PEMISAHAN SINYAL AKUSTIK BAWAH AIR MENGGUNAKAN METODE BLIND SEPARATION OF SOURCE (BSS)
|
|
- Sucianty Kartawijaya
- 7 tahun lalu
- Tontonan:
Transkripsi
1 TUGAS AKHIR TE PEMISAHAN SINYAL AKUSTIK BAWAH AIR MENGGUNAKAN METODE BLIND SEPARATION OF SOURCE (BSS) WAHYU INDRA PURNAMA SARI NRP Dosen Pembimbing Dr. Ir. Wirawan, DEA Ir. Endang Widjiati M.Eng.Sc.
2 LATAR BELAKANG Jenis gelombang yang dipakai di dalam UWA adalah Gelombang Akustik Sinyal akustik yang diterima oleh sensor tercampur dengan sinyalsinyal lainnya di lingkungan Diperlukan suatu teknik memisahkan sinyal yang tercampur
3 RUMUSAN PERMASALAHAN 1. Bagaimanakah karakteristik komunikasi bawah air? 2. Bagaimanakah rancangan sistem pemisahan sinyal suara dari beberapa sumber bunyi yang beroperasi secara serentak dan direkam oleh hydrophone array? 3. Bagaimana pemisahan sinyal dengan menggunakan metode BSS terutama menggunakan algoritma FastICA, SOBI, dan JADE?
4 BATASAN MASALAH 1. Sensor yang digunakan adalah hydrophone array dengan jumlah dan konfigurasi tertentu. 2. Metode yang dipakai untuk memisahkan sinyal suara adalah BSS dengan algoritma FastICA, SOBI, dan JADE khususnya untuk analisis metode pencampuran instantaneous mixture. 3. Jumlah sensor sama dengan jumlah sumber suara. 4. Pengukuran dilakukan di Lab Hydrodinamika Indonesia (LHI).
5 TUJUAN PENELITIAN 1. Mengetahui karakteristik dari komunikasi bawah air yang berbeda dengan karakteristik komunikasi di udara. 2. Mengetahui rancangan sistem pemisahan sinyal suara yang diemisikan beberapa mesin beroperasi secara serentak dan direkam dengan menggunakan hydrophone array. 3. Mengetahui metode pemisahan sinyal BSS dengan menggunakan algoritma FastICA, SOBI dan JADE.
6 METODOLOGI PENELITIAN Mulai Penentuan Karakteristik Data yang Dibutuhkan Pengambilan Data Data Literatur Membuat Mixing Signal Algoritma BSS Pengambilan Data di LHI Algoritma BSS 1
7 METODOLOGI PENELITIAN (cont d) 1 Mencari Nilai Similarity Antara Sinyal Asli dengan Sinyal Hasil Pemisahan Mencari nilai MSE dan SIR analisis Hasil Simulasi Penarikan Kesimpulan selesai
8 BLIND SEPARATION OF SOURCE (BSS) BSS merupakan metode pemisahan satu set sinyal dari satu set sinyal campuran, tanpa adanya informasi (atau dengan sangat sedikit informasi) tentang sumber sinyal atau proses pencampuran. Terdapat beberapa algoritma BSS yang digunakan pada Tugas Akhir ini: a. Independent Component Analysis (ICA) Deflationary Symetrical b. Second Order Blind Identification (SOBI) c. Joint Approximate Diagonalization of Eigenmatrice (JADE)
9 BLIND SEPARATION OF SOURCE (BSS)
10 FLOWCHART UMUM BSS Centering Whitening Pemilihan Metode Pemisah Sinyal Pemrosesan Data Sinyal yang Telah Dipisah
11 PRE-PROCESSING 1. Centering Hal yang mendasar yang perlu dilakukan adalah dengan memusatkan data (centering) x sehingga menjadi variabel yang memiliki rerata nol (zero-mean). 2. Whitening X = X E[X] Pemutihan (whitening) merupakan praproses yang berfungsi untuk me mutih kan variabel yang diamati, sehingga didapatkan sebuah vektor baru yang variansnya sama dengan satu serta komponen nyata dan imajinernya tidak terkorelasi dengan nilai varians yang sama. z = Vx
12 SYARAT-SYARAT DALAM MENGGUNAKAN METODE BSS Syarat menggunakan metode BSS dalam pemisahan sinyal: Matrix pencampur dan matrix pemisah merupakan matrix square Non Gaussian Statistically Independent
13 Independent Component Analysis (ICA) Sebuah teknik pemrosesan sinyal untuk menemukan faktor faktor atau komponen tersembunyi yang membentuk sekumpulan variabel acak Komponen tersembunyi dianggap nongaussian dan secara statistik saling bebas satu sama lain (independent)
14 METODE ICA DEFLATIONARY Centering & Whitening Memilih sebuah nilai awal vektor kompleks w, dapat secara acak w p E zg(w p T z) E{g (w p T z)}w p p 1 w p w p w j w j T w p j=1 No w p w p w p W Yes Konvergen p>m Yes p=p+1 W = wp1,..wm
15 METODE ICA SYMETRICAL Centering & Whitening Memilih sebuah nilai awal vektor kompleks w= I,.,m w i E zg(w i T z) E{g (w i T z)}w W (WW T ) 1/2 W W W W W 3 2 W 1 2 WWT W No WW T mendekati konvergen Yes W
16 Second Order Blind Identification (SOBI) Algoritma Second Order Blind Identification (SOBI) merupakan salah satu contoh paling sederhana dari metode Second Order Statistic (SOS). SOBI merupakan metode yang menggunakan second order cumulant atau varians untuk mendapatkan nilai demixing matrixnya.
17 METODE SOBI Memusatkan data (centering) & Whitening data Memilih banyaknya time delay yang ingin dilakukan Mencari matrix kovarians untuk tiap-tiap time delay Mencari sinyal estimasi Melakukan Joint Diagonalization sehingga dihasilkan matrix V Membentuk ulang sinyal yang sudah di whitening
18 Joint Approximate Diagonalization of Eigenmatrice (JADE) Secara garis besar, algoritma Joint Approximate Diagonalization of Eigenmatrice (JADE) memiliki banyak kesamaan dengan algoritma SOBI, dimana kedua algoritma tersebut sama-sama menggunakan Joint Diagonalization untuk mendapatkan nilai demixing matrixnya. Pada algoritma SOBI, sebelum melakukan proses Joint Diagonalization, dilakukan pencarian nilai kovariansnya sedangkan pada JADE yang digunakan sebelum Joint Diagonalization adalah fourth order cumulant.
