PEMISAHAN SINYAL AKUSTIK BAWAH AIR MENGGUNAKAN METODE BLIND SEPARATION of SOURCE (BSS)
|
|
- Suharto Budiono
- 6 tahun lalu
- Tontonan:
Transkripsi
1 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 ITS, Surabaya 60111, Bidang Studi Telekomunikasi Multimedia Jurusan Teknik Elektro FTI, Institut Teknologi Sepuluh Nopember Kampus ITS, Surabaya Abstrak Seringkali sinyal akustik yang diterima oleh sensor tidak sesuai dengan yang diinginkan, yaitu bercampurnya sinyal tersebut dengan sinyal-sinyal lainnya di lingkungan. Oleh karena itu, digunakanlah sebuah teknik untuk memisahkan sinyal-sinyal yang bercampur tersebut. Salah satu teknik yang dapat digunakan untuk pemisahan sumber tak dikenal yaitu Blind Separation of Source (BSS). Sesuai dengan namanya, tak dikenal (blind), berarti tidak ada informasi mengenai sinyal sumber ataupun sistem pencampurannya. Ada beberapa metode yang tergabung dalam BSS. Diantaranya adalah Independent Component Analysis (ICA), Second Order Statistic (SOS), dan Joint Approximate Diagonalization of Eigenmatrice (JADE). Tujuan dari tugas akhir ini adalah membandingkan masing-masing metode BSS agar dapat diketahui metode mana yang memberikan hasil pemisahan yang paling baik. Parameter untuk mengetahui kualitas hasil pemisahan adalah nilai similarity yang dihitung dengan menggunakan metode cross correlation dan Euclidian distance, nilai Mean Square Error (MSE), dan nilai Signal to Interference Ratio (SIR). Dengan menganalisa hasil simulasi, dapat diketahui bahwa metode JADE menghasilkan sinyal pemisahan yang lebih baik daripada metode lainnya pada BSS. Kata kunci: I. PENDAHULUAN Penelitian tentang komunikasi bawah laut di Indonesia masih sangat terbatas sedangkan karakteristik dari komunikasi wireless bawah air berbeda dengan karakteristik komunikasi wireless dengan menggunakan medium udara. Hal ini dikarenakan karakteristik kanal yang digunakan yaitu air memiliki sifat-sifat tertentu yang mempengaruhi kinerja kanal. Gelombang radio dan elektromagnet yang biasa digunakan pada sistem komunikasi dengan menggunakan medium udara tidak dapat dipakai di bawah air. Hal ini dikarenakan gelombang elektromagnetik dan radio tidak dapat mencapai jarak yang jauh pada medium air. Jenis gelombang yang dapat digunakan di medium bawah air adalah gelombang akustik. Pada kenyataannya, seringkali sinyal akustik yang diterima oleh sensor tidak sesuai dengan yang diinginkan, yaitu bercampurnya sinyal tersebut dengan sinyal-sinyal lainnya di lingkungan. Sejak dulu, pemisahan sinyal sudah menjadi permasalahan dalam bidang teknik. Oleh karena itu digunakanlah sebuah teknik untuk memisahkan sinyal-sinyal yang bercampur tersebut. Salah satu teknik yang dapat digunakan untuk pemisahan sumber tak dikenal yaitu BSS. Sesuai dengan namanya, tak dikenal (blind), berarti tidak ada informasi mengenai sinyal sumber ataupun sistem pencampurannya. Salah satu metode yang paling umum digunakan untuk melakukan BSS adalah analisis komponen independen (Independent Component Analysis ICA),Second Order Blind Identification (SOBI) dan Joint Approximate Diagonalization of Eigenmatrice (JADE). II. TEORI PENUNJANG 2.1 Kecepatan Suara [6] Kecepatan suara dipengaruhi oleh suhu air, salinitas, dan tekanan (kedalaman). Kecepatan suara akan bertambah seiring dengan bertambahnya nilai parameterparameter tersebut. Untuk penyederhanaannya kecepatan suara dinyatakan sebagai fungsi temperatur, salinitas, dan kedalaman dalam Persamaan berikut: c = T T T S D D T S TD 3 (1) Dimana T = temperatur air [ 0 C] S = Salinitas [ppt atau part per thousand] D = kedalaman [m] 2.2 Instantaneous mixture Instantaneous mixture adalah campuran yang dihasilkan dari perkalian sesaat secara dot product dari dua buah sinyal. Rumus untuk mendapatkan hasil instantaneous mixture adalah sebagai berikut: X(t)=s 1 (t).s 2 (t) (2) Dimana s1 merupakan sumber suara pertama, s2 merupakan sumber suara kedua, dan X merupakan sinyal hasil pencampuran kedua sumber. 2.3 Blind Separation of Source [9] Blind Separation of Sources adalah metode pemisahan satu set sinyal dari satu set sinyal campuran, tanpa adanya informasi (atau dengan sangat sedikit informasi) tentang sumber sinyal atau proses pencampuran. Pemisahan sinyal Blind bergantung pada asumsi bahwa sumber sinyal tidak berkorelasi satu dengan yang lainnya (independent). Sebagai contoh, bayangkan ada dua orang berbicara pada saat yang sama di sebuah ruangan yang berisi dua mikrofon, seperti digambarkan pada Gambar 1. Gambar 1. Ilustrasi BSS 1
