REKONSTRUKSI CITRA PADA SUPER RESOLUSI MENGGUNAKAN PROJECTION ONTO CONVEX SETS
|
|
- Dewi Darmali
- 6 tahun lalu
- Tontonan:
Transkripsi
1 REKONSTRUKSI CITRA PADA SUPER RESOLUSI MENGGUNAKAN PROJECTION ONTO CONVEX SETS Nama Mahasswa : Achmad Bryand NRP : Jurusan : Matematka FMIPA-ITS Dosen Pembmbng : 1. Dr. Imam Mukhlash, S.S, M.T. 2. Drs. Is Hersman, M.S. Abstrak Teknolog untuk memperoleh ctra resolus tngg membutuhkan baya yang tdak sedkt dan serngkal belum dapat memenuh kebutuhan ctra resolus tngg. Oleh karena tu, dlakukan pendekatan lan dalam memperoleh ctra resolus tngg, salah satunya dengan Super Resolus. Super Resolus adalah teknk untuk mendapatkan ctra yang beresolus tngg dar ctra yang beresolus rendah. Pada umumnya Super Resolus terdr dar dua tahap, regstras dan rekonstruks. Dalam Tugas Akhr n, dterapkan rekonstruks ctra pada Super Resolus menggunakan Projecton onto Convex Sets (POCS) pada doman frekuens. Dar uj coba yang telah dlakukan, ctra hasl rekonstruks cukup bak secara vsual. Hasl perhtungan Peak Sgnal to Nose Rato (PSNR) menunjukkan bahwa ctra hasl rekonstruks memberkan kualtas lebh bak jka jumlah ctra pada ctra observas semakn banyak. Hasl rekonstruks ctra menggunakan POCS memlk nla PSNR yang lebh bak jka dbandngkan dengan nterpolas bcubc sehngga kualtas ctra hasl rekonstruks lebh bak karena semakn tngg nla PSNR maka semakn bak kualtas ctra. Dar hasl pengujan 6 ctra, ddapatkan rata-rata nla PSNR ctra hasl rekonstruks db sedangkan ctra hasl nterpolas sebesar db. Kata kunc : super resolus, projecton onto convex sets, rekonstruks ctra, doman frekuens 1. PENDAHULUAN Ctra resolus tngg banyak dbutuhkan d berbaga bdang sepert bdang meds, pengamatan ctra satelt, deteks target, pengenalan pola dan bdang yang lan. Teknolog untuk memperoleh ctra resolus tngg serngkal membutuhkan baya yang tdak sedkt dan kadang-kadang belum dapat memenuh kebutuhan ctra resolus tngg d beberapa bdang. Oleh karena tu, dlakukan berbaga peneltan untuk memperoleh ctra resolus tngg dengan pendekatan yang lan, salah satunya dengan menggunakan teknk Super Resolus. Super Resolus adalah teknk untuk mendapatkan ctra yang beresolus tngg dar ctra yang beresolus rendah[6]. Ctra resolus rendah yang dgunakan dapat berupa ctra tunggal atau rangkaan ctra yang dambl dar scene yang sama. Pada umumnya Super Resolus terdr dar dua tahap. Pertama adalah tahap regstras, pada tahap n dlakukan perhtungan estmas pergerakan (Moton Estmaton) antara rangkaan ctra resolus rendah yang dberkan. Tahap selanjutnya adalah rekonstruks, yang berupa proses pembangunan ulang atau penyusunan ulang dar rangkaan ctra resolus rendah sebaga masukan untuk mendapatkan keluaran berupa ctra resolus tngg, bak dalam bentuk tunggal maupun rangkaan. Dalam Tugas Akhr n, akan dterapkan salah satu metode dar rekonstruks ctra pada Super Resolus yakn menggunakan Projecton onto Convex Sets (POCS) dan dlakukan dalam doman frekuens. POCS adalah salah satu algortma yang efektf dalam restoras dan rekonstruks ctra, untuk menngkatkan kualtas dar ctra yang blur dan memlk nose[9]. POCS juga merupakan algortma yang cukup sederhana tap dapat memberkan nformas yang lebh detal pada ctra hasl rekonstruks sehngga lebh dekat pada ctra asl[4]. POCS melakukan pendekatan dengan melakukan teras yang berulang dengan menggunakan nformas dar rangkaan ctra resolus rendah dan membatas solus pada hmpunan konveks. Selanjutnya, untuk menguj kualtas ctra hasl rekonstruks dgunakan Peak Sgnal to Nose Rato (PSNR), dan selan tu hasl penngkatan resolus ctra juga dlhat secara vsual. Tujuan dar peneltan n adalah membangun sebuah program yang dapat menghaslkan ctra tunggal beresolus tngg dar rangkaan ctra resolus rendah dengan menggunakan algortma POCS pada doman frekuens, serta mengukur kualtas ctra hasl rekonstruks menggunakan metode PSNR. Program yang akan dbuat dharapkan dapat menjad salah satu meda untuk menngkatkan kualtas ctra dgtal sehngga dapat daplkaskan dalam berbaga bdang. 1
2 2. TINJAUAN PUSTAKA 2.1 Pengertan Ctra Ctra dgtal merupakan ctra yang dambl berdasarkan samplng dan kuanttas tertentu sehngga ctra dgtal n terbentuk dar pksel-pksel yang besarnya tergantung pada besar keclnya samplng dan nlanya (besarnya derajat keabuan) tergantung pada kuantsas. Berdasarkan pengertan n dapat dnyatakan bahwa ctra dgtal adalah ctra yang ddefnskan sebaga fungs f ( dmana x menyatakan nomor bars, y menyatakan kolom, dan f menyatakan nla derajat keabuan dar ctra[2]. Dengan demkan ( adalah poss dar pksel dan f adalah nla derajat keabuan pada ttk ( x, sepert yang terlhat pada Gambar 2.1. Gambar 2.1. Sstem koordnat ctra dgtal Model ctra dgtal dapat drepresentaskan dalam bentuk matrks yang nlanya berupa nla derajat keabuan. Msalkan ctra berukuran ( menyatakan bars dan menyatakan kolom), representas ctranya dtunjukkan pada Gambar 2.2. [ ] Gambar 2.2 Representas ctra dgtal Untuk ctra berwarna dgunakan model RGB (Red-Green-Blue) d mana satu ctra berwarna dnyatakan sebaga 3 buah matrks gray-scale yang berupa matrks untuk Red (R-layer), matrks untuk Green (G-layer) dan matrks untuk Blue (Blayer)[2]. 2.2 Doman Frekuens Doman frekuens dapat dgunakan untuk menyelesakan masalah-masalah tertentu yang sult jka dlakukan pada doman spasal. Untuk memndahkan atau mengubah doman spasal menjad doman frekuens dan sebalknya dgunakan Transformas Fourer. Karena fungs dar ctra dgtal merupakan fungs dskrt maka dgunakan Transformas Fourer Dskrt. Transformas Fourer Dskrt dbuat untuk fungs dskrt yang tdak bernla nol pada daerah dan. Transformas Fourer Dskrt dua dmens, dar ctra berukuran yang dlambangkan dengan fungs dskrt [8] adalah : (2.1) sedangkan nvers dar Transformas Fourer Dskrt dua dmens[8] adalah : (2.2) dengan: : koefsen frekuens : blangan majner yang ddefnskan dengan dan : peubah frekuens 2.3 Super-Resolus Super Resolus merupakan teknk untuk mendapatkan ctra yang beresolus tngg dar ctra yang beresolus rendah[6]. Resolus yang dmaksud pada teknk Super Resolus n adalah resolus spasal. Ctra resolus rendah yang dgunakan dapat berupa ctra tunggal atau rangkaan ctra yang dambl dar scene yang sama. Karena dar scene yang sama tu menyedakan nformas yang dapat dgunakan untuk merekonstruks ctra resolus tngg. Pada umumnya, Super Resolus terdr dar dua tahap, yatu regstras ctra dan rekonstruks ctra. Rangkaan ctra resolus rendah yang dgunakan pada Super Resolus n harus memlk nla pergeseran sampa tngkat sub-pksel, karena dar pergeseran n maka setap ctra memlk nformas yang berbeda-beda sehngga ctra resolus tngg dapat dbentuk. Oleh karena tu, tahap pertama pada Super Resolus adalah regstras ctra untuk menghtung estmas pergerakan (Moton Estmaton) antara rangkaan ctra resolus rendah yang dberkan. Tahap selanjutnya adalah rekonstruks ctra yang menyatakan proses pembangunan ulang atau penyusunan ulang dar rangkaan ctra resolus rendah sebaga nput untuk mendapatkan output berupa ctra resolus tngg. Tahapan Super Resolus dapat dlhat pada Gambar 2.3 2