19 METODE JADE Memusatkan data (centering) & Whitening data Mencari nilai Cumulant orde 4 : k z = E z 4 3(E z 2 ) 2 Membentuk ulang cumulant matrix dengan mensortir eigenvalue dan eigenvector-nya Joint Diagonalization Mencari sinyal estimasi : S=VX
20 HASIL PEMISAHAN SINYAL DENGAN JADE & SOBI Diketahui Sinyal 1 = welcome Inputan Mixing Signal Sinyal 2 = mystery Mixing Signal Hasil Sinyal 1 Hasil Pemisahan JADE Sinyal 1 Hasil Pemisahan SOBI Sinyal 2 Hasil Pemisahan JADE Sinyal 2 Hasil Pemisahan SOBI
21 PENILAIAN TERHADAP HASIL PEMISAHAN SINYAL Hasil pemisahan sinyal dari berbagai metode, perlu ditelaah lebih lanjut unntuk menentukan peformansi dari tiap metode. Salah satu metode dalam melihat peformansi adalah dengan mencari nilai Similarity. Berbagai Similarity tersebut adalah: 1. Cross correlation 2. Euclidean Distance 3. Mean Square Error (MSE) dan Signal to Interference Ratio (SIR)
22 CROSS CORRELATION, EUCLIDEAN DISTANCE, & MSE-SIR 1. Cross correlation atau korelasi silang adalah sebuah metode untuk menghitung kesamaan antara dua sinyal. R xy t 1, t 2 = E[X t 1 Y t 2 ] 2. Euclidean Distance adalah metode yang paling sering digunakan untuk menghitung kesamaan 2 vektor dengan cara menghitung akar dari kuadrat perbedaan 2 vektor. d s, se = (s 1 se 1) 2 + (s 2 se 2) (sn se n ) 2 3. MSE (Mean Square Error) adalah nilai rata-rata dari eror hasil estimasi, sedangkan SIR (Signal to Interference Ratio) adalah Perbandingan daya sinyal terhadap daya interferensi.. MSE = 1 n s se 2 SIR = 10 log n 10 (MSE) i=1
23 DATA INPUT Data sinyal input yang digunakan dibagi menjadi dua macam, yaitu data alami dan buatan. Fungsi g merupakan salah satu karakteristik yang cukup penting pada algoritma ICA.
24 DATA INPUT (cont d) Mixing matrix digunakan sebagai konstanta pengkali pada algoritma BSS sehingga didapatkan mixing sinyal yang akan digunakan untuk mencari estimasi sinyal sumber.
25 ANALISIS HASIL SIMULASI analisis hasil pemisahan sinyal meliputi: 1. Pengaruh sinyal input pada Algoritma BSS 2. Pengaruh Nilai Mixing Matrix pada Algoritma BSS 3. Pengaruh Jumlah Sumber pada Algoritma BSS 4. Pengaruh fungsi g pada Algoritma BSS 5. Pengaruh noise pada Algoritma BSS 6. analisis Pemisahan Sinyal pada Algoritma BSS dengan Menggunakan Toolbox ICALAB 7. analisis pemisahan sinyal data hasil pengukuran di LHI
26 Pengaruh sinyal input pada Algoritma BSS Nama Metode Defla Sym Jade Sobi Similarity Jenis Sinyal Voice Unvoice geometri kapal 2 x 2 2 x 2 2 x 2 2 x 2 r s r s r s r s
27 Pengaruh Nilai Mixing Matrix pada Algoritma BSS
28 Pengaruh Nilai Mixing Matrix pada Algoritma BSS (cont d)
29 Pengaruh fungsi g pada Algoritma BSS
30 Pengaruh fungsi g pada Algoritma BSS (cont d) Nama Metode Defla Sym Fungsi g Similarity g1 g2 2 x 2 3 x 3 2 x 2 3 x 3 r s t r s t
31 Pengaruh noise pada Algoritma BSS
32 KESIMPULAN 1. Algoritma FastICA, SOBI dan JADE mampu memisahkan sinyal dengan baik hal ini terlihat dari nilai similarity dengan menggunakan metode Cross correlation pada 2 sumber dengan algoritma FastICA Deflationary yang mencapai , FastICA symetrical , JADE , dan SOBI Sinyal input memberikan pengaruh pada tiap-tiap algoritma. Hal ini bergantung pada terpenuhi atau tidaknya syarat dari algoritma BSS yaitu independent. 3. Variasi fungsi g tidak berpengaruh pada hasil pemisahan, karena variasi fungsi g tidak memberikan perubahan pada nilai similarity. 4. Nilai mixing matrix tidak terlalu mempengaruhi nilai similarity dengan menggunakan metode cross correlation dan MSE. 5. Banyaknya sumber ikut berpengaruh pada keakuratan sinyal hasil estimasi. Semakin banyak sumber, keakuratan semakin mengecil. 6. Adanya noise mengurangi nilai similarity sinyal estimasi di tiap-tiap metode.
33 DAFTAR PUSTAKA [1] A. Hyvärinen, E. Oja. Independent Component Analysis: Algorithms and Application. Neural Networks, 13(4-5): , [2] A. Mansour, N. Benchekroun. General Structure for Separation of Underwater Acoustic. Berlin [3] Belourchrani, K. Abde-Meraim, J.F. Cardoso, A blind separation technique using second order statistics, IEEE on Trans. Signal Processing, vol 45, pp ,Feb [4] Cardoso, J.F. and Souloumiac, A. Jacobi angles for simultaneous diagonalizatio. SIAM J. Mat. Anal. Appl., 17, [5] Cardoso, J.F. and Souloumiac,A. Blind beamforming for nongaussian signals. Proc. Inst. Elec. Eng., pt. F, vol. 140, no. 6, pp , [6] Etter, Paul C. Underwater Acoustic Modelling, 2 nd edition. Chapman & Hall. London. Chapter [7] J. Eriksson, A. Kankainen, and V. Koivunen,. Novel characteristic function based criteria for ICA. Proceedings ICA 2001 San Diego, Dec [8] M.T. Sutherland, J. Liu, A. Tang. Temporal delays in blind identification of primary somatosensory cortex. International conference on machine learning and cybernetics [9] Stone, J.V. (2004). Independent Component Analysis: A Tutorial Introduction.MIT Press, Boston.
34 SARAN 1. Pada penelitian yang selanjutnya, dapat dicoba dengan membandingkan algoritma BSS dengan menggunakan sinyal hasil pencampuran dari convolutive mixture. 2. Algoritma BSS tidak hanya dapat digunakan pada sinyal suara namun juga dapat digunakan pada Gambar. Untuk yang selanjutnya, dapat diimplementasikan algoritma BSS pada pemisahan Gambar sebagai sistem pendeteksian suatu image. 3. Dalam pengambilan data di lapangan, sebaiknya menggunakan data inputan yang memenuhi criteria, yaitu independent dan non Gaussian.