2 Pada BSS, diketahui terdapat beberapa sinyal campuran seperti pada persamaan: x 1 (t) = a 11 s 1 (t)+ a 12 s 2 (t) x 2 (t) = a 21 s 1 (t)+ a 22 s 2 (t) (3) juga dapat dituliskan menjadi Persamaan (4) di x = As (4) Sedangkan untuk mengetahui sinyal sumber s, didapatkan dari rumus di s=wx (5) dimana W merupakan invers dari mixing matrix A. untuk lebih jelasnya, dapat dilihat dari bagan di Gambar 2 Bagan BSS Dari Gambar di atas, yang dimaksud mixing matrix adalah nilai A, Sedangkan nilai unmixing matrix adalah nilai W. Mixing matrix digunakan pada proses pencampuran sinyal sedangkan unmixing matrix digunakan pada proses pemisahan sinyal. Sebelum dilakukan proses BSS, dilakukan pre processing yaitu proses centering dan whitening. Centering adalah proses pemusatan data yang membuat nilai x menjadi zero mean. Rumus untuk melakukan centering adalah: X = X E[X] (6) Sedangkan whitening adalah merupakan praproses yang berfungsi untuk me mutih kan variabel yang diamati. Dari proses ini didapatkan sebuah vektor baru yang variansnya sama dengan satu. Rumus untuk melakukan proses whitening adalah sebagai berikut: z=vx 7) V = D -1/2 T x (8) 2.4 Independent Component Analysis [1] Independent Component Analysis (ICA) adalah sebuah teknik pemrosesan sinyal untuk menemukan faktor faktor atau komponen tersembunyi yang membentuk sekumpulan variabel acak (hasil dari pengukuran, sinyal atau secara umum data). Ada dua metode untuk menentukan beberapa komponen independent, yaitu Deflationary dan symetrical. Deflationary Langkah-langkah dalam melakukan metode deflationary adalah sebagai berikut: Plih m, jumlah komponen independent, dengan p=1 Memilih sebuah nilai awal vektor kompleks w, dapat secara acak Menghitung nilai w yang baru: w p E zg(w T p z) E{g (w T p z)}w p (9) Melakukan orthogonalization seperti di bawah ini: p 1 w p w p j=1 w j w T j w p (10) Menormalkan nilai w yang baru: w p w p (11) w p Memeriksa konvergensi, bila tidak konvergen maka kembali ke persamaan (10). Jika konvergen, set p=p+1. Apabila p m, maka kembali ke persamaan (9). Symetrical. Langkah-langkah metode symetrical dapat dilihat di Memilih m jumlah komponen independent (jumlah sumber). Memilih sebuah nilai awal vektor kompleks wi, dengan i=1,..,m Menghitung setiap nilai wi dengan menggunakan rumus (9). Melakukan orthogonalization matrix W=(w1,,wm) T seperti di W (WW T ) 1/2 W (12) Atau dengan iterasi di o W W W (13) o W 3 W WWT W (14) o Jika WW T tidak mendekati matrix identitas, kembali ke persamaan (14) 2.5 Second Order Blind Identification [3] Metode Second Order Statistic adalah sebuah metode yang menggunakan second order cumulant atau varians untuk mendapatkan nilai demixing matrixnya. Langkah-langkah dari algoritma SOBI dapat dilihat di Memilih banyaknya time delay yang ingin dilakukan untuk dapat dicari matrix kovarians dengan pergeseran waktu. τ {τ j j = 1,, K} Mencari matrix kovarians untuk tiap-tiap time delay sesuai dengan persamaan di bawah ini, kemudian mencari whitening matrixnya. R =E[x(t)x(t+ ) T ] (15) Membentuk ulang sinyal yang sudah di whitening. Melakukan Joint Diagonalization sehingga dihasilkan matrix V. [4] Mencari sinyal estimasi sesuai dengan Persamaan di S=VX (16) 2.6 Joint Approximate Diagonalization of Eigenmatrice [5] Metode Joint Approximate Diagonalization of Eigenmatrice adalah sebuah metode yang menggunakan fourth order cumulant untuk mendapatkan nilai demixing matrixnya Langkah algoritma JADE dapat dilihat di Mencari nilai Cumulant orde 4 dari sinyal yang sudah di whitening sesuai dengan Persamaan di k z = E z 4 3(E z 2 ) 2 (17) Membentuk ulang cumulant matrix dengan mensortir eigenvalue dan eigenvector-nya. 2
