PRESENTASI TUGAS AKHIR KI091391
|
|
- Inge Tedjo
- 6 tahun lalu
- Tontonan:
Transkripsi
1 PRESENTASI TUGAS AKHIR KI OPTIMASI NILAI AMBANG WAVELET BERBASIS LOGIKA FUZZY PADA DENOISING CITRA BERWARNA (Kata kunci: denoising, transformasi wavelet, logika fuzzy, thresholding, median absolute deviation) Penyusun Tugas Akhir : Diah Karisma Andini (NRP : ) Dosen Pembimbing : Yudhi Purwananto, S.Kom, M.Kom Rully Soelaiman, S.Kom, M.Kom 09 januari 01 Tugas Akhir KI
2 LATAR BELAKANG Proses perbaikan citra adalah salah satu topik penting dalam pengolahan citra digital. Dan salah satu permasalahan yang dihadapai adalah adanya noise (derau ) yang biasanya disebabkan pada saat pengambilan dan proses transmisi data sehingga mengakibatkan lemahnya kualitas suatu citra atau tidak sesuai dengan citra asli. Oleh karena itu diperlukan proses denoising ( pengurangan derau). Proses denoising citra dapat dilakukan pada domain citra, namun akan memiliki directional selectivity yang buruk, sehingga dilakukan penelitian dengan metode wavelet untuk mengatasinya. Dalam denoising terdapat banyak metode yang dapat digunakan, Dan pada tugas akhir ini akan digunakan metode wavelet berbasis logika fuzzy. 01 Februari 01 Tugas Akhir KI091391
3 LATAR BELAKANG () Proses denosing wavelet berbasis logika fuzzy akan dilakukan melalui proses dekomposisi, perhitungan fuzzy, fuzzy membership function, perhitungan citra bebas noise dan rekonstruksi citra. Pada fuzzy membership function, proses thresholding di penelitian sebelumnya dirasa kurang optimal karena perhitungannya masih memasukkan nilai variabel secara manual dimana nilai konstanta yang digunakan adalah k1 (0, 0.5, 1) dan k (1, 1.5,,.5, 3, 3.5) sedangkan nilai estimasi noise langsung memasukkan nilai varians noise, oleh karena itu perlu dilakukan optimasi nilai ambang wavelet agar hasil yang diperoleh dapat lebih optimal.
4 RUMUSAN MASALAH 1. Bagaimana mendapatkan nilai konstanta terbaik yang sebelumnya dilakukan dengan nilai-nilai yang telah ditentukan secara langsung?. Bagaimana menghitung estimasi varians noise pada sebuah citra berwarna yang telah diberi noise? 01 Februari 01 Tugas Akhir KI
5 BATASAN MASALAH a. Citra yang diproses adalah citra RGB berukuran 51 x 51. b. Implementasi dilakukan menggunakan Matlab 7.6 c. Tipe noise yang digunakan dalam proses uji coba adalah gaussian white noise. d. Varians noise sudah ditetapkan yaitu 5, 15, 5, 35, 40, dan Februari 01 Tugas Akhir KI
6 TUJUAN a. Memperbaiki hasil penelitian sebelumnya dalam mendapatkan nilai threshold b. Membangun aplikasi dengan menggunakan matlab 7.6 untuk mendapatkan nilai threshold yang optimal 01 Februari 01 Tugas Akhir KI
7 DESAIN MODEL UMUM APLIKASI Membuat noise Citra asal Denoising menggunakan logika fuzzy Dekomposisi menggunakan DT-DWT Citra hasil 100 Rekonstruksi menggunakan DT-IDWT Februari 01 Tugas Akhir KI
8 PENJELASAN MODEL UMUM APLIKASI Masukan awal berupa citra RGB. selanjutnya dari citra input ditambahkan Gaussian White Noise sebagai simulasi citra bernoise, kemudian dilakukan proses dekomposisi dengan Transformasi Wavelet Diskrit Dual-tree (DT-DWT) untuk menghasilkan subband wavelet yang akan dijadikan input untuk proses denoising menggunakan logika fuzzy. Dan Langkah terakhir adalah proses rekonstruksi kembali subband wavelet yang bebas noise.
9 DESAIN MODEL MEMBUAT NOISE Citra asal Inisialisasi varians noise Generate gaussian white noise Februari 01 Tugas Akhir KI
10 PENJELASAN MODEL MEMBUAT NOISE Pada proses ini sengaja dilakukan penambahan noise terhadap citra asli untuk mengetahui seberapa besar metode denoising efektif menghilangkan noise. Model noise yang digunakan adalah Additive Gaussian White Noise dimana parameter yang digunakan adalah varians noise. Varians noise dapat dipilih dengan nilai 5, 15, 5, 35, 40 dan 50. semakin besar nilai varians maka citra akan semakin banyak mengandung noise
11 DESAIN MODEL DEKOMPOSISI Start Citra bernoise Filtering Citra hasil dekomposisi (LL, LH, HL, HH) End 01 Februari 01 Tugas Akhir KI
12 METODE WAVELET Wavelet adalah suatu fungsi yang mempresentasikan data. Fungsi wavelet akan memotong-motong data menjadi komponen-komponen frekuensi yang berbeda sehingga komponen-komponen tersebut dapat dipelajari dengan menggunakan skala resolusi yang sesuai. Pada wavelet diskrit terdapat dua jenis yaitu non redudant dan redudant. Non redudant yaitu discrete wavelet transform (DWT) dan redudant yaitu dual tree discrete wavelet transform (DT-DWT) Transformasi wavelet memiliki dua tahap, yaitu dekomposisi dan rekonstruksi Dari dekomposisi akan menghasilkan subband-subband wavelet yang akan dijadikan input pada proses denoising 1
13 METODE WAVELET () Dekomposisi dilakukan dengan filtering untuk memisahkan citra yang memiliki frekuensi rendah dan citra yang memiliki frekuensi tinggi. Hasil dari dekomposisi akan menghasilkan 4 subband, yaitu Low-Low (LL), subband Low- High (LH), subband High-Low (HL) dan subband High-High (HH) untuk setiap level. Dekomposisi pada DT-DWT menggunakan dua pasang filter tree yaitu tree real dan tree imajiner secara terpisah untuk melakukan sum dan diferencing, masing-masing memfilter citra secara horizontal kemudian vertical, sehingga menghasilkan 8 subband. LL1 LH1 LL LH HL1 HH1 HL HH Tree pertama Tree kedua 13