35 TERIMA KASIH
PEMISAHAN SINYAL AKUSTIK BAWAH AIR MENGGUNAKAN METODE BLIND SEPARATION of SOURCE (BSS)
PEMISAHAN SINYAL AKUSTIK BAWAH AIR MENGGUNAKAN METODE BLIND SEPARATION of SOURCE (BSS) Wahyu Indra Purnama Sari 1), Dr. Ir. Wirawan, DEA 2), Ir. Endang Widjiati M.Eng.Sc. 3) 1) 2) 3) Jurusan Teknik Elektro
Lebih terperinciKombinasi Metode Independent Component Analysis (ICA) dan Beamforming untuk Pemisahan Sinyal Akustik Bawah Air
JURNAL TEKNIK POMITS Vol. 1, No. 1, (2012) 1-6 1 Kombinasi Metode Independent Component Analysis (ICA) dan Beamforming untuk Pemisahan Sinyal Akustik Bawah Air Mandala Anugerahwan Firstanto, Wirawan, Endang
Lebih terperinciKombinasi Metode Independent ComponentAnalysis(ICA) dan Beamforming untuk Pemisahan Sinyal Akustik Bawah Air
JURNAL TEKNIK POMITS Vol. 2, No. 2, (2013) ISSN: 2337-3539 (2301-9271 Print) A-300 Kombinasi Metode Independent ComponentAnalysis(ICA) dan Beamforming untuk Pemisahan Sinyal Akustik Bawah Air Mandala Anugerahwan
Lebih terperinciPenerapan Teknik Blind Source Separation untuk Memisahkan Noise dari Sinyal Akustik yang Non Gaussian
PRESENTASI TUGAS AKHIR Penerapan Teknik Blind Source Separation untuk Memisahkan Noise dari Sinyal Akustik yang Non Gaussian Farkhan Rosi 228175 Dosen Pembimbing Dr. Ir Wirawan, DEA. Ir. Endang Widjiati,
Lebih terperinciPenerapan Teknik Blind Source Separation untuk Memisahkan Noise dari Sinyal Akustik yang Non Gaussian
JURNAL TEKNIK POMITS Vol. 2, No. 2, (213) ISSN: 2337-3539 (231-9271 Print) A-288 Penerapan Teknik Blind Source Separation untuk Memisahkan Noise dari Sinyal Akustik yang Non Gaussian Farkhan Rosi, Wirawan,
Lebih terperinciPenerapan Teknik Blind Source Separation untuk Memisahkan Noise dari Sinyal Akustik yang Non Gaussian
JURNAL TEKNIK POMITS Vol., No., (23) -6 Penerapan Teknik Blind Source Separation untuk Memisahkan Noise dari Sinyal Akustik yang Non Gaussian Farkhan Rosi, Wirawan, Endang Widjiati Teknik Elektro, Fakultas
Lebih terperinciPEMISAHAN BANYAK SUMBER SUARA MESIN DARI MIKROFON BERBASIS TIME-FREQUENCY BLIND SOURCE SEPARATION
PEMISAHAN BANYAK SUMBER SUARA MESIN DARI MIKROFON BERBASIS TIME-FREQUENCY BLIND SOURCE SEPARATION Sherly Sabaraya, Dhany Arifianto Jurusan Teknik Fisika-Fakultas Teknologi Industri Institut Teknologi Sepuluh
Lebih terperinciBAB III METODE PENELITIAN DAN PERANCANGAN SISTEM. Metode penelitian yang digunakan pada penelitian ini adalah denoising
BAB III METODE PENELITIAN DAN PERANCANGAN SISTEM 3.1 Metode Penelitian Metode penelitian yang digunakan pada penelitian ini adalah denoising menggunakan Blind Source Separation dengan metode ICA. Data
Lebih terperinciSEMINAR TUGAS AKHIR Laboratorium Akustik Dan Fisika Bangunan
SEMINAR TUGAS AKHIR Laboratorium Akustik Dan Fisika Bangunan MONITORING PERFORMANSI MESIN BERPUTAR MELALUI PENERAPAN BLIND SOURCE SEPARATION (BSS) DI PT. GRESIK POWER INDONESIA (THE LINDE GROUP) Oleh Risqi
Lebih terperinciPENENTUAN LOKASI SUMBER
PENENTUAN LOKASI SUMBER DENGAN MENGGUNAKAN HYDROPHONE TUNGGAL Annisa Firasanti 2207100159 Dosen Pembimbing: Dr. Ir. Wirawan, DEA Ir. Endang Widjiati, M.Eng.Sc LATAR BELAKANG Potensi perairan Indonesia
Lebih terperinciPENGOLAHAN SINYAL MULTIMEDIA
MAKALAH PENGOLAHAN SINYAL MULTIMEDIA Eigenvector Analysis, Principal Component Analysis and Independent Component Analysis OLEH: PUTU NOPA GUNAWAN D411 10 009 Jurusan Teknik Elektro Fakultas Teknik Universitas
Lebih terperinciIDENTIFIKASI SECARA SERENTAK KERUSAKAN MESIN MENGGUNAKAN INDEPENDENT COMPONENT ANALYSIS BERDASARKAN CONVOLUTIVE MIXTURE
IDENTIFIKASI SECARA SERENTAK KERUSAKAN MESIN MENGGUNAKAN INDEPENDENT COMPONENT ANALYSIS BERDASARKAN CONVOLUTIVE MIXTURE SEPTIAN FIRMANDA 2406100065 DOSEN PEMBIMBING Dr.Dhany Arifianto,ST., M.Eng JURUSAN
Lebih terperinciBAB II LANDASAN TEORI. dapat diterima,diperkuat, serta direkam (Amrullah, 2012). Suara-suara ini
BAB II LANDASAN TEORI 2.1 Phonocardiogram Phonocardiogram adalah teknik dalam penelusuran suara jantung dan pencatatan getaran akustik jantung melalui suatu transduser mikrofon yang akan direkam dan ditampilkan
Lebih terperinciBRAMARA D Dosen Pembimbing I : NIP Dosen Pembimbing II : Andi Rahmadiansah, ST, MT. NIP
BRAMARA D. 2407.100.009 Dosen Pembimbing I : Dr. Dhany Arifianto, ST, M.Eng. NIP. 19731007 199802 1 001 Dosen Pembimbing II : Andi Rahmadiansah, ST, MT. NIP. 19790517 200312 1 002 Judul Tugas Akhir : PEMISAHAN
Lebih terperinciDeteksi Sinyal Akustik yang Ditimbulkan Kapal Menggunakan Pendekatan Hidden Markov Tree (HMT)
Proudly Present : Presentasi Tugas Akhir Deteksi Sinyal Akustik yang Ditimbulkan Kapal Menggunakan Pendekatan Hidden Markov Tree (HMT) Musa Ibrahim 2208100047 Pembimbing : Dr. Ir. Wirawan, DEA Ir. Endang
Lebih terperinciPENINGKATAN KUALITAS SINYAL SUARA DENGAN MENGGUNAKAN METODE INDEPENDENT COMPONENT ANALYSIS ABSTRAK
PENINGKATAN KUALITAS SINYAL SUARA DENGAN MENGGUNAKAN METODE INDEPENDENT COMPONENT ANALYSIS Ambrosius Jonathan / 0222202 Jurusan Teknik Elektro, Fakultas Teknik, Universitas Kristen Maranatha Jl. Prof.
