cross section). Data seunder tersebut
Lebih terperinci