3 T T sudut( F ( u )/ F1 ( u )) T us ; s [ xy], u [ f x f y 2 (2.4) Secara teknk, setap frekuens seharusnya memberkan pergeseran yang sama, tetap hal tersebut tdak terjad. Jad, metode least square dgunakan untuk menghtung pergeseran s. Karena ctra-ctra resolus rendah dapat memlk gangguan, maka hanya 6% dar frekuens-frekuens yang lebh rendah dgunakan untuk mengukur s. ] Gambar 2.3 Tahapan Super-Resolus Regstras Ctra Regstras ctra termasuk proses yang pentng dalam Super Resolus. Regstras ctra dengan tngkat akuras sampa sub-pksel merupakan prasyarat untuk melakukan rekonstruks yang bak[11]. Pada regstras ctra n dlakukan perhtungan estmas pergerakan (Moton Estmaton) antara rangkaan ctra resolus rendah yang dberkan. Estmas pergerakan dgunakan untuk memperkrakan poss-poss pksel dar tga ctra yang mengkut ctra pertama. Pada Tugas Akhr n estmas pergerakan yang dlakukan melput perhtungan rotas dan pergeseran yang dkembangkan oleh Vandewalle[10,11]. 1. Perhtungan Rotas (Rotaton Calculaton). Perhtungan rotas dlakukan dengan melakukan rotas pada tap ctra d semua sudut dan mengkorelaskan dengan ctra referensnya yang dalam hal n adalah ctra pertama. Sudut yang memberkan korelas maksmum adalah sudut rotasnya. 2. Perhtungan Pergeseran (Shft Calculaton). Perhtungan pergeseran dapat dlakukan setelah dperoleh sudut rotas pada rangkaan ctra terhadap ctra referensnya saat perhtungan rotas. Sebelum menghtung pergeserannya, semua ctra dputar dengan merujuk pada ctra referens. Karena dperlukan akuras sub-pksel maka perhtungan dlakukan pada doman frekuens. T j us F ( u ) e F1 ( u 2 T ) (2.3) Rekonstruks Ctra Rekonstruks ctra pada Super Resolus menyatakan proses pembangunan ulang atau penyusunan ulang dar rangkaan ctra resolus rendah sebaga nput untuk mendapatkan output berupa ctra resolus tngg, bak tunggal maupun rangkaan. Pada rekonstruks n dlakukan proyeks ke grd resolus tngg setelah dketahu nla pergerakan dar proses regstras. Pada proyeks n dlakukan proses perhtungan untuk memperoleh nla pksel pada grd resolus tngg yang belum dketahu atau menyempurnakan nla yang sudah dketahu. Pada tugas akhr n akan dlakukan proses rekonstruks menggunakan Projecton onto Convex Sets. 2.4 Projecton onto Convex Sets (POCS) Algortma POCS merupakan algortma yang cukup sederhana tap dapat memberkan nformas yang lebh detal pada ctra hasl rekonstruks Super Resolus. Algortma n melakukan pendekatan dengan melakukan teras yang berulang dengan menggunakan nformas dar rangkaan ctra resolus rendah dan membatas solus pada hmpunan konveks C [4]. Untuk suatu snyal f ( dan hmpunan konveks C dasumskan merupakan elemen pada Ruang Hlbert, maka C H, = 1,2..m dan f C0 C, m 1 dengan syarat rsan d C 0 tdak nol. Dberkan hmpunan kendala pada C dan operator proyeks P pada tap-tap f ( maka dperoleh f k1 TcmTcm 1... Tc1 fk (2.5) dmana Tc I ( Pc I) dengan operator proyeks Pc yang memproyekskan snyal f ( ke hmpunan konveks C dan pengal dengan nla 0 < < 2. adalah faktor 3
4 Ctra resolus rendah g( yang dgunakan dapat dmodelkan sebaga suatu ctra resolus tngg f ( yang mengalam pergeseran s, s ) dan ( x y mengalam proses degradas atau blurrng oleh suatu pont spread functon h( dan penambahan nose N ( sepert pada persamaan berkut: g( h( f ( x sx, y s y ) N( (2.8) Sehngga dar persamaan tersebut dperoleh hmpunan konveks C sebaga berkut C f : g( h( f ( N( (2.9) Penyelesaan dar persamaan (2.9) dperoleh secara teras dar proyeks orthogonal ke hmpunan konveks yang dtentukan oleh kendala dar tngkat nose ctra resolus rendah maka dperoleh operator proyeks yang dsubsttuskan ke persamaan (2.7) sehngga dperoleh persamaan berkut: f k1 dmana dan ' f k g h ' f h 2 k h 2 (2.10) g adalah elemen ke dar vektor g( h adalah bars ke dar matrks h (. Resdual error dar g h ' f dapat dtuls sebaga dan dgunakan untuk memodfkas penyelesaan setelah teras ke k sampa penyelesaan memenuh pada rsan dar hmpunan konveks[9] Struktur POCS pada doman frekuens Sebuah ctra resolus tngg awal f (, dsebut sebaga ctra Super Resolus (SRI) yang secara berurutan dproyekskan ke hmpunan kendala yang dbangun d sektar komponen ctra observas g ( yang dsebut ctra resolus rendah (LRI). Proyeks dlakukan dalam doman frekuens. Gambar 2.4 Ilustras POCS pada doman frekuens k Gambar 2.4 menunjukkan lustras dar POCS pada doman frekuens. Pada bagan kanan dgambarkan rangkaan ctra resolus rendah (LRI) yang melalu proses preprocessng terlebh dahulu untuk ddefnskan bagan ctra yang pentng dan akan dgunakan dalam proses rekonstruks, jka semua bagan ctra dgunakan maka proses n dapat dlewat. LRI yang akan dgunakan dalam proses rekonstruks d Transformas Fourer menjad LRS. Pada bagan kr ddefnskan ctra resolus tngg awal (SRI) yang dperoleh dar LRI yang telah dskala atau dar metode nterpolas yang sederhana sepert nearest, blnear, atau bcubc. SRI d resample untuk menyesuakan dengan LRI, dalam hal n bla pada LRI mengalam rotas maka pada SRI juga dkenakan rotas. SRI kemudan dtransformas dengan Transformas Fourer menjad ctra Super Resolus Overlay (SRO). SRO selanjutnya d proyeks secara berurutan ke hmpunan kendala yang ddefnskan menggunakan LRS. Setap proyeks ke data yang dturunkan dar hmpunan kendala melbatkan resamplng dar SRI ke SRO, FFT, proyeks dar SRO yang sudah d Transformas Fourer ke hmpunan konveks dar SRO yang konssten dengan LRS, nvers FFT dan kemudan dsamplng kembal ke koordnat SRI. Jka pada operas proyeks tdak ada perubahan pada SRO, maka nvers FFT dan operas resamplng jelas bsa dlewat[6]. 2.5 Peak Sgnal to Nose Rato Peak Sgnal to Nose Rato (PSNR) merupakan salah satu metode pengukuran yang banyak dgunakan untuk sstem kompres dan rekonstruks gambar. PSNR ddefnskan sebaga berkut: 255 PSNR 20log 10 MSE (2.11) MSE atau Mean Square Error merupakan suatu metode pengukuran kontrol dan kualtas yang sudah dapat dterma luas. MSE dhtung dar sebuah contoh obyek yang kemudan dbandngkan dengan obyek aslnya sehngga dapat dketahu tngkat ketdaksesuaan antara obyek contoh dengan aslnya. Persamaan MSE terhadap devas dar target adalah sebaga berkut M N 1 2 MSE I( I'( MN y1 x1 (2.12) I( adalah nla pksel d ctra asl, I ( adalah nla pksel pada ctra hasl rekonstruks, dan M, N adalah dmens ctra. 4