Lebih terperinciPEMISAHAN SUARA MUSIK INSTRUMENTAL MENGGUNAKAN METODE INDEPENDENT COMPONENT ANALYSIS DAN PEMODELAN AUTOREGRESSIVE MOVING AVERAGE
Konferensi Nasional Sistem Informatika 2011; Bali, November 12, 2011 PEMISAHAN SUARA MUSIK INSTRUMENTAL MENGGUNAKAN METODE INDEPENDENT COMPONENT ANALYSIS DAN PEMODELAN AUTOREGRESSIVE MOVING AVERAGE Inung
Lebih terperinciPEMODELAN KANAL KOMUNIKASI AKUSTIK PADA PERAIRAN DANGKAL
PEMODELAN KANAL KOMUNIKASI AKUSTIK PADA PERAIRAN DANGKAL Taufani Rizal Nofriansyah NRP. 2207 100 004 Dosen Pembimbing : Dr. Ir. Wirawan, DEA Ir. Endang Widjiati, M.Eng.Sc Latar Belakang Kondisi perairan
Lebih terperinciPenggunaan Independent Component Analysis (ICA) untuk Pembuangan Noise dan Artefak pada Sinyal Campuran
Penggunaan Independent Component Analysis (ICA) untuk Pembuangan Noise dan Artefak pada Sinyal Campuran Riwinoto 1, Benyamin Kusumoputro 2 1 Program Studi Teknik Informatika, Politeknik Batam Park way
Lebih terperinciPEMISAHAN BANYAK SUMBER SUARA MESIN MENGGUNAKAN INDEPENDENT COMPONENT ANALYSIS (ICA) UNTUK DETEKSI KERUSAKAN
PEMISAHAN BANYAK SUMBER SUARA MESIN MENGGUNAKAN INDEPENDENT COMPONENT ANALYSIS (ICA) UNTUK DETEKSI KERUSAKAN B.T. Atmaja, A.S. Aisyah, dan D. Arifianto Jurusan Teknik Fisika, Fakultas Teknologi Industri,
Lebih terperinci1. Pendahuluan. 1.1 Latar Belakang
1. Pendahuluan 1.1 Latar Belakang Persaingan dalam dunia bisnis, terlebih lagi bagi perusahaan besar, tidak lepas dari adanya proses jual beli saham. Saham secara umum merupakan surat berharga yang dapat
Lebih terperinciPEMISAHAN SINYAL SUARA MENGGUNAKAN METODE BLIND SOURCE SEPARATION ABSTRAK
PEMISAHAN SINYAL SUARA MENGGUNAKAN METODE BLIND SOURCE SEPARATION Berkat Willmart Telaumbanua / 0322055 Jurusan Teknik Elektro, Fakultas Teknik, Jl. Prof. Drg. Suria Sumantri 65, Bandung 40164, Indonesia
Lebih terperinciPenemuan Sinyal Asli dengan Metode Independent Component Analysis pada Sinyal Tercampur Tunggal
Penemuan Sinyal Asli dengan Metode Independent Component Analysis pada Sinyal Tercampur Tunggal Riwinoto Program Studi Teknik Multimedia dan Jaringan Jurusan Teknik Informatika, Politeknik Negeri Batam
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Suara paru terjadi karena adanya turbulensi udara saat udara memasuki saluran pernapasan selama proses pernapasan. Turbulensi ini terjadi karena udara mengalir dari
Lebih terperinciProsiding Seminar Nasional Manajemen Teknologi XVIII Program Studi MMT-ITS, Surabaya 27 Juli 2013
MENDETEKSI DAN MELOKALISASI SUATU SUMBER SINYAL DENGAN METODE ESTIMASI DIRECTION-OF-ARRIVAL (DOA) DENGAN MENGGUNAKAN ALGORITMA MULTIPLE SIGNAL CLASSIFICATION (MUSIC) Estevao da Costa Guimaraes Electrical
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang
BAB I PENDAHULUAN 1.1. Latar Belakang Musik saat ini tengah menjadi trend setter yang banyak digemari masyarakat. Terbukti dari menjamurnya program-program mengenai musik di media massa dan besarnya antusiasme
Lebih terperinciPengukuran Sinyal Akustik untuk Mendeteksi Sumber Noise Menggunakan Metode Beamforming
JURNAL TEKNIK POMITS Vol. 1, No. 1, (2013) 1-6 1 Pengukuran Sinyal Akustik untuk Mendeteksi Sumber Noise Menggunakan Metode Beamforming Myta Pristanty, Wirawan, Endang Widjiati Bidang Studi Telekomunikasi
Lebih terperinciPERANCANGAN SISTEM MONITORING KERUSAKAN MESIN DENGAN PEMISAHAN BANYAK SUMBER SUARA MENGGUNAKAN INDEPENDENT COMPONENT ANALYSIS (ICA)
PERANCANGAN SISTEM MONITORING KERUSAKAN MESIN DENGAN PEMISAHAN BANYAK SUMBER SUARA MENGGUNAKAN INDEPENDENT COMPONENT ANALYSIS (ICA) Design of Machines Fault Monitoring With Sound Separation Using Independent
Lebih terperinciPEMBERIAN TANDA AIR PADA CITRA DIGITAL MENGGUNAKAN METODE TANDA AIR DENGAN ANALISIS KOMPONEN INDEPENDEN TRANSPOS CITRA
PEMBERIAN TANDA AIR PADA CITRA DIGITAL MENGGUNAKAN METODE TANDA AIR DENGAN ANALISIS KOMPONEN INDEPENDEN TRANSPOS CITRA (Watermarking on Digital Image Using Watermarking by Independent Component Analysis
Lebih terperinciDAFTAR PUSTAKA Natural Gradient Works Efficiently in Learning. Penggunaan Frekuensi Sesaat Untuk Deteksi Pola Suara Kerusakan Motor Listrik
DAFTAR PUSTAKA [1] Amari, S. 1997. Natural Gradient Works Efficiently in Learning. Saitama: RIKEN, Japan. [2] Anda, A R. 2006. Penggunaan Frekuensi Sesaat Untuk Deteksi Pola Suara Kerusakan Motor Listrik.