3 Melakukan Joint Diagonalization seperti yang ada pada SOBI. Mencari sinyal estimasi sesuai dengan Persamaan (16) Cross correlation, MSE, dan SIR Cross correlation atau korelasi silang adalah sebuah metode untuk menghitung kesamaan antara dua sinyal. Cross correlation dihitung sebagai fungsi dari time delay dengan menggunakan metode perkalian product yang digeser. Nilai absolut cross correlation berkisar antara 0 sampai 1. Semakin mendekati angka 1, maka sinyal semakin mendekati sinyal asli. Rumus untuk mendapatkan nilai cross correlation antar 2 sinyal dapat dilihat pada rumus di R xy t 1, t 2 = E[X t 1 Y t 2 ] (18) MSE (Mean Square Error) adalah nilai rata-rata dari eror hasil estimasi. Rumus dari MSE adalah sebagai berikut: MSE = 1 n s se 2 n i=1 (19) Dimana n= jumlah sampel data s=sinyal asli se=sinyal estimasi Ukuran yang digunakan untuk menilai kualitas sinyal terhadap gangguan interferensi dinyatakan dalam SIR. Interferensi adalah gangguan selain noise yang dapat menyebabkan kualitas sebuah sinyal menurun. Semakin tinggi nilai SIR, maka kualitas sinyal semakin baik, begitu juga sebaliknya. Rumus untuk mencari nilai SIR pada tugas akhir ini adalah sebagai berikut : SIR = 10 log 10 (MSE) (20) III. PEMODELAN DAN SIMULASI 3.1 Metodologi Penelitian Tahapan pemodelan ini dimulai dengan melakukan studi literatur agar didapatkan pemahaman tentang algoritma BSS. Setelah melakukan studi literatur, didapatkan karakteristik data yang dibutuhkan agar algoritma BSS dapat berjalan dengan baik. Pada Tugas Akhir ini, terdapat dua tahap dalam pengambilan data. Yang pertama adalah pengambilan data dengan cara menggunakan data sinyal input yang sudah ada di matlab atau dengan mencari sinyal voice dan non voice yang terdapat di internet kemudian sinyal-sinyal tersebut dimixing dengan konfigurasi tertentu. Sedangkan yang kedua adalah dengan melakukan pengambilan data di Laboratorium Hidrodinamika Indonesia (LHI). Hasil dari kedua tahapan tersebut kemudian digunakan sebagai sinyal inputan dari simulasi algoritma BSS. Hasil keluaran dari simulasi algoritma BSS tersebut digunakan untuk mencari nilai similarity, MSE, dan SIR. Nilai-nilai tersebut kemudian di analisa agar dapat ditarik kesimpulannya. Adapun diagram alir metodologi penelitian dari Tugas Akhir ini dapat dilihat pada Gambar.3. Gambar 3. Metodologi Penelitian 3.2 Data yang digunakan Data-data yang diperlukan untuk algoritma BSS meliputi data sinyal input, mixing matrix, dan fungsi g. Data-data tersebut divariasikan agar dapat dianalisa pengaruhnya. Tabel 1-3 di bawah ini merupakan Tabel data-data yang divariasikan. Tabel 1. Variasi sinyal input yang digunakan voice unvoice sinyal geometri suara kapal welcome.wav Chirp Sinusoidal propeller mistery.wav Gong Triangle boat hope.wav Pulse Kotak sonar Mixing matrix digunakan sebagai konstanta pengkali pada algoritma BSS sehingga didapatkan mixing sinyal yang akan digunakan untuk mencari estimasi sinyal sumber. Sebagai bahan perbandingan, pada tugas akhir ini juga ditetapkan 3 macam mixing matrix dengan dimensi 2x2 dan 3 macam mixing matrix dengan dimensi 3x3. 2 x 2 3 x 3 Tabel 2. Mixing matrix yang digunakan Mixing matrix 4 2 ] [ ] [ ] [ [ ] [ 2 2 2] e e-3 [ ] [ 1 2 3] Fungsi g merupakan salah satu karakteristik yang cukup penting pada algoritma ICA. Terdapat beberapa macam nilai g yang terdapat pada algoritma FastICA, namun pada tugas akhir ini, hanya akan digunakan 2 macam nilai g. Untuk lebih jelasnya dapat dilihat pada Tabel 3. 3
4 Tabel 3. Fungsi g yang digunakan fungsi Tanh Gauss g tanh (a 1 y) y exp (- y2/2) g' a 1 (1-tanh 2 (a 1 y)) (1-y 2 )exp (- y 2 /2) IV. ANALISA HASIL SIMULASI 4.1. Pengaruh sinyal input terhadap algoritma BSS Sinyal input yang digunakan sebagai inputan algoritma BSS dibuat bervariasi seperti pada Tabel 1. Untuk mengukur ada tidaknya pengaruh tersebut, maka parameter fungsi g dan matrix A dibuat sama pada setiap algoritma. Tabel 4. Hasil perhitungan Cross correlation dengan variasi sinyal input 2 sumber Jenis Sinyal Nama Metode Defla Sym Jade Sobi Similarity Voice Unvoice geometri kapal 2 x 2 2 x 2 2 x 2 2 x 2 r s r s r s r s Dari Tabel 4 dapat dilihat nilai similarity dengan menggunakan beberapa algoritma BSS dengan menggunakan variasi sinyal input pada 2 sumber sinyal. Untuk sinyal voice, digunakan sumber suara welcome.wav dan mystery.wav. sedangkan untuk sinyal unvoice, digunakan sinyal gong dan chirp. Sinyal geometri yg digunakan untuk analisa 2 sumber adalah sinyal sinusoidal dan triangel sedangkan suara kapal yang digunakan adalah boat dan propeller. Dari Tabel di atas dapat terlihat bahwa sinyal input voice, unvoice, dan suara kapal tidak memberikan pengaruh terhadap hasil similarity dari algoritma BSS. Ketiga jenis sinyal diatas dapat terpisahkan dengan baik. Hal ini terlihar dari nilai similaritynya yang