5 3. Perancangan dan Implementas Program 3.1 Perancangan sstem Perancangan sstem dlakukan untuk mengetahu gambaran keseluruhan dar proses kerja sstem program yang dbuat, bagamana sstem program bernteraks dengan user mula dar memasukkan data sampa menghaslkan keluaran. Seluruh proses yang dlakukan dalam pembuatan program rekonstruks ctra Super Resolus dalam peneltan n dgambarkan sebaga berkut: Pembuatan Ctra Observas Pada proses n akan dbuat rangkaan ctra resolus rendah dar ctra tunggal resolus tngg. Ctra resolus tngg yang dgunakan sebaga masukan pada proses n juga akan dgunakan pada proses pengujan dengan PSNR sebaga ctra pembandng dengan ctra hasl rekonstruks dengan menggunakan POCS. Pada proses pembuatan ctra observas n terdr dar beberapa tahap untuk membuat rangkaan ctra resolus rendah dar ctra resolus tngg, tahaptahap yang dlakukan dtunjukkan pada Gambar 3.2. Gambar 3.2. Tahapan proses pembuatan ctra observas Gambar 3.1. Skema keseluruhan proses pada sstem Pada Gambar 3.1 tersebut juga dapat dlhat pada sstem terbag ke dalam 4 proses, yakn pembuatan ctra observas, regstras ctra, rekonstruks ctra dengan POCS dan pengujan dengan PSNR. a. Penggandaan Ctra Input Pada tahap n Ctra Input akan dgandakan menjad n ctra sesua dengan jumlah rangkaan ctra resolus rendah yang ngn dhaslkan. b. Translas dan Rotas Ctra Setelah ddapat n ctra maka untuk ctra ctra ke-2 sampa ke-n pada tahap kedua n dlakukan proses translas dan rotas dengan ctra pertama sebaga ctra referens. Langkah-langkah pada tahap translas dan rotas n adalah sebaga berkut: 1) Menggeser ctra dalam arah horsontal dan vertkal, kemudan mengatur pksel-pksel tambahan menjad 0, 2) Memutar ctra searah jarum jam pada sudut tertentu. 5
6 c. Downsamplng dan Blurrng Ctra Pada tahap selanjutnya adalah melakukan downsamplng dan blurrng pada ctra. Downsamplng dan blurrng dlakukan pada semua ctra untuk menghaslkan ukuran ctra yang lebh kecl dan mengurang kualtas ctra. Pada MATLAB sudah terseda fungs downsample dan lowpass untuk melakukan downsamplng dan blurrng d. Penambahan Nose Untuk tahap penambahan nose dlakukan jka ctra observas berjumlah lebh dar 5. Hal n karena proses translas dan rotas serta pengaburan ctra tdak dapat terusmenerus dlakukan pada pada banyak ctra karena akan menyebebabkan kerusakan yang terlalu jauh. Proses penambahan nose sendr menggunakan fungs yang telah dsedakan oleh MATLAB. Pada proses rekonstruks n dlakukan proyeks ke grd resolus tngg. Metode POCS n mengasumskan dua hal: 1) Nla dar beberapa pksel pada grd resolus tngg dketahu. 2) Matrks blur yang merepresentaskan PSF dketahu. Cara kerja dar metode POCS n adalah menyempurnakan nla dar grd resolus tngg yang dketahu maupun yang tdak dketahu dengan memproyekskan ke grd resolus rendah dan juga menggunakan nformas dar matrks blur yang dketahu. Langkah-langkahnya dapat dlhat pada Gambar Proses Regstras Pada proses n dlakukan perhtungan pergerakan antara ctra resolus rendah yakn perhtungan rotas dan pergeserannya. Perhtungan dlakukan untuk ctra ke-2 sampa ke-n dengan ctra pertama sebaga ctra referens. Langkah-langkah pada proses n dapat dlhat pada Gambar Pada ctra observas ke-, dlakukan perhtungan rotas. 2. Setelah perhtungan rotas ddapat, rotas dlakukan terhadap ctra referens. 3. Menghtung estmas translas atau pergeseran. \ Gambar 3.4. Tahapan proses rekonstruks ctra Gambar 3.3. Tahapan proses regstras ctra Proses Rekonstruks dengan POCS 1) Bentuk grd resolus tngg dengan menerapkan nterpolas sepert nearest, bcubc atau blnear dengan faktor pembesaran 2x pada ctra resolus rendah pertama yang djadkan sebaga referens sehngga nla dar grd resolus tngg dketahu. 2) Ubah poss pksel pada ctra resolus rendah sesua dengan poss pksel pada grd resolus 6
7 tngg dengan melakukan upsamplng atau memperbesar matrks sebesar 2x dan membulatkan poss sub-pksel yang dketahu dar proses regstras ke lokas nteger pksel terdekat. 3) Ubah nla pada grd resolus tngg dan rangkaan ctra resolus rendah ke doman frekuens. 4) Nla yang berada pada grd resolus tngg d proyekskan dengan nla pada tap ctra resolus rendah dengan menggunakan persamaan (2.10). Proses dlakukan secara teras sampa nla pada grd resolus tngg tdak berubah atau sebanyak maksmal teras. 5) Langkah terakhr adalah melakukan nvers Transformas Fourer untuk mengubah kembal ctra hasl rekonstruks ke doman spasal Pengujan dengan PSNR Pada proses n dlakukan pengujan untuk ctra hasl rekonstruks dengan menghtung nla PSNR. Langkah-langkah pada proses n dapat dlhat pada Gambar ) Pertama, ctra asl resolus tngg dmasukkan dalam sstem sebaga pembandng terhadap ctra hasl rekonstruks menggunakan POCS. 2) Dar hasl perbandngan kedua ctra tersebut, dcar nla MSE-nya dengan menggunakan rumus pada persamaan (2.11). 3) Setelah ddapat nla MSE, maka nla PSNR dhtung dengan rumus pada persamaan (2.12). Semakn besar nla PSNR, maka semakn bak kualtas ctra hasl rekonstruks. 4. Uj Coba dan Pembahasan Untuk uj coba pertama akan dbuat rangkaan resolus rendah dar tap ctra referens dengan program buat ctra observas dan menghaslkan rangkaan ctra resolus rendah yang berukuran 2 kal lebh kecl. Rangkaan ctra resolus rendah tersebut lalu djadkan sebaga masukan dalam program rekonstruks ctra dengan POCS untuk dlakukan proses rekonstruks sehngga berukuran 2 kal lebh besar atau sama dengan ctra referensnya. Selanjutnya ctra hasl rekonstruks dbandngkan dengan ctra referensnya untuk dhtung nla PSNR. Untuk uj coba yang kedua pada rangkaan ctra resolus rendah yang telah dbuat akan dambl ctra pertama atau ctra yang djadkan grd resolus tngg awal pada proses rekonstruks pada uj coba pertama untuk dkenakan nterpolas bcubc dan dbandngkan dengan ctra referensnya untuk dhtung nla PSNRnya. Nla PSNR pada uj coba kedua n dgunakan sebaga pembandng dengan nla PSNR ctra hasl rekonstruks untuk mengetahu seberapa bak penggunaan POCS dalam rekonstruks cra. Sebaga tambahan pembandng secara vsual, salah satu ctra resolus rendah juga dperbesar menggunakan software pant tap untuk nla PSNRnya tdak dhtung. Untuk uj coba yang ketga adalah menggunakan data ctra yang dambl sendr. Rangkaan ctra berupa frame dar vdeo atau beberapa ctra yang dambl sekalgus dengan menggunakan kamera. Pada rangkaan ctra tersebut dlakukan rekonstruks dengan POCS dan pada salah satu ctra dlakukan nterpolas dengan bcubc. Hal n dlakukan untuk melhat perbandngan secara vsual untuk kasus yang sebenarnya. 4.1 Pelaksanaan Uj Coba Uj coba dlakukan pada ctra cameraman, dengan keterangan sebaga berkut: Nama Ctra : cameraman.jpg Ukuran Ctra Ukuran Ctra Observas Ukuran Ctra Rekonstruks : : : 256 x 256 pksel 128 x 128 pksel 256 x 256 pksel Gambar 3.5. Tahapan pengujan dengan PSNR 7