Lebih terperinciBAB 2 KAJIAN PUSTAKA
BAB 2 KAJIAN PUSTAKA 2.1 Artificial Intelligence Artificial intelligence menurut U.S. National Library of Medicine adalah ilmu dan implementasi teknik dan metode untuk merancang sistem komputer yang dapat
Lebih terperinciTEKNIK PEMBUATAN DIGITAL AUDIO WATERMARKING DAN TEKNIK UNTUK MENDETEKSINYA
TEKNIK PEMBUATAN DIGITAL AUDIO WATERMARKING DAN TEKNIK UNTUK MENDETEKSINYA Teuku Reza Auliandra Isma Teknik Informatika, Institut Teknologi Bandung Jl. Ganesha 10, Bandung e-mail: reza.auliandra@gmail.com
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Noise Pada saat melakukan pengambilan gambar, setiap gangguan pada gambar dinamakan dengan noise. Noise dipakai untuk proses training corrupt image, gambarnya diberi noise dan
Lebih terperinciPrediksi Financial Time Series Menggunakan Independent Component Analysis dan Support Vector Regression Studi Kasus : IHSG dan JII
ISSN : 355-9365 e-proceeding of Engineering : Vol., No. Agustus 015 Page 3608 Prediksi Financial Time Series Menggunakan Independent Component Analysis dan Support Vector Regression Studi Kasus : IHSG
Lebih terperinciPERANCANGAN DAN IMPLEMENTASI SISTEM KENDALI BISING AKTIF PADA DSK TMS320C6713 MENGGUNAKAN ALGORITMA ADJOINT-LMS. Muhammad Rizki Anggia
PERANCANGAN DAN IMPLEMENTASI SISTEM KENDALI BISING AKTIF PADA DSK TMS320C6713 MENGGUNAKAN ALGORITMA ADJOINT-LMS Muhammad Rizki Anggia Sekolah Teknik Elektro dan Informatika, Institut Teknologi Bandung
Lebih terperinciPengenalan Aksara Lampung Menggunakan Jaringan Syaraf Tiruan
Pengenalan Aksara Lampung Menggunakan Jaringan Syaraf Tiruan Adhika Aryantio School of Electrical Engineering and Informatics Institute Technology of Bandung 10th Ganeca Street Bandung, Indonesia. Adhikaaryantio.x6@gmail.com
Lebih terperinciBAB 3 MODEL FUNGSI TRANSFER MULTIVARIAT
BAB 3 MODEL FUNGSI TRANSFER MULTIVARIAT Model fungsi transfer multivariat merupakan gabungan dari model ARIMA univariat dan analisis regresi berganda, sehingga menjadi suatu model yang mencampurkan pendekatan
Lebih terperinciPEMBELAJARAN BERTINGKAT PADA ARSITEKTUR JARINGAN SARAF FUNGSI RADIAL BASIS
PEMBELAJARAN BERTINGKAT PADA ARSITEKTUR JARINGAN SARAF FUNGSI RADIAL BASIS Diana Purwitasari 1, Glory Intani Pusposari 2, Rully Sulaiman 3 Jurusan Teknik Informatika, Fakultas Teknologi Informasi, Institut
Lebih terperinciSistem Pencari Lokasi Sumber Manusia Menggunakan Metode ITD
Sistem Pencari Lokasi Sumber Manusia Menggunakan Metode ITD M. Afridon 1, Khairudinsyah 2 Politeknik Negeri Bengkalis Jl. Bathin Alam Sei. Alam, (0766) 7008877 e-mail: mohd_afridon@yahoo.co.id Abstrak
Lebih terperinciPERANCANGAN ALGORITMA BELAJAR JARINGAN SYARAF TIRUAN MENGGUNAKAN PARTICLE SWARM OPTIMIZATION (PSO)
Jurnal POROS TEKNIK, Volume 5, No. 1, Juni 2013 : 18-23 PERANCANGAN ALGORITMA BELAJAR JARINGAN SYARAF TIRUAN MENGGUNAKAN PARTICLE SWARM OPTIMIZATION (PSO) Nurmahaludin (1) (1) Staf Pengajar Jurusan Teknik
Lebih terperinciANALISIS PENGURANGAN DERAU PADA SINYAL LOUDSPEAKER MENGGUNAKAN FILTER ADAPTIF KALMAN
SINGUDA ENSIKOM VOL. 6 NO.3 /Maret 4 ANALISIS PENGUANGAN DEAU PADA SINYAL LOUDSPEAKE MENGGUNAKAN FILTE ADAPTIF KALMAN Fitriani Christhien Simbolon, Arman Sani Konsentrasi Teknik Telekomunikasi, Departemen
Lebih terperinciMODEL PREDIKSI PRODUCTION DELAY DALAM PROSES PRODUKSI STRIP MILL DENGAN METODE ADAPTIVE NEURO- FUZZY INFERENCE SYSTEM
Journal Industrial Servicess Vol. 3 No. 2 Maret 2018 MODEL PREDIKSI PRODUCTION DELAY DALAM PROSES PRODUKSI STRIP MILL DENGAN METODE ADAPTIVE NEURO- FUZZY INFERENCE SYSTEM Yusraini Muharni Jurusan Teknik
Lebih terperinciBAB I PENDAHULUAN Latar Belakang Masalah
BAB I PENDAHULUAN 1.1. Latar Belakang Masalah Upaya pengembangan teknik-teknik baru untuk memanfaatkan sumber daya spektrum frekuensi yang terbatas terus dilakukan. CDMA dan antena adaptif adalah dua pendekatan
Lebih terperinciPERFORMANSI DETEKSI SUMBER AKUSTIK BAWAH AIR MENGGUNAKAN METODE TIME- REVERSAL
1 PERFORMANSI DETEKSI SUMBER AKUSTIK BAWAH AIR MENGGUNAKAN METODE TIME- REVERSAL Mochamad Faizal, Wirawan, Endang Widjiati Jurusan Teknik Elektro, Fakultas Teknologi Industri, Institut Teknologi Sepuluh
Lebih terperinciISSN : e-proceeding of Engineering : Vol.4, No.2 Agustus 2017 Page 1810
ISSN : 2355-9365 e-proceeding of Engineering : Vol.4, No.2 Agustus 2017 Page 1810 SISTEM IDENTIFIKASI IRIS MATA DENGAN METODE INDEPENDENT COMPONENT ANALYSIS DAN KLASIFIKASI K-NEAREST NEIGHBOR IDENTIFICATION
Lebih terperinciEVALUASI UNJUK KERJA MICROPHONE ARRAY MENGGUNAKAN METODE TIME-FREQUENCY INDEPENDENT COMPONENT ANALYSIS
TUGAS AKHIR-TF 091381 EVALUASI UNJUK KERJA MICROPHONE ARRAY MENGGUNAKAN METODE TIME-FREQUENCY INDEPENDENT COMPONENT ANALYSIS RIZKA WAHYU NOVITASARI NRP 2412 105 025 Dosen Pembimbing Dr.Dhany Arifianto,
Lebih terperinciPengukuran Waktu Tunda (Time Delay) pada Dua Sinyal dengan Cross Correlation Function (CCF)
Jurnal Penelitian Sains Volume 12 Nomer 1(B) 12102 Pengukuran Waktu Tunda (Time Delay) pada Dua Sinyal dengan Cross Correlation Function (CCF) Erry Koriyanti Jurusan Fisika FMIPA, Universitas Sriwijaya,
Lebih terperinciOPTIMASI RERATA DALAM PROSES KORELASI SILANG UNTUK MENENTUKAN LOKASI RADIO TRANSMITTER
164... Prosiding Seminar Matematika, Sains dan I, FMIPA UNSRA, 14 Juni 2013 OPIMASI RERAA DALAM PROSES KORELASI SILANG UNUK MENENUKAN LOKASI RADIO RANSMIER Isnan Nur Rifai 1), Wahyu Widada 2) 1) Program
Lebih terperinciPENGENALAN IRIS MATA MENGGUNAKAN METODE PENCIRIAN INDEPENDENT COMPONENTS ANALYSIS (ICA) DAN JARAK MINKOWSKI
PENGENALAN IRIS MATA MENGGUNAKAN METODE PENCIRIAN INDEPENDENT COMPONENTS ANALYSIS (ICA) DAN JARAK MINKOWSKI Febry Santo *), R.Rizal Isnanto, and Ajub Ajulian Zahra Jurusan Teknik Elektro, Universitas Diponegoro
Lebih terperinciBAB I PENDAHULUAN Latar Belakang Masalah
BAB I PENDAHULUAN 1.1. Latar Belakang Masalah Seiring dengan perkembangan zaman dan semakin meluasnya jaringan multimedia, maka proses pengiriman dan pengaksesan citra digital juga semakin mudah. Kemudahan
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Berkurangnya fungsi pendengaran adalah penurunan fungsi pendengaran pada salah satu ataupun kedua telinga. Hal ini disebabkan oleh infeksi, strokes, obat-obatan,
Lebih terperinciAplikasi Noise Reduction untuk Perbaikan Kualitas Suara pada Data Audio Menggunakan Algoritma FastICA
Aplikasi Noise Reduction untuk Perbaikan Kualitas Suara pada Data Audio Menggunakan Algoritma FastICA 1) Indra Budi Setiawan, 2) T. Arie Setiawan Prasida, 3) Michael Bezaleel Fakultas Teknologi Informasi
Lebih terperinciAnalisis Perkiraan TDOA menggunakan Algoritma LMS Adaptif pada Pelacakan Paus Lodan
IJEIS, Vol.5, No.1, April 2015, pp. 11~20 ISSN: 2088-3714 11 Analisis Perkiraan TDOA menggunakan Algoritma LMS Adaptif pada Pelacakan Paus Lodan Andriyan Permana* 1, Agfianto Eko Putra 2, Catur Atmaji
Lebih terperinciB. Tujuan. C. Pembatasan masalah
Pemisahan Komponen Sumber Sinyal Deterministik dengan Analisis Komponen Independen Andi Buwono 1, Achmad Hidayatno 2, Imam Santoso 2 Jurusan eknik Elektro, Fakultas eknik, Universitas Diponegoro, Jl. Prof.