14 METODE WAVELET (3) Enam highpass subband kemudian secara linear dikombinasikan baik itu sum maupun diferencing sehingga menghasilkan subband dari setiap levelnya, diperoleh sebagai berikut : HLa HL b / HLa HL b / LHa LH b / LHa LH b / HH / HH / a HH b a HH b DT-DWT memiliki directional selectivity yang baik dibandingkan dengan DWT karena DT-DWT memiliki filter arah ± 75º, ± 15º, ± 45º. Berbeda halnya dengan fungsi dasar HH pada DWT yang hanya ± 45º. Dengan menerapkan rumus Filter DWT Filter DT-DWT 14
15 DESAIN MODEL DENOISING Start Menghitung nilai fuzzy feature Menghitung nilai fuzzy membership function Menghitung citra bebas noise End 01 Februari 01 Tugas Akhir KI
16 Dekomposisi DT-DWT menghasilkan subband koefisien wavelet yaitu koefisien aproksimasi (LL) dan koefisien detail (LH,HL,HH). Proses denoising akan dilakukan pada koefisien detail tetapi tidak dengan koefisien aproksimasi karena menyimpan informasi penting Dari koefisien detail akan dicari nilai fuzzy feature sebagai proses awal untuk memperbaiki informasi citra pada subband-subband wavelet, selain itu juga dapat menandakan noise pada subband yang harus disusutkan. Yang dihitung dengan rumus : W(l,k) merupakan hasil perkalian dari magnitude similarity m(l,k) dan spatial similarity s(l,k) METODE DENOISING (1) 01 Februari 01 Tugas Akhir KI L L l K K k L L l K K k d s k w l k j l i y k w l j i f ), ( ), ( ), ( ), (,,, ), ( ), ( exp ), ( Thr k j l i y j i y k m l d s d s N k l k l s exp ), (
17 Proses pembentukan fuzzy membership function adalah dengan melalui pendekatan kurva-s (sigmoid), kurva-s didefinisikan dengan menggunakan 3 parameter, yaitu : T1, T, dan, dengan rumus : Nilai x merupakan nilai fuzzy feature, T1 dan T merupakan hasil perkalian nilai konstanta (k1 dan k) dengan estimasi varians noise ( ) 1 T T METODE DENOISING () ) ( T x T x T T T T x T T x T T x T T T T x x 17 n K T ˆ 1 1 n K T ˆ ˆ n
18 METODE DENOISING (3) Nilai konstanta ditentukan dengan melakukan beberapa percobaan sehingga diperoleh nilai yang lebih detail dan optimal. Nilai estimasi varians noise dihitung dengan menggunakan metode median absolute deviation (mad) Dari kedua langkah diatas, fuzzy feature akan dibandingkan dengan 3 nilai parameter threshold, sehingga dapat ditentukan fuzzy membership function yang akan digunakan. Sehingga citra bebas noise didapatkan menggunakan rumus berikut: xˆ s,, d ( i, j) ( f ( i, j)) ys d ( i, j)
19 ˆ n METODE MEDIAN ABSOLUTE DEVIATION (MAD) Median Absolute Deviation (mad) dapat digunakan Untuk menghitung estimasi noise varians, yaitu dengan menyatakan ukuran sebaran data. Mad bersifat sensitif terhadap outliners, akan tetapi tidak terlalu memindahkan nilai sebaran data lebih banyak seperti pada parameter standar deviasi dan varians dalam merespons adanya data yang buruk / outlier. Deviasi Absolut suatu elemen dari sebuah kumpulan data adalah perbedaan mutlak antara elemen dan titik tertentu. Biasanya titik dari penyimpangan yang diukur adalah tendensi sentral, salah satu nilai tersebut adalah nilai median. Rumus untuk menghitung Median Absolute Deviation (mad ) adalah sebagai berikut :
20 DESAIN MODEL REKONSTRUKSI Start Citra ter-denoising (LL, LH, HL, HH) Filtering Citra hasil rekonstruksi End 01 Februari 01 Tugas Akhir KI
21 MODEL REKONSTRUKSI Rekontruksi merupakan kebalikan dari dekomposisi Pada proses rekonstruksi akan dilakukan penggabungan antara subband-subband wavelet sehingga akan menghasilkan citra yang utuh dan tidak terbagi-bagi. LL1 HL1 LL HL LH1 HH1 LH HH Hasil citra 1
22 SNR digunakan untuk mengukur tingkat kualitas sinyal. Nilai ini dihitung berdasarkan perbandingan antara citra asli dengan citra hasil denoising. Kualitas sinyal berbanding lurus dengan dengan nilai SNR. Semakin besar nilai SNR semakin baik kualitas sinyal yang dihasilkan. SNR dihitung dalam satuan decibels (db). Persamaan SNR adalah sebagai berikut: SNR = 10 log 10 SNR (signal to noise ratio) ), ( ), ( ), ( m x n y m x n y y x f y x f y x f
23 SKENARIO UJI COBA Skenario ujicoba dilakukan melalui tahap sebagai berikut : 1. Menentukan Nilai variabel konstanta (k1 dan k), bertujuan untuk mendapatkan nilai k1 dan k yang akan digunakan untuk optimasi nilai ambang. Dengan memberikan nilai varians yang berbeda pada citra akan diperoleh nilai SNR. Diasumsikan bahwa nilai k1 dan k yang dipakai adalah pada saat SNR mencapai optimal. Menghitung Estimasi Varians Noise, bertujuan untuk mengukur penyebaran noise pada citra berdasarkan nilai varians yang diberikan menggunakan Median Absolute Deviation 3. Menghitung Signal to Noise Ratio (SNR), bertujuan untuk mengukur tingkat kualitas sinyal dengan membandingkan citra input dan citra yang telah didenoising menggunakan optimasi nilai ambang. 01 Februari 01 Tugas Akhir KI
24 UJI COBA a. Uji coba 1, menambahkan varians noise yang diberikan ke input citra Lena. Terdapat 6 varians noise yang akan diuji, yaitu 5, 15, 5, 35, 40 dan 50. b. Uji coba, menambahkan varians noise yang diberikan ke input citra Pepper. Terdapat 6 varians noise yang akan diuji, yaitu 5, 15, 5, 35, 40 dan 50. c. Uji coba 3, menambahkan varians noise yang diberikan ke input citra Baboon. Terdapat 6 varians noise yang akan diuji, yaitu 5, 15, 5, 35, 40 dan 50. d. Uji coba 4, menambahkan varians noise yang diberikan ke input citra Plane. Terdapat 6 varians noise yang akan diuji, yaitu 5, 15, 5, 35, 40 dan 50. e. Uji coba 5, menambahkan varians noise yang diberikan ke input citra Stone. Terdapat 6 varians noise yang akan diuji, yaitu 5, 15, 5, 35, 40 dan 50.