8 c) Gambar 4.1 Ctra observas dar cameraman Gambar 4.2 a) Ctra cameraman hasl perbesaran dengan pant b) Ctra cameraman hasl nterpolas c) Ctra cameraman hasl rekonstruks Dar Tabel 4.1, ddapat bahwa rata-rata nla PSNR untuk ctra cameraman.jpg hasl rekonstruks adalah db, sedangkan untuk ctra hasl nterpolas sebesar db. a) Tabel 4.1 Data nla PSNR ctra cameraman Ctra hasl rekonstruks Jumlah Ctra Observas Nla PSNR (db) Rata-rata Gambar 4.3 Grafk nla PSNR cameraman 34 Nla PSNR Jumlah Ctra Obervas hasl rekonstruks b) 8
9 4.2 Evaluas Dar hasl uj coba yang telah dlakukan secara vsual dapat dlhat perbedaan antara ctra hasl rekonstruks dan ctra dengan perbesaran menggunakan software pant namun kurang dapat dlhat perbedaan antara ctra hasl rekonstruks dan ctra hasl nterpolas. Jka damat lebh seksama maka dapat dlhat bahwa ctra hasl rekonstruks sedkt lebh tajam dan jelas bla dbandngkan dengan ctra hasl nterpolas yang terlhat sedkt kabur atau blur. Untuk nla PSNRnya menunjukkan bahwa ctra hasl rekonstruks memlk nla PSNR yang lebh bak jka dbandngkan dengan ctra hasl nterpolas. Dar data nla PSNR tap ctra uj juga menunjukkan bahwa jumlah ctra observas mempengaruh ctra hasl rekonstruks, semakn banyak jumlah ctra observas maka nla PSNRnya semakn bak untuk jumlah ctra palng banyak dalam uj coba n adalah 50 ctra. Dar uj coba untuk 5 ctra yang lan dperoleh rata-rata nla PSNR untuk ctra hasl rekonstruks sebesar db dan untuk ctra hasl nterpolas sebesar db. 5. KESIMPULAN DAN SARAN 5.1. Kesmpulan Dar hasl uj coba yang telah dlakukan, maka dapat dtark kesmpulan sebaga berkut: 1. Dar hasl mplementas rekonstruks ctra pada super resolus menggunakan Projecton onto Convex Sets menunjukan bahwa program dapat merekonstruks rangkaan ctra resolus rendah menjad ctra beresolus lebh tngg dengan hasl yang cukup bak secara vsual. 2. Dar hasl perhtungan PSNR menunjukkan bahwa ctra hasl Super Resolus memberkan kualtas lebh bak jka jumlah ctra pada ctra observas semakn banyak. 3. Hasl rekonstruks ctra menggunakan Projecton onto Convex Sets memlk nla PSNR yang lebh bak jka dbandngkan dengan nterpolas bcubc sehngga kualtas ctra hasl rekonstruks lebh bak karena semakn tngg nla PSNR maka semakn bak kualtas ctra. Dar hasl pengujan 6 ctra, ddapatkan rata-rata nla PSNR db untuk ctra hasl nterpolas bcubc sebesar db. 5.2 Saran Saran yang dapat dberkan dalam pengembangan tugas akhr n adalah: 1. Dalam prosesnya algortma Projecton onto Convex Sets juga menggunakan nformas blur dar ctra resolus rendah, oleh karena tu untuk peneltan selanjutnya dapat dtambahkan proses untuk mengestmas blur dar ctra resolus rendah sehngga hasl rekonstruks yang ddapat lebh bak. 2. Regstras ctra merupakan bagan yang pentng dalam teknk Super Resolus. Untuk peneltan selanjutnya, dapat dgunakan metode regstras ctra yang lebh bak dalam estmas translas ataupun rotas sehngga rekonstruks ctra pada Super Resolus menggunakan POCS akan memberkan hasl yang lebh bak pula. 3. Sebaga pengembangan program, peneltan dapat dtngkatkan untuk menghaslkan vdeo beresolus tngg dar vdeo yang resolusnya rendah. DAFTAR PUSTAKA [1] Bannore, Vvek Interpolaton Super- Resoluton Image Reconstructon A Computatonally Effcen Technque (Studes n Computatonal Intellgence, Volume 195). Sprnger. [2] Basuk, A. Paland, JF. Fatchurrochman Pengolahan Ctra Dgtal Menggunakan Vsual Basc. Yogyakarta : Graha Ilmu. [3] Chaudhur, Subhass Super-Resoluton Imagng (The Sprnger Internatonal Seres n Engneerng and Computer Scence). Indan Insttute of Technology-Bombay, Powa, Inda. [4] Chong Fan, Janjun Zhu, Janya Gong, Culng Kuang POCS Super-Resoluton Sequence Image Reconstructon Based on Improvement Approach of Keren Regstraton Method. Sxth Internatonal Conference on Intellgent Systems Desgn and Applcatons (ISDA'06) sda. vol. 2. hal [5] Fadlsyah Computer Vson dan Pengolahan Ctra. Yogyakarta : CV. ANDI OFFSET. [6] Frederck W. Wheeler, Ralph T. Hoctor, Eamon B. Barrett Super-Resoluton Image Synthess usng Projectons onto Convex Sets n the Frequency Doman. IS&T/SPIE Symposum on Electronc Imagng, Conference on Computatonal Imagng. Vol San Jose. hal , January. [7] Gevrekc, M, Gunturk, B.K Image acquston modelng for super-resoluton reconstructon. IEEE Internatonal Conference on Image Processng, Vol 3. [8] Gonzales, R.C., Woods, Rchard E Dgtal Image Processng. New Jersey: Prentce Hall. 9
10 [9] H. We and T.D. Bnne, Hghresoluton mage reconstructon from multple low-resoluton mages, Proceedngs of 7th Internatonal Conf. on Image Processng and ts Applcatons, vol. 2, pp , July. [10] Jan, D Superresoluton usng Papouls-Gerchberg Algorthm, EE392J Dgtal Vdeo Processng. Stanford Unversty, Stanford, CA. [11] P. Vandewalle, S. Süsstrunk and M. Vetterl, A Frequency Doman Approach to Regstraton of Alased Images wth Applcaton to Super-Resoluton, EURASIP Journal on Appled Sgnal Processng (specal ssue on Super-resoluton), Vol. 2006, pp. Artcle ID 71459, 14 pages,. [12] Works, The Math. Image Processng Toolbox For Use wth MATLAB. The Math Works Inc,
JURUSAN 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 terperinciBAB IV HASIL PENELITIAN DAN PEMBAHASAN
BAB IV HASIL PENELITIAN DAN PEMBAHASAN A. Deskrps Data Hasl Peneltan Satelah melakukan peneltan, penelt melakukan stud lapangan untuk memperoleh data nla post test dar hasl tes setelah dkena perlakuan.
Lebih terperinciBAB 4 METODOLOGI PENELITIAN DAN ANALISIS
28 BAB 4 METODOLOGI PENELITIAN DAN ANALISIS 4.1 Kerangka Pemkran dan Hpotess Dalam proses peneltan n, akan duj beberapa varabel software yang telah dsebutkan pada bab sebelumnya. Sesua dengan tahapan-tahapan
Lebih terperinciIII. METODE PENELITIAN. Penelitian ini merupakan studi eksperimen yang telah dilaksanakan di SMA
III. METODE PENELITIAN A. Waktu dan Tempat Peneltan Peneltan n merupakan stud ekspermen yang telah dlaksanakan d SMA Neger 3 Bandar Lampung. Peneltan n dlaksanakan pada semester genap tahun ajaran 2012/2013.