Lebih terperinciESTIMASI ARAH KEDATANGAN SUMBER JAMAK MENGGUNAKAN BAYESIAN PREDICTIVE DENSITIES. Disusun Oleh: Nrp :
ESTIMASI ARAH KEDATANGAN SUMBER JAMAK MENGGUNAKAN BAYESIAN PREDICTIVE DENSITIES Disusun Oleh: Nama : Charli Susanto Nrp : 0422053 Jurusan Teknik Elektro, Fakultas Teknik, Universitas Kristen Maranatha,
Lebih terperinciAnalisis Jarak Microphone Array dengan Teknik Pemrosesan Sinyal Fast Fourier Transform Beamforming
85 Analisis Jarak Microphone Array dengan Teknik Pemrosesan Sinyal Fast Fourier Transform Beamforming Moh Fausi, Agus Naba dan Djoko Santjojo Abstract The main problem in the application of the sound source
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.6. Jaringan Syaraf Tiruan Jaringan syaraf tiruan atau neural network merupakan suatu sistem informasi yang mempunyai cara kerja dan karakteristik menyerupai jaringan syaraf pada
Lebih terperinciALGORITMA TDOA UNTUK PENGUKUR JARAK ROKET MENGGUNAKAN TEKNOLOGI UHF
ALGORITMA TDOA UNTUK PENGUKUR JARAK ROKET MENGGUNAKAN TEKNOLOGI UHF Haris Setyawan 1*, Wahyu Widada 2 1 Teknik Informatika Fakultas Teknik Universitas Muhammadiyah Yogyakarta Jalan Lingkar Selatan Tamantirto
Lebih terperinciESTIMASI LOKASI SUMBER JAMAK DALAM MEDAN DEKAT MENGGUNAKAN 3-D MULTIPLE SIGNAL CLASSIFICATION (MUSIC)
ESTIMASI LOKASI SUMBER JAMAK DALAM MEDAN DEKAT MENGGUNAKAN 3-D MULTIPLE SIGNAL CLASSIFICATION (MUSIC) Disusun Oleh: Nama : Juke Ratna Puri Nrp : 0422085 Jurusan Teknik Elektro, Fakultas Teknik, Universitas
Lebih terperinciBAB I PENDAHULUAN. teknologi pengolahan citra (image processing) telah banyak dipakai di berbagai
BAB I PENDAHULUAN 1.1. Latar Belakang Masalah Citra (image) adalah bidang dalam dwimatra (dua dimensi) (Munir, 2004). Sebagai salah satu komponen multimedia, citra memegang peranan sangat penting sebagai
Lebih terperinciBAB III METODE PENELITIAN DAN PERANCANGAN SISTEM
BAB III METODE PENELITIAN DAN PERANCANGAN SISTEM 3.1 Metode Penelitian Gambar 3.1 Diagram Blok Rancangan Penelitian. 24 25 Metode penelitian yang digunakan meliputi studi kepustakaan, pembuatan program,
Lebih terperinciBAB 3 METODOLOGI. seseorang. Hal inilah yang mendorong adanya perkembangan teknologi
BAB 3 METODOLOGI 3.1. Kerangka Berpikir Pengenalan ekspresi wajah adalah salah satu bentuk representasi kecerdasan manusia yang dapat digunakan untuk mendeteksi kondisi emosi seseorang. Hal inilah yang
Lebih terperinciKOMPRESI CITRA DIGITAL DENGAN MENGGUNAKAN HEBBIAN BASED PRINCIPAL COMPONENT ANALYSIS
KOMPRESI CITRA DIGITAL DENGAN MENGGUNAKAN HEBBIAN BASED PRINCIPAL COMPONENT ANALYSIS 1 Sofyan Azhar Ramba 2 Adiwijaya 3 Andrian Rahmatsyah 12 Departemen Teknik Informatika Sekolah Tinggi Teknologi Telkom
Lebih terperinciPELATIHAN FEED FORWARD NEURAL NETWORK MENGGUNAKAN ALGORITMA GENETIKA DENGAN METODE SELEKSI TURNAMEN UNTUK DATA TIME SERIES
JURNAL GAUSSIAN, Volume 1, Nomor 1, Tahun 2012, Halaman 65-72 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PELATIHAN FEED FORWARD NEURAL NETWORK MENGGUNAKAN ALGORITMA GENETIKA DENGAN METODE
Lebih terperinciDETEKSI ARAH KEDATANGAN SINYAL PADA ANTENA ARRAY KUBUS DENGAN MENGGUNAKAN ALGORITMA MUSIC
ETEKSI ARA KEATANGAN SINYAL PAA ANTENA ARRAY KUUS ENGAN MENGGUNAKAN ALGORITMA MUSIC Muhammad Syahroni Jurusan Teknik Elektro Politeknik Negeri Lhokseumawe Jln..Aceh Medan Km.280 uketrata 24301 INONESIA
Lebih terperinciKOMPRESI DAN PENGENALAN CITRA WAJAH DENGAN PENDEKATAN NON-NEGATIVE MATRIX FACTORIZATION
KOMPRESI DAN PENGENALAN CITRA WAJAH DENGAN PENDEKATAN NON-NEGATIVE MATRIX FACTORIZATION Christianto Mewlando Binus University, Jakarta, DKI Jakarta, Indonesia Fictor Benny Kurniawan Usodo Binus University,
Lebih terperinciBAB III KALMAN FILTER DISKRIT. Kalman Filter adalah rangkaian teknik perhitungan matematika (algoritma)
BAB III KALMAN FILTER DISKRIT 3.1 Pendahuluan Kalman Filter adalah rangkaian teknik perhitungan matematika (algoritma) yang memberikan perhitungan efisien dalam mengestimasi state proses, yaitu dengan
Lebih terperinciENHANCED K-SVD ALGORITHM for IMAGE DENOISING
ENHANCED K-SVD ALGORITHM for IMAGE DENOISING Edwin Junius, Reza Alfiansyah, Endra,Universitas Bina Nusantara, mono_unk@yahoo.com, devil.reza12@yahoo.com, ABSTRAK Penelitian ini bertujuan untuk membuat
Lebih terperinciSIMULASI KENDALI ADAPTIF MENGGUNAKAN ALGORITMA LMS UNTUK IDENTIFIKASI PLANT ORDE-2
SIMULASI KENDALI ADAPTIF MENGGUNAKAN ALGORITMA LMS UNTUK IDENTIFIKASI PLANT ORDE-2 SUKARMAN Sekolah Tinggi Teknologi Nuklir-BATAN Jl. Babarsari Kotak Pos 1008, DIY 55010 Telp. 0274.489716, Faks.489715