mencapai lebih dari 0.8. Namun, hasil similarity dengan menggunakan sinyal input geometri memberikan hasil yang kurang baik. Terlihat bahwa pada sinyal geometri, algoritma BSS hanya bisa memberikan hasil yang baik pada salah satu sumber. Hal ini dikarenakan kedua sinyal tersebut tidak independent. Gambar 4. Sinyal Asli Gambar 5. Sinyal Hasil Pencampuran Gambar 6. Sinyal Pertama Hasil Pemisahan dengan Algoritma JADE Gambar 7. Sinyal Kedua Hasil Pemisahan dengan Algoritma JADE Gambar 4-7 di bawah ini menunjukkan hasil pemisahan dengan menggunakan algoritma JADE pada sinyal voice 2 sumber dengan parameter fungsi g dan mixing matrix yang sama. Hasil dari pemisahan tersebut dapat dilihat pada Tabel 4, yaitu hasil similarity dengan menggunakan metode cross correlation yang menghasilkan nilai 0,9995 untuk sinyal estimasi pertama dan 0,9983 untuk sinyal estimasi kedua. 4.2 Pengaruh nilai mixing matrix terhadap algoritma BSS Untuk mengetahui ada tidaknya pengaruh nilai mixing matrix pada algoritma BSS, diberikan beberapa variasi nilai mixing matrix untuk di analisa. Daftar variasi nilai mixing matrix dapat dilihat pada Tabel 2. Untuk mengukur ada tidaknya pengaruh tersebut, maka parameter fungsi g dan sinyal input dibuat sama pada setiap algoritma. Sinyal input yang digunakan disini adalah sinyal voice. 4
5 Tabel 5. Hasil perhitungan Cross correlation dengan variasi nilai mixing matrix 2 sumber Tabel 8. Hasil perhitungan MSE dengan variasi fungsi g pada 2 sumber Pada Tabel 5, perubahan mixing matrix pada sinyal masukan 2 sumber, tidak pengaruh besar terhadap perubahan similarity. Hal ini dapat dilihat dari nilai similarity dengan menggunakan metode Cross correlation yang hampir sama di tiap-tiap metode. Tampak pula nilai similarity tidak tersedia apabila determinan suatu mixing matrix adalah nol sehingga mixing matrix tidak invertible. Tabel 6. Hasil perhitungan MSE dengan variasi sinyal input 2 sumber Pada 6 diatas juga dapat terlihat bahwa nilai mixing matrix tidak terlalu berpengaruh pada perubahan amplitudo pada sinyal estimasi. Hal ini terlihat dari perubahan nilai MSE yang sangat kecil sehingga dapat diabaikan. 4.3 Pengaruh fungsi g terhadap algoritma BSS Terdapat beberapa fungsi g pada algoritma BSS. Dalam pengujian ini diberikan beberapa variasi fungsi g untuk dianalisa. Daftar variasi nilai mixing matrix dapat dilihat pada Tabel 3. Pengaruh variasi fungsi g tersebut diterapkan pada algoritma ICA, yaitu algoritma FastICA deflationary dan FastICA symmetrical. Untuk mengukur ada tidaknya pengaruh tersebut, maka parameter nilai mixing matrix A dan sinyal input dibuat sama pada setiap algoritma. Sinyal input yang digunakan disini adalah sinyal voice Tabel 7. Hasil perhitungan Cross correlation dengan variasi fungsi g pada 2 sumber 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 Fungsi g digunakan pada algoritma FastICA baik pada metode deflationary maupun symetrical. Dari Tabel 8 dapat dilihat bahwa baik untuk 2 sumber maupun 3 sumber, nilai cross correlation pada hasil dengan menggunakan fungsi g pertama maupun fungsi g yang kedua memiliki selisih sangat kecil sehingga dapat diabaikan. Pada perhitungan dengan menggunakan metode MSE, juga dapat terlihat bahwa hasil MSE dengan menggunakan fungsi g yang pertama baik pada 2 sumber maupun 3 sumber tidak terlalu berbeda dengan hasil MSE dengan menggunakan fungsi g yang kedua. Sehingga, dapat disimpulkan bahwa fungsi g yang digunakan tidak berpengaruh pada algoritma BSS. 4.4 Pengaruh noise terhadap algoritma BSS Untuk mengetahui ada tidaknya pengaruh noise pada algoritma BSS, diberikan beberapa variasi nilai SNR untuk di analisa. Disini, digunakan 3 macam nilai SNR yaitu 2dB, 5dB, dan 10dB. Pengaruh variasi nilai SNR tersebut diterapkan pada masing-masing algoritma yang digunakan, yaitu FastICA, SOBI, dan JADE. Untuk mengukur ada tidaknya pengaruh tersebut, maka parameter nilai mixing matrix, fungsi g dan sinyal input dibuat sama pada setiap algoritma. Sinyal input yang digunakan disini adalah sinyal voice similarity deflation ary Symetri cal JADE SOBI SNR (db) Gambar 8. Grafik perbandingan nilai SNR dan similarity dengan menggunakan cross correlation Grafik di atas menunjukkan hubungan antara pengaruh SNR dalam sinyal masukan dengan hasil sinyal yang telah dipisah oleh masing-masing metode. Dari grafik di atas, tampak bahwa semakin meningkatnya nilai SNR maka similarity juga akan meningkat. Artinya, semakin kecil noise, nilai similarity akan semakin besar. 5