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN 3.1. Hpotess Peneltan Berkatan dengan manusa masalah d atas maka penuls menyusun hpotess sebaga acuan dalam penulsan hpotess penuls yatu Terdapat hubungan postf antara penddkan
Lebih terperinciBAB VB PERSEPTRON & CONTOH
BAB VB PERSEPTRON & CONTOH Model JST perseptron dtemukan oleh Rosenblatt (1962) dan Mnsky Papert (1969). Model n merupakan model yang memlk aplkas dan pelathan yang lebh bak pada era tersebut. 5B.1 Arstektur
Lebih terperinciBAB X RUANG HASIL KALI DALAM
BAB X RUANG HASIL KALI DALAM 0. Hasl Kal Dalam Defns. Hasl kal dalam adalah fungs yang mengatkan setap pasangan vektor d ruang vektor V (msalkan pasangan u dan v, dnotaskan dengan u, v ) dengan blangan
Lebih terperinciMEREDUKSI SISTEM PERSAMAAN LINEAR FUZZY PENUH DENGAN BILANGAN FUZZY TRAPESIUM
MEREDUKSI SISTEM PERSAMAAN LINEAR FUZZY PENUH DENGAN BILANGAN FUZZY TRAPESIUM Tut Susant, Mashad, Sukamto Mahasswa Program S Matematka Dosen Jurusan Matematka Fakultas Matematka dan Ilmu Pengetahuan Alam
Lebih terperinciPROPOSAL SKRIPSI JUDUL:
PROPOSAL SKRIPSI JUDUL: 1.1. Latar Belakang Masalah SDM kn makn berperan besar bag kesuksesan suatu organsas. Banyak organsas menyadar bahwa unsur manusa dalam suatu organsas dapat memberkan keunggulan
Lebih terperinciBab III Analisis Rantai Markov
Bab III Analss Ranta Markov Sstem Markov (atau proses Markov atau ranta Markov) merupakan suatu sstem dengan satu atau beberapa state atau keadaan, dan dapat berpndah dar satu state ke state yang lan pada
Lebih terperinciBAB III METODE PENELITIAN. Pada penelitian ini, penulis memilih lokasi di SMA Negeri 1 Boliyohuto khususnya
BAB III METODE PENELITIAN 3.1 Tempat dan Waktu Peneltan 3.1.1 Tempat Peneltan Pada peneltan n, penuls memlh lokas d SMA Neger 1 Bolyohuto khususnya pada sswa kelas X, karena penuls menganggap bahwa lokas
Lebih terperinciPRESENTASI TUGAS AKHIR KI091391
PRESENTASI TUGAS AKHIR KI09191 IMPLEMENTASI SEGMENTASI CITRA RESONANSI MAGNETIK OTAK MENGGUNAKAN ALGORITMA FUZZY C-MEANS YANG DIMODIFIKASI BERDASARKAN KORELASI ANTAR PIKSEL (Kata Kunc : Segmentas Fuzzy
Lebih terperinciBAB IV PEMBAHASAN MODEL
BAB IV PEMBAHASAN MODEL Pada bab IV n akan dlakukan pembuatan model dengan melakukan analss perhtungan untuk permasalahan proses pengadaan model persedaan mult tem dengan baya produks cekung dan jont setup
Lebih terperinciBAB III METODE PENELITIAN. Sebelum dilakukan penelitian, langkah pertama yang harus dilakukan oleh
BAB III METODE PENELITIAN 3.1 Desan Peneltan Sebelum dlakukan peneltan, langkah pertama yang harus dlakukan oleh penelt adalah menentukan terlebh dahulu metode apa yang akan dgunakan dalam peneltan. Desan
Lebih terperinciANALISIS DATA KATEGORIK (STK351)
Suplemen Respons Pertemuan ANALISIS DATA KATEGORIK (STK351) 7 Departemen Statstka FMIPA IPB Pokok Bahasan Sub Pokok Bahasan Referens Waktu Korelas Perngkat (Rank Correlaton) Bag. 1 Koefsen Korelas Perngkat
Lebih terperinciIV. UKURAN SIMPANGAN, DISPERSI & VARIASI
IV. UKURAN SIMPANGAN, DISPERSI & VARIASI Pendahuluan o Ukuran dspers atau ukuran varas, yang menggambarkan derajat bagamana berpencarnya data kuanttatf, dntaranya: rentang, rentang antar kuartl, smpangan
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN Dalam pembuatan tugas akhr n, penulsan mendapat referens dar pustaka serta lteratur lan yang berhubungan dengan pokok masalah yang penuls ajukan. Langkah-langkah yang akan
Lebih terperinciANALISIS REGRESI. Catatan Freddy
ANALISIS REGRESI Regres Lner Sederhana : Contoh Perhtungan Regres Lner Sederhana Menghtung harga a dan b Menyusun Persamaan Regres Korelas Pearson (Product Moment) Koefsen Determnas (KD) Regres Ganda :
Lebih terperinciBAB I PENDAHULUAN. suatu komputer digital [12]. Citra digital tersusun atas sejumlah elemen.
BAB I PENDAHULUAN 1.1 LATAR BELAKANG Ctra dgtal merupakan ctra hasl dgtalsas yang dapat dolah pada suatu komputer dgtal [12]. Ctra dgtal tersusun atas sejumlah elemen. Elemen-elemen yang menyusun ctra
Lebih terperinciIII. METODE PENELITIAN. Penelitian ini dilakukan di MTs Negeri 2 Bandar Lampung dengan populasi siswa
III. METODE PENELITIAN A. Populas dan Sampel Peneltan n dlakukan d MTs Neger Bandar Lampung dengan populas sswa kelas VII yang terdr dar 0 kelas yatu kelas unggulan, unggulan, dan kelas A sampa dengan
Lebih terperinciP n e j n a j d a u d a u l a a l n a n O pt p im i a m l a l P e P m e b m a b n a g n k g i k t Oleh Z r u iman
OTIMISASI enjadualan Optmal embangkt Oleh : Zurman Anthony, ST. MT Optmas pengrman daya lstrk Dmaksudkan untuk memperkecl jumlah keseluruhan baya operas dengan memperhtungkan rug-rug daya nyata pada saluran
Lebih terperinciBAB IV PENGUJIAN DAN ANALISA
BAB IV PENGUJIAN DAN ANALISA 4. PENGUJIAN PENGUKURAN KECEPATAN PUTAR BERBASIS REAL TIME LINUX Dalam membuktkan kelayakan dan kehandalan pengukuran kecepatan putar berbass RTLnux n, dlakukan pengujan dalam
Lebih terperinciBAB III METODOLOGI PENELITIAN. Metode yang digunakan dalam penelitian ini adalah metode eksperimen
3 BAB III METODOLOGI PENELITIAN A. Metode dan Desan Peneltan Metode yang dgunakan dalam peneltan n adalah metode ekspermen karena sesua dengan tujuan peneltan yatu melhat hubungan antara varabelvarabel
Lebih terperinciBAB III METODE PENELITIAN. menghasilkan Lembar Kegiatan Siswa (LKS) pada materi Geometri dengan
BAB III METODE PENELITIAN A. Jens Peneltan Peneltan n merupakan peneltan pengembangan yang bertujuan untuk menghaslkan Lembar Kegatan Sswa (LKS) pada mater Geometr dengan pendekatan pembelajaran berbass
Lebih terperinciPendeteksian Data Pencilan dan Pengamatan Berpengaruh pada Beberapa Kasus Data Menggunakan Metode Diagnostik
Pendeteksan Data Penclan dan Pengamatan Berpengaruh pada Beberapa Kasus Data Menggunakan Metode Dagnostk Sally Indra 1, Dod Vonanda, Rry Srnngsh 3 1 Student of Mathematcs Department State Unversty of Padang,
Lebih terperinciBAB III METODE PENELITIAN. Jenis penelitian yang akan digunakan dalam penelitian ini adalah
BAB III METODE PENELITIAN A. Jens Peneltan Jens peneltan yang akan dgunakan dalam peneltan n adalah peneltan pengembangan (Research and Development). Peneltan Research and Development (R&D) n merupakan
Lebih terperinciTinjauan Algoritma Genetika Pada Permasalahan Himpunan Hitting Minimal
157 Vol. 13, No. 2, 157-161, Januar 2017 Tnjauan Algortma Genetka Pada Permasalahan Hmpunan Httng Mnmal Jusmawat Massalesse, Bud Nurwahyu Abstrak Beberapa persoalan menark dapat dformulaskan sebaga permasalahan
Lebih terperinciPENERAPAN METODE MAMDANI DALAM MENGHITUNG TINGKAT INFLASI BERDASARKAN KELOMPOK KOMODITI (Studi Kasus pada Data Inflasi Indonesia)
PENERAPAN METODE MAMDANI DALAM MENGHITUNG TINGKAT INFLASI BERDASARKAN KELOMPOK KOMODITI (Stud Kasus pada Data Inflas Indonesa) Putr Noorwan Effendy, Amar Sumarsa, Embay Rohaet Program Stud Matematka Fakultas