Lebih terperinciIDENTIFIKASI IRIS MATA MENGGUNAKAN METODE ANALISIS KOMPONEN BEBAS (INDEPENDENT COMPONENTS ANALYSIS ICA)
IDENTIFIKASI IRIS MATA MENGGUNAKAN METODE ANALISIS KOMPONEN BEBAS (INDEPENDENT COMPONENTS ANALYSIS ICA) Hari Casbari Biometrik merupakan suatu ilmu yang menitikberatkan pada metode-metode untuk mengidentifikasikan
Lebih terperinciPENERAPAN INDEPENDENT COMPONENT ANALYSIS (ICA)UNTUK PEMISAHAN SINYAL SUARA MESIN BERPUTAR DI PT. GRESIK POWER INDONESIA (THE LINDE GROUP)
1 PENERAPAN INDEPENDENT COMPONENT ANALYSIS (ICA)UNTUK PEMISAHAN SINYAL SUARA MESIN BERPUTAR DI PT. GRESIK POWER INDONESIA (THE LINDE GROUP) Dian Nur Hayati, Dhany Arifianto Jurusan Teknik Fisika Fakultas
Lebih terperinciBAB IV PENGUJIAN DAN ANALISIS
BAB IV PENGUJIAN DAN ANALISIS Pembahasan pada bab ini berisi penjelasan cara pengujian beserta hasil pengujian untuk melihat apakah hasil perancangan sistem penyama beserta analisisnya memenuhi sasaran
Lebih terperinciSISTEM PENDETEKSI WAJAH MANUSIA PADA CITRA DIGITAL (PROPOSAL SKRIPSI) diajukan oleh. NamaMhs NIM: XX.YY.ZZZ. Kepada
SISTEM PENDETEKSI WAJAH MANUSIA PADA CITRA DIGITAL (PROPOSAL SKRIPSI) diajukan oleh NamaMhs NIM: XX.YY.ZZZ Kepada JURUSAN TEKNIK INFORMATIKA STMIK STIKOM BALIKPAPAN LEMBAR PERSETUJUAN Proposal Skripsi
Lebih terperinciDETEKSI SINYAL FLICKER MENGANDUNG NOISE BERBASIS HILBERT HUANG TRANSFORM
DETEKSI SINYAL FLICKER MENGANDUNG NOISE BERBASIS HILBERT HUANG TRANSFORM Mohammad Jasa Afroni 1), Oktriza Melfazen 2) 1),2), Jurusan Teknik Elektro,Fakultas Teknik Universitas Islam Malang Jl. MT Haryono
Lebih terperinciPERAMALAN BEBAN JANGKA PENDEK PADA HARI LIBUR DI BALI MENGGUNAKAN METODE GENERALIZED REGRESSION NEURAL NETWORK (GRNN)
PERAMALAN BEBAN JANGKA PENDEK PADA HA LIBUR DI BALI MENGGUNAKAN METODE GENERALIZED REGRESSION NEURAL NETWORK () Juniar Doan Wihardono 1, Agus Dharma 2, I Made Mataram 3 Jurusan Teknik Elektro dan Komputer,
Lebih terperinciESTIMASI GERAKAN PADA VIDEO ANIMASI 2D MENGGUNAKAN ALGORITMA PENCOCOKAN BLOK (BLOCK MATCHING ALGORITHM)
ESTIMASI GERAKAN PADA VIDEO ANIMASI 2D MENGGUNAKAN ALGORITMA PENCOCOKAN BLOK (BLOCK MATCHING ALGORITHM) Mursyidah 1, Muhammad Nasir 2 1 Jurusan Teknik Elektro, Politeknik Negeri Lhokseumawe, ACEH, 24312
Lebih terperinciPENGENALAN WAJAH DENGAN METODE INDEPENDENT COMPONENT ANALYSIS
PENGENALAN WAJAH DENGAN METODE INDEPENDENT COMPONENT ANALYSIS Ahmad Mushawir 1 ; Ready Prima Rozzaaq 2 ; Sugondo 3 ; Diaz D. Santika 4 Jurusan Teknik Informatika, Fakultas Ilmu Komputer, Universitas Bina
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Mobil adalah salah satu alat transportasi yang sudah populer dan sering digunakan oleh manusia. Mobil berasal dari kata otomobil, diambil dari bahasa Yunani, yaitu
Lebih terperinciMetode Asimilasi Data sebagai Estimasi Penyelesaian Masalah-masalah Lingkungan
J. of Math. and Its Appl. ISSN: 1829-605X Vol. 1, No. 1 (2004), 19 Metode Asimilasi Data sebagai Estimasi Penyelesaian Masalah-masalah Lingkungan Erna Apriliani Jurusan Matematika Institut Teknologi Sepuluh
Lebih terperinciDeteksi Titik Awal dan Titik Akhir Sinyal Untuk Pemisahan Sinyal Voice dan Unvoice
Jurnal Teknik Elektro dan Komputer, Vol.I, No.2, Oktober 21, 125-129 125 Deteksi Titik Awal dan Titik Akhir Sinyal Untuk Pemisahan Sinyal Voice dan Unvoice Luqman Hakim Program Studi Teknik Mekatronika,
Lebih terperinciEKSTRAKSI FITUR SINYAL ELEKTROENSEFALOGRAF (EEG) UNTUK IDENTIFIKASI UNSPOKEN-SPEECH MENGGUNAKAN EEGLAB
EKSTRAKSI FITUR SINYAL ELEKTROENSEFALOGRAF (EEG) UNTUK IDENTIFIKASI UNSPOKEN-SPEECH MENGGUNAKAN EEGLAB Pembimbing : Ir. Syamsul Arifin, MT. Andi Rahmadiansah, ST. MT. oleh : Bagas Isadewa 2406100077 Teknik
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Power control pada sistem CDMA adalah mekanisme yang dilakukan untuk mengatur daya pancar mobile station (MS) pada kanal uplink, maupun daya pancar base station
Lebih terperinciANALISIS VARIASI PARAMETER LEARNING VECTOR QUANTIZATION ARTIFICIAL NEURAL NETWORK TERHADAP PENGENALAN POLA DATA ODOR
Jurnal Teknik dan Ilmu Komputer ANALISIS VARIASI PARAMETER LEARNING VECTOR QUANTIZATION ARTIFICIAL NEURAL NETWORK TERHADAP PENGENALAN POLA DATA ODOR PARAMETER VARIATION ANALYSIS OF LEARNING VECTOR QUANTIZATION
Lebih terperinciANALISIS REDUKSI DATA CITRA MENGGUNAKAN METODE DEKOMPOSISI NILAI SINGULAR
ANALISIS REDUKSI DATA CITRA MENGGUNAKAN METODE DEKOMPOSISI NILAI SINGULAR Susan Sulaiman, Suhartati Agoes Jurusan Teknik Elektro Universitas Trisakti Jl. Kyai Tapa no 1, Grogol, Jakarta 11440 susan_sulaiman_2006@yahoo.co.id