6 MSE Gambar 9. Grafik perbandingan nilai SNR dan MSE Grafik di atas menunjukkan hubungan antara pengaruh SNR dalam sinyal masukan dengan menggunakan metode MSE. Dari grafik di atas, tampak bahwa semakin meningkatnya nilai SNR maka nilai MSE akan semakin menurun. Artinya, semakin kecil noise, nilai Nilai MSE akan semakin kecil pula. Hal ini dikarenakan noise berpengaruh pada penurunan nilai amplitudo sinyal. V. PENUTUP SNR (db) deflationary Symetrical JADE SOBI 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. 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. 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 diagonalization. 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. RIWAYAT PENULIS Wahyu Indra Purnama sari dilahirkan di Yogyakarta, 13 Juli Merupakan putri pertama dari empat bersaudara pasangan Achmad Husein dan Adi Astuti.Lulus dari SDN Baratajaya Surabaya tahun 2001 dan melanjutkan ke SLTPN 12 Surabaya. Kemudian melanjutkan jenjang pendidikan ke SMAN 16 Surabaya pada tahun 2004 dan lulus pada tahun Setelah menamatkan SMA, penulis melanjutkan studinya ke Jurusan Teknik Elektro Institut Teknologi Sepuluh Nopember Surabaya melalui jalur SPMB pada tahun Pada bulan Juni 2011 penulis mengikuti seminar dan ujian Tugas Akhir di Bidang Studi Telekomunikasi Multimedia Jurusan Teknik Elektro FTI - ITS Surabaya sebagai salah satu syarat untuk memperoleh gelar Sarjana Teknik Elektro. 6
PEMISAHAN SINYAL AKUSTIK BAWAH AIR MENGGUNAKAN METODE BLIND SEPARATION OF SOURCE (BSS)
TUGAS AKHIR TE 091399 PEMISAHAN SINYAL AKUSTIK BAWAH AIR MENGGUNAKAN METODE BLIND SEPARATION OF SOURCE (BSS) WAHYU INDRA PURNAMA SARI NRP 2207100064 Dosen Pembimbing Dr. Ir. Wirawan, DEA Ir. Endang Widjiati
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 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 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 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 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 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 terperinciOPTIMASI LINTAS LAPISAN PADA SISTEM KOMUNIKASI KOOPERATIF DI DALAM GEDUNG
1/6 OPTIMASI LINTAS LAPISAN PADA SISTEM KOMUNIKASI KOOPERATIF DI DALAM GEDUNG Bayu Sampurna 2206 100 180 Institut Teknologi Sepuluh Nopember, Fakultas Teknologi Industri, Jurusan Teknik Elektro Kampus
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 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 terperinciPemodelan Kanal Komunikasi Akustik pada Perairan Dangkal
Pemodelan Kanal Komunikasi Akustik pada Perairan Dangkal Taufani Rizal Nofriansyah, Wirawan, Endang Widjiati Jurusan Teknik Elektro FTI, Institut Teknologi Sepuluh Nopember Abstrak Komunikasi melalui medium
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 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 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 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 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 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 terperinciANALISIS KINERJA TEKNIK DIFFERENTIAL SPACE-TIME BLOCK CODED PADA SISTEM KOMUNIKASI KOOPERATIF
1/6 ANALISIS KINERJA TEKNIK DIFFERENTIAL SPACE-TIME BLOCK CODED PADA SISTEM KOMUNIKASI KOOPERATIF I Gusti Putu Raka Sucahya - 2206100124 Jurusan Teknik Elektro, Fakultas Teknologi Industri, Institut Teknologi
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 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 terperinciIMPLEMENTASI MULTIPATH FADING RAYLEIGH MENGGUNAKAN TMS320C6713
IMPLEMENTASI MULTIPATH FADING RAYLEIGH MENGGUNAKAN TMS320C6713 Teknik Elektro, Fakultas Teknik, Universitas Negeri Semarang Email: aryobaskoro@mail.unnes.ac.id Abstrak. Karakteristik kanal wireless ditentukan
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 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 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 terperinciUNJUK KERJA NOISE RISE BASED CALL ADMISSION CONTROL (NB-CAC) PADA SISTEM WCDMA. Devi Oktaviana
UNJUK KERJA NOISE RISE BASED CALL ADMISSION CONTROL (NB-CAC) PADA SISTEM WCDMA Devi Oktaviana - 226649 Bidang Studi Telekomunikasi Multimedia Jurusan Teknik Elektro-FTI, Institut Teknologi Sepuluh Nopember