25 UJI COBA 1 : Denoising pada citra Lena 1. Nilai k1 dan k hasil percobaan terhadap citra lena pada masing masing varians dengan nilai SNR optimal dapat dilihat hasilnya pada tabel 1;. Hasil perhitungan estimasi noise varians pada citra lena dengan nilai varians 5, 15, 5, 35, 40 dan 50 dapat dilihat pada tabel : Varians Lena k1 k SNR optimal Varians Estimasi Noise Tabel Tabel 3. Hasil citra denoising adalah sebagai berikut :
26 UJI COBA 1 : Denoising pada citra Lena () Varians noise = 5 Varians noise = 15 Varians noise = 5 SNR = SNR =.9178 SNR =.333
27 UJI COBA 1 : Denoising pada citra Lena(3) Varians noise = 35 Varians noise = 40 Varians noise = 50 SNR = SNR = SNR =
28 UJI COBA : Denoising pada citra Pepper 1. Nilai k1 dan k hasil percobaan terhadap citra pepper pada masing masing varians dengan nilai SNR optimal dapat dilihat hasilnya pada tabel 3;. Hasil perhitungan estimasi noise varians pada citra pepper dengan nilai varians 5, 15, 5, 35, 40 dan 50 dapat dilihat pada tabel 4 : Pepper Varians k1 k SNR optimal Tabel 3 3. Hasil citra denoising adalah sebagai berikut : Varians Estimasi Noise Tabel 4
29 UJI COBA 1 : Denoising pada citra Baboon () Varians noise = 5 Varians noise = 15 Varians noise = 5 SNR = SNR = SNR =
30 UJI COBA 1 : Denoising pada citra Baboon (3) Varians noise = 35 Varians noise = 40 Varians noise = 50 SNR = SNR = SNR = 1.158
31 UJI COBA 3 : Denoising pada citra Baboon 1. Nilai k1 dan k hasil percobaan terhadap citra Baboon pada masing masing varians dengan nilai SNR optimal dapat dilihat hasilnya pada tabel 5;. Hasil perhitungan estimasi noise varians pada citra Baboon dengan nilai varians 5, 15, 5, 35, 40 dan 50 dapat dilihat pada tabel 6: Varians Baboon k1 k SNR optimal Varians Estimasi Noise Tabel 5 3. Hasil citra denoising adalah sebagai berikut : Tabel 6
32 UJI COBA 3 : Denoising pada citra Baboon () Varians noise = 5 Varians noise = 15 Varians noise = 5 SNR = SNR = SNR =
33 UJI COBA 3 : Denoising pada citra Baboon (3) Varians noise = 35 Varians noise = 40 Varians noise = 50 SNR = SNR = SNR =
34 UJI COBA 4 : Denoising pada citra Plane 1. Nilai k1 dan k hasil percobaan terhadap citra Plane pada masing masing varians dengan nilai SNR optimal dapat dilihat hasilnya pada tabel 7;. Hasil perhitungan estimasi noise varians pada citra plane dengan nilai varians 5, 15, 5, 35, 40 dan 50 dapat dilihat pada tabel 8: Varians Plane k1 k SNR optimal Varians Estimasi Noise Tabel 7 3. Hasil citra denoising adalah sebagai berikut : Tabel 8
35 UJI COBA 4 : Denoising pada citra Plane () Varians noise = 5 Varians noise = 15 Varians noise = 5 SNR = SNR = 4.93 SNR =
36 UJI COBA 4 : Denoising pada citra Plane (3) Varians noise = 35 Varians noise = 40 Varians noise = 50 SNR =.314 SNR = SNR =
37 UJI COBA 5 : Denoising pada citra Stone 1. Nilai k1 dan k hasil percobaan terhadap citra Stone pada masing masing varians dengan nilai SNR optimal dapat dilihat hasilnya pada tabel 9;. Hasil perhitungan estimasi noise varians pada citra stone dengan nilai varians 5, 15, 5, 35, 40 dan 50 dapat dilihat pada tabel 10: Varians Stone k1 k SNR optimal Tabel 9 3. Hasil citra denoising adalah sebagai berikut : Varians Estimasi Noise Tabel 10
38 UJI COBA 5 : Denoising pada citra stone () Varians noise = 5 Varians noise = 15 Varians noise = 5 SNR = SNR = SNR = 4.576
39 UJI COBA 5 : Denoising pada citra stone (3) Varians noise = 35 Varians noise = 40 Varians noise = 50 SNR =.1363 SNR = SNR =
40 KESIMPULAN Metode wavelet berbasis logika fuzzy terbukti dapat digunakan untuk memperbaiki / mengembalikan citra yang diberi noise kedalam kondisi bebas noise Metode Median Absolute Deviation dapat digunakan untuk menghitung estimasi varians noise Dengan melakukan lebih banyak percobaan untuk menentukan nilai k1 dan k yang sesuai dapat mempengaruhi nilai threshold yang akan diperoleh 01 Februari 01 Tugas Akhir KI
41 KESIMPULAN () Tingkat keberhasilan ( diukur menggunakan SNR ) pada metode wavelet berbasis logika fuzzy bergantung dari nilai varians noise Nilai kontanta k1 dan k yang digunakan dan nilai estimasi noise varians memiliki pengaruh dalam menentukan SNR. Berdasarkan ujicoba, setiap citra memiliki nilai k1 dan k serta nilai estimasi yang berbeda-beda. Metode denoising citra berwarna berbasis logika fuzzy lebih optimal dengan optimasi Nilai Ambang Wavelet
42 SARAN a. Perlu dilakukan uji coba yang lebih mendalam untuk mengetahui efektivitas hasil perbaikan dengan metode wavelet berbasis logika fuzzy dalam citra RGB. b. Perlu dilakukan percobaan optimasi nilai ambang berbasis logika fuzzy pada citra multispectral satelit. 01 Februari 01 Tugas Akhir KI
43 01 Februari 01 Tugas Akhir KI
44 LOGIKA FUZZY Secara ilmiah, logika fuzzy merupakan suatu logika bernilai banyak yang dapat mendefinisikan nilai diantara keadaan biasa seperti ya atau tidak, benar atau salah, hitam atau putih, dan sebagainy Logika fuzzy akan memberikan nilai yang spesifik pada setiap nilai diantara pernyataan ya atau tidak dengan menentukan fungsi keanggotaan (membership function). Fungsi keanggotaan berada diantara 0 sampai 1, sehingga memungkinkan bagi suatu persamaan memiliki nilai true dan false secara bersamaan. 01 Februari 01 Tugas Akhir KI
Raden Abi Hanindito¹, -². ¹Teknik Informatika, Fakultas Teknik Informatika, Universitas Telkom
Powered by TCPDF (www.tcpdf.org) ANALISIS & IMPLEMENTASI IMAGE DENOISING DENGAN MENGGUNAKAN METODE NORMALSHRINK SEBAGAI WAVELET THRESHOLDING ANALYSIS & IMPLEMENTATION IMAGE DENOISING USING NORMALSHRINK
Lebih terperinciBAB III METODE PENELITIAN DAN PERANCANGAN SISTEM
BAB III METODE PENELITIAN DAN PERANCANGAN SISTEM 3.1 Metode Penelitian Gambar 3.1. Diagram Blok Rancangan Penelitian Metode penelitian yang digunakan meliputi studi kepustakaan dan penelitian laboratorium.