Lebih terperinciBAB 2 LANDASAN TEORI. Universitas Sumatera Utara
BAB 2 LANDASAN TEORI 2.1 Pengertan Analsa Regres Dalam kehdupan sehar-har, serng kta jumpa hubungan antara satu varabel terhadap satu atau lebh varabel yang lan. Sebaga contoh, besarnya pendapatan seseorang
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Fuzzy Set Pada tahun 1965, Zadeh memodfkas teor hmpunan dmana setap anggotanya memlk derajat keanggotaan yang bernla kontnu antara 0 sampa 1. Hmpunan n dsebut dengan hmpunaan
Lebih terperinciBAB III METODOLOGI PENELITIAN. Penelitian ini dilaksanakan di SMA Negeri I Tibawa pada semester genap
5 BAB III METODOLOGI PENELITIAN 3. Lokas Dan Waktu Peneltan Peneltan n dlaksanakan d SMA Neger I Tbawa pada semester genap tahun ajaran 0/03. Peneltan n berlangsung selama ± bulan (Me,Jun) mula dar tahap
Lebih terperinciIII. METODE PENELITIAN. Penelitian ini merupakan penelitian pengembangan (Research and
III. METODE PENELITIAN A. Desan Peneltan Peneltan n merupakan peneltan pengembangan (Research and Development). Peneltan pengembangan yang dlakukan adalah untuk mengembangkan penuntun praktkum menjad LKS
Lebih terperinciIII PEMBAHASAN. merupakan cash flow pada periode i, dan C. berturut-turut menyatakan nilai rata-rata dari V. dan
Pada bab n akan dbahas mengena penyelesaan masalah ops real menggunakan pohon keputusan bnomal. Dalam menentukan penlaan proyek, dapat dgunakan beberapa metode d antaranya dscounted cash flow (DF). DF
Lebih terperinciIV. PERANCANGAN DAN IMPLEMENTASI SISTEM
IV. PERANCANGAN DAN IMPLEMENTASI SISTEM Perancangan Sstem Sstem yang akan dkembangkan adalah berupa sstem yang dapat membantu keputusan pemodal untuk menentukan portofolo saham yang dperdagangkan d Bursa
Lebih terperinciPEMBUATAN GRAFIK PENGENDALI BERDASARKAN ANALISIS KOMPONEN UTAMA (PRINCIPAL COMPONENT ANALYSIS)
PEMBUATAN GRAFIK PENGENDALI BERDASARKAN ANALISIS KOMPONEN UTAMA (PRINCIPAL COMPONENT ANALYSIS) Wrayant ), Ad Setawan ), Bambang Susanto ) ) Mahasswa Program Stud Matematka FSM UKSW Jl. Dponegoro 5-6 Salatga,
Lebih terperinciBAB III METODE PENELITIAN. sebuah fenomena atau suatu kejadian yang diteliti. Ciri-ciri metode deskriptif menurut Surakhmad W (1998:140) adalah
BAB III METODE PENELITIAN 3.1 Metode Peneltan Metode yang dgunakan dalam peneltan n adalah metode deskrptf. Peneltan deskrptf merupakan peneltan yang dlakukan untuk menggambarkan sebuah fenomena atau suatu
Lebih terperinciBAB V PENGEMBANGAN MODEL FUZZY PROGRAM LINIER
BAB V PENGEMBANGAN MODEL FUZZY PROGRAM LINIER 5.1 Pembelajaran Dengan Fuzzy Program Lner. Salah satu model program lnear klask, adalah : Maksmumkan : T f ( x) = c x Dengan batasan : Ax b x 0 n m mxn Dengan
Lebih terperinciBAB.3 METODOLOGI PENELITIN 3.1 Lokasi dan Waktu Penelitian Penelitian ini di laksanakan di Sekolah Menengah Pertama (SMP) N. 1 Gorontalo pada kelas
9 BAB.3 METODOLOGI PENELITIN 3. Lokas dan Waktu Peneltan Peneltan n d laksanakan d Sekolah Menengah Pertama (SMP) N. Gorontalo pada kelas VIII. Waktu peneltan dlaksanakan pada semester ganjl, tahun ajaran
Lebih terperinciBAB 1 PENDAHULUAN. Pertumbuhan dan kestabilan ekonomi, adalah dua syarat penting bagi kemakmuran
BAB 1 PENDAHULUAN 1.1. Latar Belakang Pertumbuhan dan kestablan ekonom, adalah dua syarat pentng bag kemakmuran dan kesejahteraan suatu bangsa. Dengan pertumbuhan yang cukup, negara dapat melanjutkan pembangunan
Lebih terperinciIII. METODE PENELITIAN. Penelitian ini dilaksanakan di SMP Al-Azhar 3 Bandar Lampung yang terletak di
III. METODE PENELITIAN A. Populas dan Sampel Peneltan n dlaksanakan d SMP Al-Azhar 3 Bandar Lampung yang terletak d Jl. Gn. Tanggamus Raya Way Halm, kota Bandar Lampung. Populas dalam peneltan n adalah
Lebih terperinciBAB III METODE PENELITIAN. Metode penelitian yang digunakan dalam penelitian ini adalah metode
BAB III METODE PENELITIAN Desan Peneltan Metode peneltan yang dgunakan dalam peneltan n adalah metode deskrptf analts dengan jens pendekatan stud kasus yatu dengan melhat fenomena permasalahan yang ada
Lebih terperinciBAB III METODOLOGI PENELITIAN. Jenis penelitian yang digunakan adalah penelitian pengembangan yang
BAB III METODOLOGI PENELITIAN A. Jens Peneltan Jens peneltan yang dgunakan adalah peneltan pengembangan yang bertujuan membuat suatu produk dan duj kelayakannya. B. Metode Pengembangan Peneltan n menggunakan
Lebih terperinciRAY TRACING dan. Oleh : Karmilasari
RAY TRACING dan RADIOSITY Oleh : Karmlasar RAY TRACING vs. RADIOSITY 2 Revew : ILUMINASI Secara umum dlhat dar fsknya, model lumnas menggambaran perpndahan energ dan radas fokus pada sfat sfat cahaya danmateral
Lebih terperinciUJI NORMALITAS X 2. Z p i O i E i (p i x N) Interval SD
UJI F DAN UJI T Uj F dkenal dengan Uj serentak atau uj Model/Uj Anova, yatu uj untuk melhat bagamanakah pengaruh semua varabel bebasnya secara bersama-sama terhadap varabel terkatnya. Atau untuk menguj
Lebih terperinciSEARAH (DC) Rangkaian Arus Searah (DC) 7
ANGKAAN AUS SEAAH (DC). Arus Searah (DC) Pada rangkaan DC hanya melbatkan arus dan tegangan searah, yatu arus dan tegangan yang tdak berubah terhadap waktu. Elemen pada rangkaan DC melput: ) batera ) hambatan
Lebih terperinciTeori Himpunan. Modul 1 PENDAHULUAN. impunan sebagai koleksi (pengelompokan) dari objek-objek yang
Modul 1 Teor Hmpunan PENDAHULUAN Prof SM Nababan, PhD Drs Warsto, MPd mpunan sebaga koleks (pengelompokan) dar objek-objek yang H dnyatakan dengan jelas, banyak dgunakan dan djumpa dberbaga bdang bukan
Lebih terperinciBAB II METODOLOGI PENELITIAN. Jenis penelitian yang digunakan dalam penelitian ini adalah penelitian. variable independen dengan variabel dependen.
BAB II METODOLOGI PENELITIAN A. Bentuk Peneltan Jens peneltan yang dgunakan dalam peneltan n adalah peneltan deskrptf dengan analsa kuanttatf, dengan maksud untuk mencar pengaruh antara varable ndependen
Lebih terperinciBAB III METODE PENELITIAN. Penelitian ini merupakan penelitian yang bertujuan untuk mendeskripsikan
BAB III METODE PENELITIAN A. Jens Peneltan Peneltan n merupakan peneltan yang bertujuan untuk mendeskrpskan langkah-langkah pengembangan perangkat pembelajaran matematka berbass teor varas berupa Rencana
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Pengertan Regres Regres pertama kal dpergunakan sebaga konsep statstka oleh Sr Francs Galton (1822 1911). Belau memperkenalkan model peramalan, penaksran, atau pendugaan, yang
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN. Latar Belakang Matematka sebaga bahasa smbol yang bersfat unversal memegang peranan pentng dalam perkembangan suatu teknolog. Matematka sangat erat hubungannya dengan kehdupan nyata.
Lebih terperinciBAB II DASAR TEORI. Gambar 2-1 Photogrammetry proses [10].