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 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 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 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 terperinciOPTIMASI PARAMETER PARAMETER LAPISAN FISIK UNTUK EFISIENSI ENERGI PADA JARINGAN SENSOR NIRKABEL
OPTIMASI PARAMETER PARAMETER LAPISAN FISIK UNTUK EFISIENSI ENERGI PADA JARINGAN SENSOR NIRKABEL Miftahur Rohman 1) dan Wirawan 2) Laboratorium Komunikasi Multimedia Jurusan Teknik Elektro, Institut Teknologi
Lebih terperinciKOMUNIKASI KOOPERATIF MULTINODE PADA JARINGAN NIRKABEL. M.Fadhlur Rahman
KOMUNIKAI KOOPERATIF MULTINOE PAA JARINGAN NIRKABEL M.Fadhlur Rahman - 2206100635 Bidang tudi Telekomunikasi Multimedia Jurusan Teknik Elektro-FTI, Institut Teknologi epuluh Nopember Kampus IT, Keputih-ukolilo,
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 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 terperinciPERAMALAN BEBAN LISTRIK JANGKA PENDEK DI BALI MENGGUNAKAN PENDEKATAN ADAPTIVE NEURO-FUZZY INFERENCE SYSTEM (ANFIS)
PERAMALAN BEBAN LISTRIK JANGKA PENDEK DI BALI MENGGUNAKAN PENDEKATAN ADAPTIVE NEURO-FUZZY INFERENCE SYSTEM (ANFIS) L K Widyapratiwi 1, I P A Mertasana 2, I G D Arjana 2 1 Mahasiswa Teknik Elektro, Fakultas
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 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 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 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 terperinciSistem Pengemudian Otomatis pada Kendaraan Berroda dengan Model Pembelajaran On-line Menggunakan NN
Sistem Pengemudian Otomatis pada Kendaraan Berroda dengan Model Pembelajaran On-line Menggunakan Eru Puspita Politeknik Elektronika Negeri Surabaya Institut Teknologi Sepuluh Nopember Kampus ITS Keputih
Lebih terperinciANALISIS KINERJA BASIC RATE ACCESS (BRA) DAN PRIMARY RATE ACCESS (PRA) PADA JARINGAN ISDN
Widya Teknika Vol.18 No.1; Maret 2010 ISSN 1411 0660 : 1-5 ANALISIS KINERJA BASIC RATE ACCESS (BRA) DAN PRIMARY RATE ACCESS (PRA) PADA JARINGAN ISDN Anis Qustoniah 1), Dewi Mashitah 2) Abstrak ISDN (Integrated
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 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 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 terperinciWatermarking dengan Metode Dekomposisi Nilai Singular pada Citra Digital
JURNAL SAINS DAN SENI POMITS Vol. 1, No. 1, (2014) 1-6 1 Watermarking dengan Metode Dekomposisi Nilai Singular pada Citra Digital Latifatul Machbubah, Drs. Soetrisno, MI.Komp Jurusan Matematika, Fakultas
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 terperinciPresentasi Tugas Akhir
Presentasi Tugas Akhir Estimasi Doppler Spread pada Sistem Orthogonal Frequency Division Multiplexing (OFDM) dengan Metode Phase Difference Walid Maulana H 2208100101 Pembimbing : Prof. Dr. Ir. Gamantyo
Lebih terperinciPenentuan Arah Sumber Suara dengan Metode Interaural Time Difference menggunakan Mikrokontoler STM32F4
JURNAL TEKNIK ITS Vol. 6, No. 2, (2017) ISSN: 2337-3539 (2301-9271 Print) A-771 Penentuan Arah Sumber Suara dengan Metode Interaural Time Difference menggunakan Mikrokontoler STM32F4 Mohamad Asfari dan
Lebih terperinciMetode Penyimpanan Data Secara Kolaboratif Dalam Jaringan Sensor
Metode Penyimpanan Data Secara Kolaboratif Dalam Jaringan Sensor M. Mufid Mas Udi 2205100010 Jurusan Teknik Elektro-FTI, Institut Teknologi Sepuluh Nopember Kampus ITS, Keputih-Sukolilo, Surabaya-60111
Lebih terperinciMEDIA ELEKTRIK, Volume 4 Nomor 2, Desember 2009
MEDIA ELEKTRIK, Volume 4 Nomor 2, Desember 29 Sirmayanti, Pemodelan End-to End SNR pada Dual-Hop Transmisi dengan MMFC PEMODELAN END-TO-END SNR PADA DUAL-HOP TRANSMISI DENGAN MIXED MULTIPATH FADING CHANNEL
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 terperinciBAB III METODOLOGI PENELITIAN. Pada bab ini akan dibahas mengenai perancangan dalam implementasi Passive
BAB III METODOLOGI PENELITIAN Pada bab ini akan dibahas mengenai perancangan dalam implementasi Passive Bistatic Radar (PBR) berbasis Wi-Fi IEEE 802.11 dalam pendeteksian objek diam. Pembahasan diawali
Lebih terperinciPEMODELAN STATISTIK PROPAGASI BERGERAK DI ATAS PERMUKAAN LAUT PADA KANAL HIGH FREQUENCY / VERY HIGH FREQUENCY. Lesti Setianingrum