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 terperinciIMPLEMENTASI CLUSTERING K-MEANS DALAM DOMAIN WAVELET MENGGUNAKAN ADAPTIF SOFT-THRESHOLDING UNTUK DENOISING CITRA
TUGAS AKHIR K141502 IMPLEMENTASI CLUSTERING K-MEANS DALAM DOMAIN WAVELET MENGGUNAKAN ADAPTIF SOFT-THRESHOLDING UNTUK DENOISING CITRA BIANDINA MEIDYANI NRP 5112100218 Dosen Pembimbing I Arya Yudhi Wijaya,
Lebih terperinciDAFTAR ISI. Halaman LEMBAR PENGESAHAN SURAT PERNYATAAN ABSTRAK... i ABSTRACT... ii KATA PENGANTAR...iii DAFTAR ISI... v DAFTAR GAMBAR...
ABSTRAK Noise merupakan salah satu kendala yang mempengaruhi kualitas sinyal suara yang ditransmisikan. Noise tersebut dapat berasal dari peralatan komunikasi itu sendiri atau pengaruh dari sumber luar.
Lebih terperinciBAB III METODE PENELITIAN DAN PERANCANGAN SISTEM
BAB III METODE PENELITIAN DAN PERANCANGAN SISTEM 3.1 Metode Penelitian Sinyal PCG Denoising Dekomposisi Frekuensi cuplik 8Khz Frekuensi cuplik 44,1Khz Frekuensi cuplik 48Khz Coiflet Symlet Daubechies Biorthogonal
Lebih terperinciBAB III METODE PENELITIAN DAN PERANCANGAN SISTEM. penelitian laboratorium. Studi kepustakaan dilakukan untuk mencari teori atau
BAB III METODE PENELITIAN DAN PERANCANGAN SISTEM 3.1 Metode Penelitian Metode penelitian yang digunakan meliputi studi kepustakaan dan penelitian laboratorium. Studi kepustakaan dilakukan untuk mencari
Lebih terperinciPenyusun Tugas Akhir : Ivan Hardiyanto (NRP : ) Dosen Pembimbing : Yudhi Purwananto, S.Kom, M.Kom Rully Soelaiman, S.Kom, M.
PRESENTASI TUGAS AKHIR KI091391 IMPLEMENTASI SEGMENTASI CITRA DENGAN MENGGUNAKAN METODE GENERALIZED FUZZY C- MEANS CLUSTERING ALGORITHM WITH IMPROVED FUZZY PARTITIONS (Kata kunci: Algoritma Fuzzy Clustering,
Lebih terperinciBAB III METODE PENELITIAN DAN PERANCANGAN SISTEM
BAB III METODE PENELITIAN DAN PERANCANGAN SISTEM 3.1 Metode Penelitian Gambar 3.1 Diagram Blok Rancangan Penelitian. 24 25 Metode penelitian yang digunakan meliputi studi kepustakaan, pembuatan program,
Lebih terperinciPERBAIKAN KUALITAS CITRA BERWARNA DENGAN METODE DISCRETE WAVELET TRANSFORM (DWT)
PERBAIKAN KUALITAS CITRA BERWARNA DENGAN METODE DISCRETE WAVELET TRANSFORM (DWT) ABSTRAK Silvester Tena Jurusan Teknik Elektro Fakultas Sains dan Teknik, Universitas Nusa Cendana Jl. Adisucipto- Penfui
Lebih terperinciDAFTAR ISI. i ABSTRACT. ii KATA PENGANTAR. viii DAFTAR GAMBAR
ABSTRAK Keberadaan noise dalam sinyal elektrokardiograf (EKG) dapat menyebabkan kesalahan interpretasi informasi jantung, yang pada akhirnya menyebabkan kesalahan pada penilaian kondisi jantung. Untuk
Lebih terperinciPenyusun Tugas Akhir Alvian Adi Pratama [ ] Dosen Pembimbing Diana Purwitasari, S.Kom, M.Sc. Dr. Eng. Nanik Suciati, S.Kom., M.Kom.
Penyusun Tugas Akhir Alvian Adi Pratama [5106100108] Dosen Pembimbing Diana Purwitasari, S.Kom, M.Sc. Dr. Eng. Nanik Suciati, S.Kom., M.Kom. Latar Belakang Batik merupakan harta kebudayaan Indonesia yang
Lebih terperinciPENERAPAN DISCRETE DAUBECHIS WAVELET TRANSFORM D A L A M W A T E R M A R K I N G C I T R A D I G I T A L
PENERAPAN DISCRETE DAUBECHIS WAVELET TRANSFORM D A L A M W A T E R M A R K I N G C I T R A D I G I T A L Hermawan Syahputra* 1, Andani D N 2 1,2 Jurusan Matematika, FMIPA Unimed, Medan, Indonesia e-mail:
Lebih terperinciBAB III ANALISIS DAN PERANCANGAN SISTEM
BAB III ANALISIS DAN PERANCANGAN SISTEM Pada bab ini akan dijelaskan mengenai kebutuhan-kebutuhan yang digunakan dalam membuat program ini. Setelah semua kebutuhan selesai di analisa, maka penulis akan
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Gangguan pada citra, terutama citra digital dapat disebabkan oleh noise sehingga mengakibatkan penurunan kualitas citra tersebut (Gunara, 2007). Derau atau noise merupakan
Lebih terperinciBab 1 Pendahuluan 1.1 Latar Belakang
Bab 1 Pendahuluan 1.1 Latar Belakang Proses pengolahan citra digital dapat dibagi menjadi beberapa bidang seperti object detection, image analyze, computer vision, dan medical imaging. Medical imaging
Lebih terperinciWatermarking Video Menggunakan Transformasi Wavelet Diskrit