BAB II DASAR TEORI 2. Photogrammetry Photogrammetry adalah suatu teknk yang dgunakan untuk menentukan koordnat suatu ttk pada ruang tga dmens yang berasal dar dua atau lebh gambar dua dmens ttk tersebut
Lebih terperinciBab 1 PENDAHULUAN Latar Belakang
11 Bab 1 PENDAHULUAN 1.1. Latar Belakang Perbankan adalah ndustr yang syarat dengan rsko. Mula dar pengumpulan dana sebaga sumber labltas, hngga penyaluran dana pada aktva produktf. Berbaga kegatan jasa
Lebih terperinciPENGENALAN JENIS-JENIS IKAN MENGGUNAKAN METODE ANALISIS KOMPONEN UTAMA
MAKALAH SEMINAR TUGAS AKHIR PENGENALAN JENIS-JENIS IKAN MENGGUNAKAN METODE ANALISIS KOMPONEN UTAMA Suharto Jat Santoso *, Bud Setyono **, R. Rzal Isnanto ** Abstrak - Selama n pengenalan jens kan pada
Lebih terperinciBAB III HIPOTESIS DAN METODOLOGI PENELITIAN
BAB III HIPOTESIS DAN METODOLOGI PENELITIAN III.1 Hpotess Berdasarkan kerangka pemkran sebelumnya, maka dapat drumuskan hpotess sebaga berkut : H1 : ada beda sgnfkan antara sebelum dan setelah penerbtan
Lebih terperinciJURNAL MATEMATIKA DAN KOMPUTER Vol. 5. No. 3, , Desember 2002, ISSN :
JURNAL MATEMATIKA AN KOMPUTER Vol. 5. No. 3, 161-167, esember 00, ISSN : 1410-8518 PENGARUH SUATU ATA OBSERVASI ALAM MENGESTIMASI PARAMETER MOEL REGRESI Hern Utam, Rur I, dan Abdurakhman Jurusan Matematka
Lebih terperinciBAB I PENDAHULUAN. dan. 0. Uji fungsi distribusi empiris yang populer, yaitu uji. distribusi nol
BAB I PENDAHULUAN 1.1. Latar Belakang Sebagan besar peneltan-peneltan bdang statstka berhubungan dengan pengujan asums dstrbus, bak secara teor maupun praktk d lapangan. Salah satu uj yang serng dgunakan
Lebih terperinciBAB IV PEMBAHASAN HASIL PENELITIAN
BAB IV PEMBAHASAN HASIL PENELITIAN A. Hasl Peneltan Pada peneltan yang telah dlakukan penelt selama 3 mnggu, maka hasl belajar matematka pada mater pokok pecahan d kelas V MI I anatussbyan Mangkang Kulon
Lebih terperinciBAB II TINJAUAN PUSTAKA. George Boole dalam An Investigation of the Laws of Thought pada tahun
BAB II TINJAUAN PUSTAKA 2.1 Aljabar Boolean Barnett (2011) menyatakan bahwa Aljabar Boolean dpublkaskan oleh George Boole dalam An Investgaton of the Laws of Thought pada tahun 1954. Dalam karya n, Boole
Lebih terperinciBAB 4 PERHITUNGAN NUMERIK
Mata kulah KOMPUTASI ELEKTRO BAB PERHITUNGAN NUMERIK. Kesalahan error Pada Penelesaan Numerk Penelesaan secara numers dar suatu persamaan matemats kadang-kadang hana memberkan nla perkraan ang mendekat
Lebih terperinciBAB III OBYEK DAN METODE PENELITIAN. Obyek dalam penelitian ini adalah kebijakan dividen sebagai variabel
4 BAB III OBYEK DAN METODE PENELITIAN 3.1 Obyek Peneltan Obyek dalam peneltan n adalah kebjakan dvden sebaga varabel ndependen (X) dan harga saham sebaga varabel dependen (Y). Peneltan n dlakukan untuk
Lebih terperinciBAB III METODE PENELITIAN. SMK Negeri I Gorontalo. Penetapan lokasi tersebut berdasarkan pada
3 BAB III METODE PENELITIAN 3.1 Tempat Dan Waktu Peneltan 3.1.1 Tempat Peneltan Peneltan yang dlakukan oleh penelt berlokas d Kelas Ak 6, SMK Neger I Gorontalo. Penetapan lokas tersebut berdasarkan pada
Lebih terperinciPendahuluan. 0 Dengan kata lain jika fungsi tersebut diplotkan, grafik yang dihasilkan akan mendekati pasanganpasangan
Pendahuluan 0 Data-data ang bersfat dskrt dapat dbuat contnuum melalu proses curve-fttng. 0 Curve-fttng merupakan proses data-smoothng, akn proses pendekatan terhadap kecenderungan data-data dalam bentuk
Lebih terperinciIII. METODE PENELITIAN. Penelitian ini dilaksanakan di SMP Negeri 13 Bandar Lampung. Populasi dalam
III. METODE PENELITIAN A. Populas dan Sampel Peneltan n dlaksanakan d SMP Neger 3 Bandar Lampung. Populas dalam peneltan n yatu seluruh sswa kelas VIII SMP Neger 3 Bandar Lampung Tahun Pelajaran 0/03 yang
Lebih terperinciPerancangan Simulasi Integrasi Pengirim-Penerima DVB-T
Bab 3 Perancangan Smulas Integras Pengrm-Penerma DVB-T 3.1 Pendahuluan Program smulas pada tess n bertujuan untuk mensmulaskan perbandngan knerja algortma snkronsas waktu dan frekuens dalam berbaga tpe
Lebih terperinciBAB II TEORI ALIRAN DAYA
BAB II TEORI ALIRAN DAYA 2.1 UMUM Perhtungan alran daya merupakan suatu alat bantu yang sangat pentng untuk mengetahu konds operas sstem. Perhtungan alran daya pada tegangan, arus dan faktor daya d berbaga
Lebih terperinciBAB V ANALISA PEMECAHAN MASALAH
BAB V ANALISA PEMECAHAN MASALAH 5.1 Analsa Pemlhan Model Tme Seres Forecastng Pemlhan model forecastng terbak dlakukan secara statstk, dmana alat statstk yang dgunakan adalah MAD, MAPE dan TS. Perbandngan
Lebih terperinciBAB III METODE PENELITIAN. menggunakan strategi pembelajaran mind mapping dalam pendekatan
35 BAB III METODE PENELITIAN A. Jens dan Desan Peneltan Jens peneltan n adalah kuas ekspermen. Pada peneltan n terdapat dua kelompok subjek peneltan yatu kelompok ekspermen yang dberkan suatu perlakuan
Lebih terperinciBAB 2 LANDASAN TEORI
7 BAB LANDASAN TEORI.1 Analsa Regres Analsa regres dnterpretaskan sebaga suatu analsa yang berkatan dengan stud ketergantungan (hubungan kausal) dar suatu varabel tak bebas (dependent varable) atu dsebut
Lebih terperinciIII. METODE PENELITIAN. bersifat statistik dengan tujuan menguji hipotesis yang telah ditetapkan.
3 III. METDE PENELITIAN A. Metode Peneltan Metode peneltan merupakan langkah atau aturan yang dgunakan dalam melaksanakan peneltan. Metode pada peneltan n bersfat kuanttatf yatu metode peneltan yang dgunakan
Lebih terperinciBAB VIB METODE BELAJAR Delta rule, ADALINE (WIDROW- HOFF), MADALINE
BAB VIB METODE BELAJAR Delta rule, ADALINE (WIDROW- HOFF), MADALINE 6B.1 Pelathan ADALINE Model ADALINE (Adaptve Lnear Neuron) dtemukan oleh Wdrow & Hoff (1960) Arstekturnya mrp dengan perseptron Perbedaan
Lebih terperinciIII PEMODELAN MATEMATIS SISTEM FISIK
34 III PEMODELN MTEMTIS SISTEM FISIK Deskrps : Bab n memberkan gambaran tentang pemodelan matemats, fungs alh, dagram blok, grafk alran snyal yang berguna dalam pemodelan sstem kendal. Objektf : Memaham
Lebih terperinciBAB III METODE PENELITIAN. Adapun yang menjadi objek penelitian adalah siswa MAN Model Gorontalo.
BAB III METODE PENELITIAN 3.1 Tempat dan Waktu Peneltan 3.1.1 Tempat Peneltan Adapun yang menjad objek peneltan adalah sswa MAN Model Gorontalo. Penetapan lokas n ddasarkan pada beberapa pertmbangan yakn,
Lebih terperinciPengenalan Karakter Tulisan Tangan Angka dan Operator Matematika Berdasarkan Zernike Moments Menggunakan Support Vector Machine
JURNAL TEKNIK POMITS Vol. 2, No. 1, (2013) ISSN: 2337-3539 (2301-9271 Prnt) 1 Pengenalan Karakter Tulsan Tangan Angka dan Operator Matematka Berdasarkan Zernke Moments Menggunakan Support Vector Machne
Lebih terperinciSUMBER BELAJAR PENUNJANG PLPG 2016 MATA PELAJARAN/PAKET KEAHLIAN GURU KELAS SD
SUMBER BELAJAR PENUNJANG PLPG 0 MATA PELAJARAN/PAKET KEAHLIAN GURU KELAS SD BAB V STATISTIKA Dra.Hj.Rosdah Salam, M.Pd. Dra. Nurfazah, M.Hum. Drs. Latr S, S.Pd., M.Pd. Prof.Dr.H. Pattabundu, M.Ed. Wdya
Lebih terperinciBAB II DASAR TEORI. 2.1 Definisi Game Theory
BAB II DASAR TEORI Perkembangan zaman telah membuat hubungan manusa semakn kompleks. Interaks antar kelompok-kelompok yang mempunya kepentngan berbeda kemudan melahrkan konflk untuk mempertahankan kepentngan
Lebih terperinciBAB III METODE PENELITIAN. pembelajaran berupa RPP dan LKS dengan pendekatan berbasis masalah ini