PEMODELAN STATISTIK PROPAGASI BERGERAK DI ATAS PERMUKAAN LAUT PADA KANAL HIGH FREQUENCY / VERY HIGH FREQUENCY Lesti Setianingrum 06100119 Bidang studi Telekomunikasi Mutimedia Jurusan Teknik Elektro FTI,
Lebih terperinciANALISIS UNJUK KERJA EKUALIZER KANAL ADAPTIF DENGAN MENGGUNAKAN ALGORITMA SATO
ANALISIS UNJUK KERJA EKUALIZER KANAL ADAPTIF DENGAN MENGGUNAKAN ALGORITMA SATO Direstika Yolanda, Rahmad Fauzi Konsentrasi Teknik Telekomunikasi, Departemen Teknik Elektro Fakultas Teknik Universitas Sumatera
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 terperinciKinerja Spectrum Sensing Dengan Metode Cyclostationary Feature Detector Pada Radio Kognitif
Elkomika Teknik Elekro Itenas No. Vol. Jurnal Teknik Elektro Januari Juni 23 Kinerja Spectrum Sensing Dengan Metode Cyclostationary Feature Detector Pada Radio Kognitif HENDRY CAHYO H., DWI ARYANTA, NASRULLAH
Lebih terperinciSISTEM TELECARDIAC MONITORING EKSTRAKSI DAN TRANSMISI PARAMETER TEMPORAL SINYAL JANTUNG MELALUI KANAL RADIO
SISTEM TELECARDIAC MONITORING EKSTRAKSI DAN TRANSMISI PARAMETER TEMPORAL SINYAL JANTUNG MELALUI KANAL RADIO Norma Hermawan 1), Muh. Farid Retistianto 2), Achmad Arifin 3) 1),3 ) Teknik Biomedik, Institut
Lebih terperinciPengenalan Wajah dengan Metode Subspace LDA (Linear Discriminant Analysis)
Pengenalan Wajah dengan Metode Subspace LDA (Linear Discriminant Analysis) Ratna Nur Azizah Jurusan Teknik Elektro FTI, Institut Teknologi Sepuluh Nopember Kampus ITS, Keputih-Sukolilo, Surabaya-60111
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 terperinciANALISIS UNJUK KERJA EKUALIZER PADA SISTEM KOMUNIKASI DENGAN ALGORITMA GODARD
ANALISIS UNJUK KERJA EKUALIZER PADA SISTEM KOMUNIKASI DENGAN ALGORITMA GODARD Butet Nata M Simamora, Rahmad Fauzi Konsentrasi Teknik Telekomunikasi, Departemen Teknik Elektro Fakultas Teknik Universitas
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 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 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 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 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 UNJUK KERJA EKUALIZER PADA SISTEM KOMUNIKASI DENGAN ALGORITMA LEAST MEAN FOURTH BASED POWER OF TWO QUANTIZER (LMF-PTQ)
ANALISIS UNJUK KERJA EKUALIZER PADA SISTEM KOMUNIKASI DENGAN ALGORITMA LEAST MEAN FOURTH BASED POWER OF TWO QUANTIZER (LMF-PTQ) Ginda Utama Putri, Rahmad Fauzi Konsentrasi Teknik Telekomunikasi, Departemen
Lebih terperinciPRISMA FISIKA, Vol. III, No. 3 (2015), Hal ISSN :
PRISMA FISIKA, Vol. III, No. (05), Hal. 79-86 ISSN : 7-80 Pemodelan Kebutuhan Daya Listrik Di Pt. PLN (Persero) Area Pontianak dengan Menggunakan Metode Gauss-Newton Mei Sari Soleha ), Joko Sampurno *),
Lebih terperinciPertemuan 7 Deteksi Koheren dan Deteksi non-koheren Sinyal Bandpass
Page 1 of 8 Pertemuan 7 Deteksi Koheren dan Deteksi non-koheren Sinyal Bandpass 7.2.1 Basis Ruang Keadaan Sinyal Pada dasarnya deteksi pada sinyal terima bandpass digital dari sinyal kirim mempunyai dua
Lebih terperinciBAB I PENDAHULUAN 1. 1 LATAR BELAKANG
BAB I PENDAHULUAN 1. 1 LATAR BELAKANG Perkembangan teknologi komunikasi digital saat ini dituntut untuk dapat mentransmisikan suara maupun data berkecepatan tinggi. Berbagai penelitian sedang dikembangkan
Lebih terperinciJURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT TEKNOLOGI SEPULUH NOPEMBER SURABAYA :38:54
Rekonstruksi Citra pada Super Resolusi menggunakan Projection onto Convex Sets (Image Reconstruction in Super Resolution using Projection onto Convex Sets) JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU
Lebih terperinciPerancangan MMSE Equalizer dengan Modulasi QAM Berbasis Perangkat Lunak
Perancangan MMSE Equalizer dengan Modulasi QAM Berbasis Perangkat Lunak Winda Aulia Dewi 1, Yoedy moegiharto 2, 1 Mahasiswa Jurusan Teknik Telekomunikasi, 2 Dosen Jurusan Teknik Telekomunikasi Politeknik
Lebih terperinciLOGO IMPLEMENTASI MODULASI DAN DEMODULASI M-ARY QAM PADA DSK TMS320C6416T
IMPLEMENTASI MODULASI DAN DEMODULASI M-ARY QAM PADA DSK TMS320C6416T 2210106006 ANGGA YUDA PRASETYA Pembimbing 1 Pembimbing 2 : Dr. Ir. Suwadi, MT : Ir. Titik Suryani, MT Latar Belakang 1 2 Perkembangan
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 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 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 terperinciAbstrak. Kata kunci : Redaman hujan, GSTAR, VARIMA.