Jurnal Generic, Vol. 8, No. 1, Maret 2013, pp. 198~208 ISSN: 1907-4093 (Print), 2087-9814 (online) 198 Watermarking Video Menggunakan Transformasi Wavelet Diskrit Merlin Felyana 1 1 Program Studi Teknik
Lebih terperinciSIMULASI REDUKSI DERAU SINYAL SUARA PADA GEDUNG KEBUN RAYA PURWODADI PASURUAN DENGAN METODE DWT
SIMULASI REDUKSI DERAU SINYAL SUARA PADA GEDUNG KEBUN RAYA PURWODADI PASURUAN DENGAN METODE DWT ( Kristiawan Purwanto, Tutug Dhanardono) Jurusan Teknik Fisika FTI ITS Surabaya Kampus ITS Keputih Sukolilo
Lebih terperinciDENOISING PADA CITRA MENGGUNAKAN TRANSFORMASI WAVELET
Seminar asional Teknologi Informasi & Komunikasi Terapan 0 (Semantik 0) ISB 979-6 - 055-0 DEOISIG PADA CITRA MEGGUAKA TRASFORMASI WAVELET Christa E. Bire, Bambang Cahyono Magister Teknik Informatika, Universitas
Lebih terperinciBAB IV HASIL PENELITIAN DAN PEMBAHASAN
35 BAB IV HASIL PENELITIAN DAN PEMBAHASAN 4.1 Implementasi GUI GUI diimplementasikan sesuai dengan program pengolah citra dan klasifikasi pada tahap sebelumya. GUI bertujuan untuk memudahkan pengguna mengidentifikasi
Lebih terperincigeofisika yang cukup popular. Metode ini merupakan metode Nondestructive Test yang banyak digunakan untuk pengamatan dekat
BAB I PENDAHULUAN 1.1 Latar Belakang dan Perumusan Masalah 1.1.1 Latar belakang Ground Penetrating Radar (GPR) merupakan salah satu metode eksplorasi geofisika yang cukup popular. Metode ini merupakan
Lebih terperinciLOGO PEMBERIAN TANDA AIR MENGGUNAKAN TEKNIK KUANTISASI RATA-RATA DENGAN DOMAIN TRANSFORMASI WAVELET DISKRIT. Tulus Sepdianto
LOGO PEMBERIAN TANDA AIR MENGGUNAKAN TEKNIK KUANTISASI RATA-RATA DENGAN DOMAIN TRANSFORMASI WAVELET DISKRIT Tulus Sepdianto 1206100002 PENDAHULUAN Latar Belakang Penggunaan internet secara global Distribusi
Lebih terperinciADAPTIVE WATERMARKING CITRA DIGITAL DENGAN TEKNIK DISCRETE WAVELET TRANSFORM-DISCRETE COSINE TRANSFORM DAN NOISE VISIBILITY FUNCTION
ADAPTIVE WATERMARKING CITRA DIGITAL DENGAN TEKNIK DISCRETE WAVELET TRANSFORM-DISCRETE COSINE TRANSFORM DAN NOISE VISIBILITY FUNCTION Disusun oleh : Nama : Dian Eriani Surbakti Nrp : 0822104 Jurusan Teknik
Lebih 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 terperinciWATERMARKING PADA CITRA DIGITAL BERBASIS DISCRETE WAVELET TRANSFORM DAN SINGULAR VALUE DECOMPOSITION
WATERMARKING PADA CITRA DIGITAL BERBASIS DISCRETE WAVELET TRANSFORM DAN SINGULAR VALUE DECOMPOSITION Disusun oleh : Nama : Hendra Togi Manalu Nrp : 0522121 Jurusan Teknik Elektro, Fakultas Teknik,, Jl.
Lebih terperinciKOMPRESI SINYAL SUARA MENGGUNAKAN TRANSFORMASI WAVELET
KOMPRESI SINYAL SUARA MENGGUNAKAN TRANSFORMASI WAVELET Allen Dick Scott / 0222033 Jurusan Teknik Elektro, Fakultas Teknik, Universitas Kristen Maranatha Jl.Prof.Drg.Suria Sumantri 65, Bandung 40164, Indonesia
Lebih terperinciTEKNIK PENGOLAHAN CITRA. Kuliah 7 Restorasi Citra (Image Restoration) Indah Susilawati, S.T., M.Eng.
TEKNIK PENGOLAHAN CITRA Kuliah 7 Restorasi Citra (Image Restoration) Indah Susilawati, S.T., M.Eng. Program Studi Teknik Informatika/Studi Sistem Informasi Fakultas Tekniknologi Informasi Universitas Mercu
Lebih terperinciBAB I PENDAHULUAN. teknologi pengolahan citra (image processing) telah banyak dipakai di berbagai
BAB I PENDAHULUAN 1.1. Latar Belakang Masalah Citra (image) adalah bidang dalam dwimatra (dua dimensi) (Munir, 2004). Sebagai salah satu komponen multimedia, citra memegang peranan sangat penting sebagai
Lebih terperinciBAB III METODOLOGI PENELITIAN. Alat yang digunakan dalam penelitian ini adalah: b. Memori : 8192 MB. c. Sistem Model : Lenovo G40-45
20 BAB III METODOLOGI PENELITIAN 3.1 Alat dan Bahan Penelitian 3.1.1 Alat Alat yang digunakan dalam penelitian ini adalah: a. Hardware a. Prosesor : AMD A8-6410 APU (4 CPUs), ~2.0 GHz b. Memori : 8192
Lebih terperinciIMPLEMENTASI PENGURANGAN NOISE PADA CITRA DIGITAL MENGGUNAKAN METODE MAXIMUM APOSTERIORI-GAUSSIAN SCALE MIXTURES PADA DOMAIN WAVELET
IMPLEMENTASI PENGURANGAN NOISE PADA CITRA DIGITAL MENGGUNAKAN METODE MAXIMUM APOSTERIORI-GAUSSIAN SCALE MIXTURES PADA DOMAIN WAVELET I Ketut Hartawan 1), Retno Novi D, SSi., MT. 2), Tjokorda Agung Budi
Lebih terperinciTEKNIK PENGOLAHAN CITRA. Kuliah 6 Restorasi Citra (Image Restoration) Indah Susilawati, S.T., M.Eng.