Lebih terperinciPENGENALAN SUARA MANUSIA DENGAN MENGGUNAKAN JARINGAN SARAF TIRUAN MODEL PROPAGASI BALIK
ABSTRAK PENGENALAN SUARA MANUSIA DENGAN MENGGUNAKAN Dosen Jurusan Teknik Elektronika Fakultas Teknik Universitas Negeri Makassar Pada penelitian ini dibuat sebuah sistem pengenalan suara manusia dengan
Lebih terperinciBAB II TINJAUAN PUSTAKA
2.1 Tinjauan Empiris BAB II TINJAUAN PUSTAKA Pada penelitian ini, peneliti menggunakan beberapa penelitian yang pernah dilakukan sebelumnya sebagai tinjauan studi. Berikut ialah tinjauan empiris yang digunakan:
Lebih terperinciPENDAHULUAN. Latar Belakang
Latar Belakang PENDAHULUAN Perkembangan teknologi jaringan dan teknik kompresi data audio mempermudah penyalinan dan penyebaran data audio secara ilegal (Alfatwa 2006). Perkembangan teknologi informasi
Lebih terperinciBAB IV IMPLEMENTASI DAN PENGUJIAN
68 BAB IV IMPLEMENTASI DAN PENGUJIAN Bab ini membahas tentang program yang telah dianalisis dan dirancang atau realisasi program yang telah dibuat. Pada bab ini juga akan dilakukan pengujian program. 4.1
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1. Pengenalan Ekspresi Wajah Manusia Pengenalan ekspresi wajah manusia oleh mesin dapat dideskripsikan sebagai interpretasi terhadap karakteristik ekspresi wajah manusia melalui
Lebih terperinciPEMBERIAN TANDA AIR PADA CITRA DIGITAL MENGGUNAKAN METODE TANDA AIR DENGAN ANALISIS KOMPONEN INDEPENDEN PEMBALIKAN CITRA
PEMBERIAN TANDA AIR PADA CITRA DIGITAL MENGGUNAKAN METODE TANDA AIR DENGAN ANALISIS KOMPONEN INDEPENDEN PEMBALIKAN CITRA Nama Mahasiswa : Yunita Pranindya NRP : 1206 100 023 Jurusan : Matematika FMIPA-ITS
Lebih terperinciImplementasi Kalman Filter Pada Sensor Jarak Berbasis Ultrasonik
Implementasi Kalman Filter Pada Sensor Jarak Berbasis Ultrasonik Hendawan Soebhakti, Rifqi Amalya Fatekha Program Studi Teknik Mekatronika, Jurusan Teknik Elektro Politeknik Negeri Batam Email : hendawan@polibatam.ac.id
Lebih terperinciIDENTIFIKASI KANAL FIR SECARA BUTA UNTUK SISTEM DUA-MASUKAN-DUA-KELUARAN PADA DOMAIN FREKUENSI MENGGUNAKAN STATISTIK ORDE DUA ABSTRAK
IDENTIFIKASI KANAL FIR SECARA BUTA UNTUK SISTEM DUA-MASUKAN-DUA-KELUARAN PADA DOMAIN FREKUENSI MENGGUNAKAN STATISTIK ORDE DUA Sempurna keliat / 0122171 Jurusan Teknik Elektro, Fakultas Teknik, Jln. Prof.
Lebih terperinciBAB I PENDAHULUAN. Bab I Pendahuluan
BAB I PENDAHULUAN 1.1 LATAR BELAKANG Perkembangan ilmu biomedikal telah mendorong banyak penelitian dilakukan untuk menghasilkan alat bantu diagnosa berbasis komputer. Salah satunya yaitu pendeteksian
Lebih terperinciMETODE PARTIAL LEAST SQUARES UNTUK MENGATASI MULTIKOLINEARITAS PADA MODEL REGRESI LINEAR BERGANDA
Buletin Ilmiah Mat. Stat. dan Terapannya (Bimaster) Volume 03, No. 3 (2014), hal 169 174. METODE PARTIAL LEAST SQUARES UNTUK MENGATASI MULTIKOLINEARITAS PADA MODEL REGRESI LINEAR BERGANDA Romika Indahwati,
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Dalam kehidupan sehari- hari seringkali ditemukan uang palsu pada berbagai transaksi ekonomi. Tingginya tingkat uang kertas palsu yang beredar di kalangan masyarakat
Lebih terperinciRANCANG BANGUN DAN UJI AKUSTIK PROPELLER UNTUK KAPAL SELAM MINI
HK-95 RANCANG BANGUN DAN UJI AKUSTIK PROPELLER UNTUK KAPAL SELAM MINI Endang Widjiati*, Erwandi, Endah Suwarni, M. Nasir, Nurwidhi, Totok Sudarto, Yuniati Indonesia Hydrodynamic Laboratory (IHL), UPT-BPPH,
Lebih terperinciEstimasi Kanal Mobile-to-Mobile dengan Pendekatan Polinomial untuk Mitigasi ICI pada Sistem OFDM
Estimasi Kanal Mobile-to-Mobile dengan Pendekatan Polinomial untuk Mitigasi ICI pada Sistem OFDM Nama : Mulyono NRP : 2210203007 Pembimbing : 1. Prof. Ir. Gamantyo Hendrantoro, Ph.D 2. Ir. Titiek Suryani,
Lebih terperinciDosen Program Studi Ilmu Komputer Universitas Pakuan Bogor
PENGENALAN KADAR TOTAL PADAT TERLARUT PADA BUAH BELIMBING BERDASAR CITRA RED-GREEN-BLUE MENGGUNAKAN PRINCIPLE COMPONENT ANALYSIS (PCA) SEBAGAI EKSTRAKSI CIRI DAN KLASIFIKASI K-NEAREST NEIGHBORHOOD (KNN)
Lebih terperinciPrincipal Component Analysis
Perbandingan Ukuran Jarak pada Proses Pengenalan Wajah Berbasis Principal Component Analysis (PCA) Pembimbing: Dr.Ir.Wirawan, DEA (Ir. Hendra Kusuma, M.Eng) Nimas Setya Yaniar 2208.100.616 POSE (posisi
Lebih terperinciDeteksi Sinyal Akustik yang Ditimbulkan Kapal Menggunakan Pendekatan Hidden Markov Tree (HMT)
1 Deteksi Sinyal Akustik yang Ditimbulkan Kapal Menggunakan Pendekatan Hidden Markov Tree (HMT) Ibrahim M. Wirawan Widjiati E. Teknik Elektro Fakultas Teknologi Industri Institut Teknologi Sepuluh Nopember
Lebih terperinci