Pemodelan Multivariate untuk Curah Hujan dan Redaman Hujan di Surabaya Indra Subrata 2207 100 628 Institut Teknologi Sepuluh Nopember, Fakultas Teknologi Industri, Jurusan Teknik Elektro Kampus ITS Sukolilo,
Lebih terperinciPerancangan dan Pengujian Desain Sinkronisasi Waktu dan Frekuensi
Bab 4 Perancangan dan Pengujian Desain Sinkronisasi Waktu dan Frekuensi Pada bagian ini, penulis akan merancang sinkronisasi waktu dan frekuensi pada penerima DVB-T dengan menggunakan metoda-metoda yang
Lebih terperinciPENGGUNAAN latar belakang dalam proses pembuatan VIDEO COMPOSITING MENGGUNAKAN POISSON BLENDING. Saiful Yahya, Mochamad Hariadi, and Ahmad Zaini,
1 VIDEO COMPOSITING MENGGUNAKAN POISSON BLENDING Saiful Yahya, Mochamad Hariadi, and Ahmad Zaini, Abstrak Penggunaan gradasi yang halus pada penggabungan dua video pada proses video kompositing. Video
Lebih terperinciImplementasi dan Evaluasi Kinerja Kode Konvolusi pada Modulasi Quadrature Phase Shift Keying (QPSK) Menggunakan WARP
JURNAL TEKNIK ITS Vol., No. 1, (215) ISSN: 2337539 (231-9271 Print) A Implementasi dan Evaluasi Kinerja Kode Konvolusi pada Modulasi Quadrature Phase Shift Keying (QPSK) Menggunakan WARP Desrina Elvia,
Lebih terperinciPEMODELAN ARIMA REDAMAN HUJAN DENGAN EFEK DETECTION OUTLIER DAN AKAIKE INFORMATION TEST
PEMODELAN ARIMA REDAMAN HUJAN DENGAN EFEK DETECTION OUTLIER DAN AKAIKE INFORMATION TEST Afif Arumahendra 2206 100 041 Email : mahe_354@yahoo.com Jurusan Teknik Elektro-FTI, Institut Teknologi Sepuluh Nopember
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 terperinciSISTEM KROMATOGRAFI GAS MENGGUNAKAN SENSOR SEMIKONDUKTOR DAN NEURAL NETWORK UNTUK KLASIFIKASI MINYAK MENTAH
Presentasi Sidang Tesis SISTEM KROMATOGRAFI GAS MENGGUNAKAN SENSOR SEMIKONDUKTOR DAN NEURAL NETWORK UNTUK KLASIFIKASI MINYAK MENTAH Sugeng Dwi Riyanto 2209204004 JURUSAN TEKNIK ELEKTRO FAKULTAS TEKNOLOGI
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 terperinciSimulasi Estimasi Arah Kedatangan Dua Dimensi Sinyal menggunakan Metode Propagator dengan Dua Sensor Array Paralel
ABSTRAK Simulasi Estimasi Arah Kedatangan Dua Dimensi Sinyal menggunakan Metode Propagator dengan Dua Sensor Array Paralel Disusun oleh : Enrico Lukiman (1122084) Jurusan Teknik Elektro, Fakultas Teknik,
Lebih terperinciPEMODELAN ARIMA INTENSITAS HUJAN TROPIS DARI DATA PENGUKURAN RAINGAUGE DAN DISDROMETER
1 PEMODELAN ARIMA INTENSITAS HUJAN TROPIS DARI DATA PENGUKURAN RAINGAUGE DAN DISDROMETER Muhammad Zainuddin Fanani, Achmad Mauludiyanto Jurusan Teknik Elektro-FTI, Institut Teknologi Sepuluh Nopember (ITS)
Lebih terperinciEstimasi Posisi Relatif Sensor Pada Jaringan Sensor Nirkabel Menggunakan Metode Geometrik
Estimasi Posisi Relatif Sensor Pada Jaringan Sensor Nirkabel Menggunakan Metode Geometrik Raihana Fauziya Jurusan Teknik Elektro FTI, Institut Teknologi Sepuluh Nopember Kampus ITS, Keputih-Sukolilo, Surabaya-6
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 terperinciPERBANDINGAN PENGGUNAAN PARAMETER DISCRETE COSINE TRANSFORM DAN PARAMETER MOMEN ZERNIKE DALAM MENGINDEKS CITRA. Intisari
Perbandingan Penggunaan Parameter Discrete Cosine Transform dan Parameter Momen Zernike dalam Mengindeks Citra (Saptadi Nugroho, Junibakti Sanubari, dan Darmawan Utomo) PERBANDINGAN PENGGUNAAN PARAMETER
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 terperinciIDENTIFIKASI VARIETAS UNGGUL BENIH KEDELAI BERDASARKAN WARNA DENGAN JARINGAN SARAF TIRUAN
IDENTIFIKASI VARIETAS UNGGUL BENIH KEDELAI BERDASARKAN WARNA DENGAN JARINGAN SARAF TIRUAN Galih Probo Kusuma, Dr Melania Suweni Muntini, MT Jurusan Fisika Institut Teknologi Sepuluh Nopember (ITS) Surabaya
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 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 terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Semakin berkembangnya sistem komunikasi bergerak seluler, yang terwujud seiring dengan munculnya berbagai metode akses jamak (FDMA, TDMA, serta CDMA dan turunan-turunannya)
Lebih terperinciKinerja Precoding pada Downlink MU-MIMO
Kinerja Precoding pada Downlink MU-MIMO Jurusan Teknik Elektro, Politeknik Negeri Semarang E-mail : subuhpramono@yahoo.co.id Abstrak Multiuser pada downlink MU MIMO mengakibatkan multiuser interference
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Pada sistem CDMA pengendalian daya baik pada Mobile Station (MS) maupun Base Station (BS) harus dilakukan dengan baik mengingat semua user pada CDMA mengggunakan
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 terperinciAnalisis Komputasi Penyerapan Gelombang Elektromagnetik Oleh Titik Hujan Dengan Menggunakan Methods Of Moment
Proceeding Seminar Tugas Akhir Jurusan Teknik Elektro FTI-ITS 1 Analisis Komputasi Penyerapan Gelombang Elektromagnetik Oleh Titik Hujan Dengan Menggunakan Methods Of Moment Dika Oktavian P, Eko Setijadi,
Lebih terperinci