TEKNIK PENGOLAHAN CITRA Kuliah 6 Restorasi Citra (Image Restoration) Indah Susilawati, S.T., M.Eng. Program Studi Teknik Elektro Program Studi Teknik Informatika Fakultas Teknik dan Ilmu Komputer Universitas
Lebih terperinciANALISA BICUBIC DAN BILINEAR MENGGUNAKAN METODE DISCRETE WAVELET TRANSFORM PADA SUPER RESOLUSI
ANALISA BICUBIC DAN BILINEAR MENGGUNAKAN METODE DISCRETE WAVELET TRANSFORM PADA SUPER RESOLUSI Beni Hartanto Program Studi Teknik Informatika, Universitas Dian Nuswantoro Jl. Nakula I No. 5-11, Semarang,
Lebih terperinciPRESENTASI TUGAS AKHIR KI
PRESENTASI TUGAS AKHIR KI 091031 PENERAPAN METODE PRIMAL DUAL ACTIVE SET UNTUK NON NEGATIVE CONSTRAINED TOTAL VARIATION PADA MASALAH DEBLURRING (Kata kunci: Total Variation,Non-Negative Constrained, Primal
Lebih terperinciPRESENTASI TUGAS AKHIR KI091391
PRESENTASI TUGAS AKHIR KI091391 SEGMENTASI CITRA MENGGUNAKAN METODE KONTUR AKTIF DENGAN SEGMENTASI LOKAL ATAU GLOBAL SECARA SELEKTIF (Kata kunci: segmentasi citra, kontur aktif, fungsi level set, filter
Lebih terperinciSEGMENTASI ENDAPAN URIN PADA CITRA MIKROSKOPIK BERBASIS WAVELET
SEGMENTASI ENDAPAN URIN PADA CITRA MIKROSKOPIK BERBASIS WAVELET Miftahus Sholihin, Agus Zainal Arifin, Anny Yuniarti Fakultas Teknologi Informasi Institut Teknologi Sepuluh Nopember (ITS), Surabaya, Indonesia
Lebih terperinciCOMPARISON OF ONE DIMENSIONAL DCT AND LWT SPARSE REPRESENTATION
COMPARISON OF ONE DIMENSIONAL DCT AND LWT SPARSE REPRESENTATION Endra 1 ; Gusandy 2 ; Kurniawaty 3 ; Yenny Lan 4 Jurusan Sistem Komputer, Fakultas Ilmu Komputer, BINUS University, Jakarta Jln K.H. Syahdan
Lebih terperinciOPTIMASI WATERMARKING PADA CITRA BIOMETRIK MENGGUNAKAN ALGORITME GENETIKA
OPTIMASI WATERMARKING PADA CITRA BIOMETRIK MENGGUNAKAN ALGORITME GENETIKA Muhammad Rifqi Fadhilah *), Imam Santoso, and Ajub Ajulian Zahra Departemen Teknik Elektro, Universitas Diponegoro Jl. Prof. Sudharto,
Lebih terperinciAnalisa Multiwavelet untuk Kompresi Suara
1 ISSN 1979-2867 (print) Electrical Engineering Journal Vol. 1 (2010) No. 1, pp. 1-11 Analisa Multiwavelet untuk Kompresi Suara Immanuel Silalahi 1 dan Riko Arlando Saragih 2 1 Alumni Jurusan Teknik Elektro
Lebih terperinciPENGENALAN POLA SIDIK JARI BERBASIS TRANSFORMASI WAVELET DAN JARINGAN SYARAF TIRUAN BACKPROPAGATION
PENGENALAN POLA SIDIK JARI BERBASIS TRANSFORMASI WAVELET DAN JARINGAN SYARAF TIRUAN BACKPROPAGATION 1 Andrian Rakhmatsyah 2 Sayful Hakam 3 Adiwijaya 12 Departemen Teknik Informatika Sekolah Tinggi Teknologi
Lebih terperinciTeknik Watermarking dalam Domain Wavelet untuk Proteksi Kepemilikan pada Data Citra Medis
Teknik Watermarking dalam Domain Wavelet untuk Proteksi Kepemilikan pada Data Citra Medis Mulaab Email : mulaab@if.trunojoyo.ac.id Laboratorium Pemrograman, Jurusan Teknik Informatika Universitas Trunojoyo
Lebih terperinciBAB 2 LANDASAN TEORI
7 BAB 2 LANDASAN TEORI 2.1 Citra Digital Citra digital merupakan sebuah fungsi intensitas cahaya, dimana harga x dan y merupakan koordinat spasial dan harga fungsi f tersebut pada setiap titik merupakan
Lebih terperinciBAB 3 PERANCANGAN SISTEM
20 BAB 3 PERANCANGAN SISTEM 3.1 Rancangan Perangkat Keras Sistem ini hanya menggunakan beberapa perangkat keras yang umum digunakan, seperti mikrofon, speaker (alat pengeras suara), dan seperangkat komputer
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 terperinciCreated with Print2PDF. To remove this line, buy a license at:
BAB IV. Analisis Pada bab ini dibahas mengenai analisis terhadap citra aproksimasi dan hasil ekstraksi jalan pada citra aproksimasi tersebut untuk mendapatkan gambaran mengenai keterkaitan antara proses
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN. database dan database query, secara keseluruhan menggunakan cara yang sama.
BAB IV HASIL DAN PEMBAHASAN 4.1 Hasil Experimen Pada dasarnya tahapan yang dilakukan pada proses pengambilan sampel dari database dan database query, secara keseluruhan menggunakan cara yang sama. Berdasarkan
Lebih terperinciBABI PENDAHULUAN 1.1 Latar Belakang
BABI PENDAHULUAN 1.1 Latar Belakang Saat ini transformasi wavelet banyak sekali digunakan dan bermanfaat untuk analisis numerik, analisis isyarat, aplikasi kontrol dan aplikasi audio [1]. Dalam analisis
Lebih terperinciKOMPRESI IMAGE DALAM SOURCE CODING MENGGUNAKAN METODE TRANSFORMASI WAVELET
KOMPRESI IMAGE DALAM SOURCE CODING MENGGUNAKAN METODE TRANSFORMASI WAVELET NASKAH PUBLIKASI Diajukan Untuk Memenuhi Tugas dan Syarat-syarat Guna Memperoleh Gelar Sarjana Teknik pada Fakultas Teknik Jurusan
Lebih terperinciPengurangan Noise pada Citra Menggunakan Optimal Wavelet Selection dengan Kriteria Linear Minimum Mean Square Error (LMMSE)
Pengurangan Noise pada Citra Menggunakan Optimal Wavelet Selection dengan Kriteria Linear Minimum Mean Square Error (LMMSE) Disusun Oleh : Nama : Abner Natanael R Nrp : 0522034 Jurusan Teknik Elektro,
Lebih terperinciPERBANDINGAN TEKNIK WATERMARKING CITRA DIGITAL MENGGUNAKAN DWT-SVD DAN RDWT-SVD. Abstract
PERBANDINGAN TEKNIK WATERMARKING CITRA DIGITAL MENGGUNAKAN DWT- DAN Qurrota Ayun Majid, T. Sutojo, S.Si, M.Kom Teknik Informatika - S1 Fakultas Ilmu Komputer Universitas Dian Nuswantoro Semarang 111201207118@mhs.dinus.ac.id
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Isyarat tutur merupakan isyarat yang diproduksi oleh alat ucap manusia hingga menghasilkan informasi, baik berupa makna dari isyarat tutur yang diucapkan maupun yang
Lebih terperinciKata Kunci : non-blind watermarking, complex wavelet transform, singular value decomposition.