BAB III METODE PENELITIAN A. Desan Peneltan Metode peneltan yang dgunakan dalam pengembangan perangkat pembelajaran berupa RPP dan LKS dengan pendekatan berbass masalah n adalah metode pengembangan atau
Lebih terperinciBAB II DASAR TEORI DAN METODE
BAB II DASAR TEORI DAN METODE 2.1 Teknk Pengukuran Teknolog yang dapat dgunakan untuk mengukur konsentras sedmen tersuspens yatu mekank (trap sampler, bottle sampler), optk (optcal beam transmssometer,
Lebih terperinciBAB III METODOLOGI PENELITIAN. Untuk menjawab permasalahan yaitu tentang peranan pelatihan yang dapat
BAB III METODOLOGI PENELITIAN 3.1 Metode Peneltan Untuk menjawab permasalahan yatu tentang peranan pelathan yang dapat menngkatkan knerja karyawan, dgunakan metode analss eksplanatf kuanttatf. Pengertan
Lebih terperinciMatematika Eigenface Menggunakan Metrik Euclidean
Matematka Egenface Menggunakan Metrk Eucldean 6 Ben Utomo Sekolah ngg eknolog Bontang, Indonesa Abstract Salah satu sstem pengenalan wajah (face recognton) adalah metode egenface. Metode n bekerja dengan
Lebih terperinciEFISIENSI DAN AKURASI GABUNGAN METODE FUNGSI WALSH DAN MULTIGRID UNTUK MENYELESAIKAN PERSAMAAN INTEGRAL FREDHOLM LINEAR
EFISIENSI DAN AKURASI GABUNGAN METODE FUNGSI WALSH DAN MULTIGRID UNTUK MENYELESAIKAN PERSAMAAN INTEGRAL FREDHOLM LINEAR Masduk Jurusan Penddkan Matematka FKIP UMS Abstrak. Penyelesaan persamaan ntegral
Lebih terperinciPENERAPAN METODE LINIEAR DISCRIMINANT ANALYSIS PADA PENGENALAN WAJAH BERBASIS KAMERA
PENERAPAN MEODE LINIEAR DISCRIMINAN ANALYSIS PADA PENGENALAN AJAH ERASIS KAMERA Asep Sholahuddn 1, Rustam E. Sregar 2,Ipng Suprana 3,Setawan Had 4 1 Mahasswa S3 FMIPA Unverstas Padjadjaran e-mal: asep_sholahuddn@yahoo.com
Lebih terperinciRANGKAIAN SERI. 1. Pendahuluan
. Pendahuluan ANGKAIAN SEI Dua elemen dkatakan terhubung ser jka : a. Kedua elemen hanya mempunya satu termnal bersama. b. Ttk bersama antara elemen tdak terhubung ke elemen yang lan. Pada Gambar resstor
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar belakang
BAB 1 PENDAHULUAN 1.1 Latar belakang Dalam memlh sesuatu, mula yang memlh yang sederhana sampa ke hal yang sangat rumt yang dbutuhkan bukanlah berpkr yang rumt, tetap bagaman berpkr secara sederhana. AHP
Lebih terperinciBAB III METODE PENELITIAN. hasil penelitian. Walaupun penelitian ini merupakan penelitian kuasi eksperimen,
BAB III METODE PENELITIAN A. Metode dan Desan Peneltan Metode peneltan n adalah quas ekspermen karena terdapat unsur manpulas, yatu mengubah keadaan basa secara sstemats ke keadaan tertentu serta tetap
Lebih terperinciANALISIS BENTUK HUBUNGAN
ANALISIS BENTUK HUBUNGAN Analss Regres dan Korelas Analss regres dgunakan untuk mempelajar dan mengukur hubungan statstk yang terjad antara dua varbel atau lebh varabel. Varabel tersebut adalah varabel
Lebih terperinciBAB 3 PEMBAHASAN. 3.1 Prosedur Penyelesaian Masalah Program Linier Parametrik Prosedur Penyelesaian untuk perubahan kontinu parameter c
6 A PEMAHASA Pada bab sebelumnya telah dbahas teor-teor yang akan dgunakan untuk menyelesakan masalah program lner parametrk. Pada bab n akan dperlhatkan suatu prosedur yang lengkap untuk menyelesakan
Lebih terperinciMETODE PENELITIAN. pelajaran 2011/ Populasi penelitian ini adalah seluruh siswa kelas X yang
III. METODE PENELITIAN A. Waktu dan Tempat Peneltan Peneltan n telah dlaksanakan d SMA Neger 1 Bandar Lampung pada tahun pelajaran 011/ 01. Populas peneltan n adalah seluruh sswa kelas X yang terdr dar
Lebih terperinciIII. METODE PENELITIAN. Penelitian ini dilaksanakan di SD Al-Azhar 1 Wayhalim Bandar Lampung. Populasi
3 III. METODE PENELITIAN A. Populas dan Sampel Peneltan n dlaksanakan d SD Al-Azhar Wayhalm Bandar Lampung. Populas dalam peneltan n adalah seluruh sswa kelas V yang terdr dar 5 kelas yatu V A, V B, V
Lebih terperinciBAB 2 LANDASAN TEORI. estimasi, uji keberartian regresi, analisa korelasi dan uji koefisien regresi.
BAB LANDASAN TEORI Pada bab n akan durakan beberapa metode yang dgunakan dalam penyelesaan tugas akhr n. Selan tu penuls juga mengurakan tentang pengertan regres, analss regres berganda, membentuk persamaan
Lebih terperinciPENDAHULUAN TINJAUAN PUSTAKA
PENDAHULUAN Latar Belakang Pada saat n penamplan nformas dalam bentuk ctra semakn banyak dbutuhkan Hal n tdak lepas dar karakterstk ctra yang cenderung mudah dpaham Surat kabar, televs, dan stus web d
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN. Latar Belakang Manova atau Multvarate of Varance merupakan pengujan dalam multvarate yang bertujuan untuk mengetahu pengaruh varabel respon dengan terhadap beberapa varabel predktor
Lebih terperinciBAB III METODE PENELITIAN. Metode penelitian merupakan cara atau langkah-langkah yang harus
BAB III METODE PENELITIAN Metode peneltan merupakan cara atau langkah-langkah yang harus dtempuh dalam kegatan peneltan, sehngga peneltan yang dlakukan dapat mencapa sasaran yang dngnkan. Metodolog peneltan
Lebih terperinciPENGGUNAAN DINDING GESER SEBAGAI ELEMEN PENAHAN GEMPA PADA BANGUNAN BERTINGKAT 10 LANTAI
PENGGUNAAN DINDING GESER SEBAGAI ELEMEN PENAHAN GEMPA PADA BANGUNAN BERTINGKAT 10 LANTAI Reky Stenly Wndah Dosen Jurusan Teknk Spl Fakultas Teknk Unverstas Sam Ratulang Manado ABSTRAK Pada bangunan tngg,
Lebih terperinciDIMENSI PARTISI GRAF GIR
Jurnal Matematka UNAND Vol. 1 No. 2 Hal. 21 27 ISSN : 2303 2910 c Jurusan Matematka FMIPA UNAND DIMENSI PARTISI GRAF GIR REFINA RIZA Program Stud Matematka, Fakultas Matematka dan Ilmu Pengetahuan Alam,
Lebih terperinciBAB III METODE PENELITIAN. pretest postes control group design dengan satu macam perlakuan. Di dalam
BAB III METODE PEELITIA A. Bentuk Peneltan Peneltan n merupakan peneltan ekspermen dengan model pretest postes control group desgn dengan satu macam perlakuan. D dalam model n sebelum dmula perlakuan kedua
Lebih terperinciBAB IV HASIL PENELITIAN DAN PEMBAHASAN
BAB IV HASIL PENELITIAN DAN PEMBAHASAN A. Deskrps Data Hasl Peneltan Peneltan n menggunakan peneltan ekspermen; subyek peneltannya dbedakan menjad kelas ekspermen dan kelas kontrol. Kelas ekspermen dber
Lebih terperinciPost test (Treatment) Y 1 X Y 2
BAB III METODOLOGI PENELITIAN A. Metode Peneltan Metode Peneltan adalah cara lmah untuk memaham suatu objek dalam suatu kegatan peneltan. Peneltan yang dlakukan n bertujuan untuk mengetahu penngkatan hasl
Lebih terperinciPENDAHULUAN Latar Belakang
PENDAHULUAN Latar Belakang Menurut teor molekuler benda, satu unt volume makroskopk gas (msalkan cm ) merupakan suatu sstem yang terdr atas sejumlah besar molekul (kra-kra sebanyak 0 0 buah molekul) yang
Lebih terperinciALGORITMA UMUM PENCARIAN INFORMASI DALAM SISTEM TEMU KEMBALI INFORMASI BERBASIS METODE VEKTORISASI KATA DAN DOKUMEN
ALGORITMA UMUM PENCARIAN INFORMASI DALAM SISTEM TEMU KEMBALI INFORMASI BERBASIS METODE VEKTORISASI KATA DAN DOKUMEN Hendra Bunyamn Jurusan Teknk Informatka Fakultas Teknolog Informas Unverstas Krsten Maranatha
Lebih terperinciPreferensi untuk alternatif A i diberikan
Bahan Kulah : Topk Khusus Metode Weghted Product (WP) menggunakan perkalan untuk menghubungkan ratng atrbut, dmana ratng setap atrbut harus dpangkatkan dulu dengan bobot atrbut yang bersangkutan. Proses
Lebih terperinci