NON-BLIND WATERMARKING PADA CITRA DIGITAL MENGGUNAKAN COMPLEX WAVELET TRANSFORM (CWT) DAN SINGULAR VALUE DECOMPOSITION (SVD) Disusun Oleh : Froni Andrian Sitompul (0822102) Jurusan Teknik Elektro, Fakultas
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Citra 2.1.1 Definisi Citra Secara harfiah, citra adalah gambar pada bidang dwimatra (dua dimensi). Jika dipandang dari sudut pandang matematis, citra merupakan hasil pemantulan
Lebih terperinciPemampatan Citra Warna Menggunakan 31 Fungsi Gelombang-Singkat
Pemampatan Citra Warna Menggunakan 31 Fungsi Gelombang-Singkat Albertus Joko Santoso Teknik Informatika Fakultas Teknologi Industri Universitas Atma Jaya Yogyakarta albjoko@mail.uajy.ac.id Gede Bayu Suparta
Lebih terperinciBAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI
BAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI 2.1 Tinjauan Pustaka Sebagai tinjauan pustaka, berikut beberapa contoh penelitian yang sudah dilakukan oleh para peneliti yang dapat digunakan sebagai acuan dan
Lebih terperinciSALIENT POINTS PADA CITRA TULANG CORTICAL BERBASIS TRANSFORMASI WAVELET
SALIENT POINTS PADA CITRA TULANG CORTICAL BERBASIS TRANSFORMASI WAVELET Oleh: Ika Usfarina Dhamasari(5106100040) DosenPembimbing1: Dr. AgusZainalArifin, S. Kom, M. Kom Dosen Pembimbing 2: Diana Purwitasari,
Lebih terperinciSKEMA NUMERIK UNTUK MENYELESAIKAN PERSAMAAN BURGERS MENGGUNAKAN METODE CUBIC B-SPLINE QUASI-INTERPOLANT DAN MULTI-NODE HIGHER ORDER EXPANSIONS
PRESENTASI TUGAS AKHIR KI091391 SKEMA NUMERIK UNTUK MENYELESAIKAN PERSAMAAN BURGERS MENGGUNAKAN METODE CUBIC B-SPLINE QUASI-INTERPOLANT DAN MULTI-NODE HIGHER ORDER EXPANSIONS (Kata kunci:persamaan burgers,
Lebih terperinciIMAGE ENHANCEMENT MENGGGUNAKAN METODE LINEAR FILTERING DAN STATIONARY WAVELET TRANSFORM
IMAGE ENHANCEMENT MENGGGUNAKAN METODE LINEAR FILTERING DAN STATIONARY WAVELET TRANSFORM Staff Pengajar Jurusan Teknik Elektro Fakultas Sains dan Teknik Universitas Nusa Cendana, Kupang Abstrak The aim
Lebih terperinciBAB 3 ANALISIS DAN PERANCANGAN PROGRAM. linear sequential (waterfall). Metode ini terdiri dari empat tahapan yaitu analisis,
BAB 3 ANALISIS DAN PERANCANGAN PROGRAM Perancangan program aplikasi yang dibuat dalam skripsi ini menggunakan aturan linear sequential (waterfall). Metode ini terdiri dari empat tahapan yaitu analisis,
Lebih terperinciPROGRAM PASCA SARJANA JURUSAN TEKNIK ELEKTRO ELEKTRONIKA
RANCANG BANGUN SISTEM KOMUNIKASI ANTAR PEMAKAI HELM BERBASIS PENGENALAN WICARA DISUSUN OLEH : YUNUS WICAKSONO SUGIARSO NRP.2208204002 PROGRAM PASCA SARJANA JURUSAN TEKNIK ELEKTRO ELEKTRONIKA INSTITUT TEKNOLOGI
Lebih terperinciBAB II Tinjauan Pustaka
BAB II Tinjauan Pustaka Pada bab ini dibahas mengenai konsep-konsep yang mendasari ekstraksi unsur jalan pada citra inderaja. Uraian mengenai konsep tersebut dimulai dari ekstraksi jalan, deteksi tepi,
Lebih terperinciANALISA ENERGY COMPACTION PADA DEKOMPOSISI WAVELET
ANALISA ENERGY COMPACTION PADA DEKOMPOSISI WAVELET D.A.K. Pramita, I M. O. Widyantara, D. M. Wiharta Teknik Elektro FT UNUD Email: pramita.wayu@gmail.com ABSTRAK In the modern era, the medical world utilizes
Lebih terperinciBAB 3 PERUMUSAN PENELITIAN. Signal. Sparse Coding. Reconstruction. Reconstructed. Assessment
BAB PERUMUSAN PENELITIAN.1 Blok Diagram Signal Sparse Coding Dictionary Reconstruction Reconstructed Signal Assessment Gambar.1 Blok Diagram secara Umum Secara umum tujuan penelitian ini akan mencari dictionary
Lebih terperinciMempelajari dasar-dasar teori dan mengumpulkan referensi yang berhubungan dengan batubara, jenis batubara, metode ekstraksi ciri Discrete Wavelet
BAB 1 PENDAHULUAN 1.1 Latar Belakang Batubara adalah bahan bakar fosil yang dapat terbakar, terbentuk dari endapan batuan organik yang terutama terdiri dari karbon, hidrogen dan oksigen. Batubara terbentuk
Lebih terperinciBAB 3 ANALISIS DAN PERANCANGAN PROGRAM
BAB 3 ANALISIS DAN PERANCANGAN PROGRAM Program aplikasi ini dirancang dengan menggunakan perangkat lunak Microsoft Visual C# 2008 Express Edition. Proses perancangan menggunakan pendekatan Object Oriented
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN. dicolokan ke komputer, hal ini untuk menghindari noise yang biasanya muncul
37 BAB IV HASIL DAN PEMBAHASAN 4.1 Hasil 4.1.1 Pengambilan Database Awalnya gitar terlebih dahulu ditala menggunakan efek gitar ZOOM 505II, setelah ditala suara gitar dimasukan kedalam komputer melalui
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Citra Citra merupakan salah satu komponen multimedia yang memegang peranan sangat penting sebagai bentuk informasi visual. Meskipun sebuah citra kaya akan informasi, namun sering
Lebih terperinciKOMPRESI CITRA MEDIS MENGGUNAKAN METODE WAVELET
KOMPRESI CITRA MEDIS MENGGUNAKAN METODE WAVELET 1) Arief Budiman 1) Dosen Fakultas Teknik Universitas Merdeka Madiun email : arief@unmer-madiun.ac.id Abstract In the world of medical, anx-ray image is
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Saat ini informasi tidak hanya didapatkan dari pesan teks saja namun sebuah gambar atau citra dapat juga mewakilkan sebuah informasi, bahkan sebuah citra memiliki arti
Lebih terperinciSimulasi Teknik Image Enhancement Menggunakan Matlab Yustina Retno Wahyu Utami 3)
Simulasi Teknik Image Enhancement Menggunakan Matlab Yustina Retno Wahyu Utami 3) ISSN : 1693 1173 Abstrak Penelitian ini menekankan pada pentingnya teknik simuasi pada pengolahan citra digital. Simulasi
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN Bab ini memuat latar belakang perlunya penyisipan watermark di dalam citra digital, perumusan masalah secara sistematis, serta metodologi yang digunakan untuk memecahkan masalah yang
Lebih terperinciABSTRAK. Universitas Kristen Maranatha
ABSTRAK Seiring berkembangnya teknologi, digitalisasi sidik jari sudah sering digunakan, terutama pada passport, ID Card, visa dan dokumen lainnya. Karena kapasitas penyimpanan untuk menyimpan sidik jari
Lebih terperinciAplikasi Transformasi Wavelet Untuk Menghilangkan Derau Pada Sinyal Peluahan Sebagian
Aplikasi Transformasi Wavelet Untuk Menghilangkan Derau Pada Sinyal Peluahan Sebagian Swastiti Vinana Sari 1, Achmad Hidayatno 2, Abdul Syakur 2 Jurusan Teknik Elektro, Fakultas Teknik, Universitas Diponegoro,
Lebih terperinciJln. Telekomunikasi No.1 Terusan Buah Batu Bandung Indonesia
SIMULASI DAN ANALISIS SISTEM KLASIFIKASI BATUBARA MENGGUNAKAN DISCRETE WAVELET TRANSFORM (DWT), FUZZY COLOR HISTOGRAM (FCH) DAN K-NEAREST NEIGHBOR (K-NN) PADA CITRA DIGITAL Viona Apryaleva 1, Dr.Ir.Bambang
Lebih terperinciSeminar Nasional Aplikasi Teknologi Informasi 2009 (SNATI 2009) ISSN: Yogyakarta, 20 Juni 2009
IMPLEMENTASI DAN ANALISIS VIDEO WATERMARKING DENGAN FORMAT VIDEO MPEG BERBASIS WAVELET TRANSFORM (Implementation and Analysis Watermarking MPEG Video Base on Wavelet Transform) Eriel Mar 1, Koredianto
Lebih terperinciANALISA PERBANDINGAN REDUKSI NOISE PADA CITRA ANTARA DISCRETE WAVELET TRANSFORM (DWT) DENGAN DUAL-TREE COMPLEX WAVELET TRANSFORM (DTCWT)
Seminar Nasional Sistem dan Informatika 7; Bali, 6 November 7 SNSI7-3 ANALISA PERBANDINGAN REDUSI NOISE PADA CITRA ANTARA DISCRETE WAVELET TRANSFORM () DENGAN DUAL-TREE COMPLEX WAVELET TRANSFORM (DTCWT)
Lebih terperinciIMPLEMENTASI DISCRETE WAVELET TRANSFORM
IMPLEMENTASI DISCRETE WAVELET TRANSFORM (DWT) DAN ABSOLUTE MOMENT BLOCK TRUNCATION CODING (AMBTC) PADA SKEMA WATERMARKING UNTUK DETEKSI DAN RECOVERY CITRA MEDIS TERMODIFIKASI Dwi Yanita Apriliyana 1, Adiwijaya
Lebih terperinciBAB III METODE PENELITIAN. Alam Universitas Lampung pada bulan Februari 2014 sampai Mei 2014.
4 BAB III METODE PENELITIAN 3.. Waktu dan Tempat Pelaksanaan Penelitian ini dilaksanakan di Laboratorium Pemodelan Fisika dan Laboratorium Elektronika Dasar Jurusan Fisika Fakultas Matematika dan IImu
Lebih terperinciBAB I PENDAHULUAN. terbesar (39%), diikuti kanker (27%), sedangkan penyakit pernafasan kronis,
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Penyakit jantung menduduki peringkat teratas penyebab kematian di dunia. Proporsi penyebab kematian penyakit tidak menular (PTM) pada orangorang berusia kurang
Lebih terperinciDigital Watermarking Image dengan Menggunakan Discrete Wavelet Transform dan Singular Value Decomposition (DWT-SVD) untuk Copyright Labeling
Digital ing Image dengan Menggunakan Discrete Wavelet Transform dan Singular Value Decomposition (DWT-SVD) untuk Copyright Labeling Nur Anisah Jurusan Informatika Universitas Sebelas Maret Jl. Ir. Sutami
Lebih terperinciAPLIKASI TRANSFORMASI WATERSHED UNTUK SEGMENTASI CITRA DENGAN SPATIAL FILTER SEBAGAI PEMROSES AWAL
APLIKASI TRANSFORMASI WATERSHED UNTUK SEGMENTASI CITRA DENGAN SPATIAL FILTER SEBAGAI PEMROSES AWAL Murien Nugraheni Prodi Teknik Informatika Fak FTI UAD Jl. Prof. Dr. Soepomo, Janturan, Yogyakarta 55164,
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 terperinciWATERMARKING PADA BEBERAPA KELUARGA WAVELET
JURNAL MATEMATIKA DAN KOMPUTER Vol. 7. No. 3, 18-25, Desember 2004, ISSN : 1410-8518 WATERMARKING PADA BEBERAPA KELUARGA WAVELET Aris Sugiharto, Eko Adi Sarwoko Jurusan Matematika FMIPA Universitas Diponegoro
Lebih terperinciJurnal Rekursif, Vol. 4 No. 2 Juni 2016, ISSN
APLIKASI WATERMARK PADA CITRA DIGITAL MENGGUNAKAN KOMBINASI METODE DISCRETE COSINE TRANSFORM, DISCRETE WAVELET TRANSFORM DAN SINGULAR VALUE DECOMPOSITION Erin Yuni Reva 1, Boko Susilo 2, Endina Putri Purwandari
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Pengenalan Marka Jalan Marka jalan merupakan suatu penanda bagi para pengguna jalan untuk membantu kelancaran jalan dan menghindari adanya kecelakaan. Pada umumnya marka jalan
Lebih terperinciBAB 1 PENDAHULUAN. meruntuhkan bangunan-bangunan dan fasilitas umum lainnya.
BAB 1 PENDAHULUAN 1.1. Latar Belakang Gempa bumi merupakan fenomena alam yang sudah tidak asing lagi bagi kita semua, karena seringkali diberitakan adanya suatu wilayah dilanda gempa bumi, baik yang ringan
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang Masalah
BAB I PENDAHULUAN 1.1. Latar Belakang Masalah Perkembangan internet yang semakin canggih sangat membawa kemajuan yang semakin berarti dalam berbagai aspek terutama bagi negara yang berkembang. Perkembangan
Lebih terperinciBAB II TI JAUA PUSTAKA
BAB II TI JAUA PUSTAKA Pada bab ini akan dibahas mengenai teori-teori yang menunjang tugas akhir ini. Antara lain yaitu pengertian citra, pengertian dari impulse noise, dan pengertian dari reduksi noise.
Lebih terperinciBAB 3 ANALISIS DAN PERANCANGAN PROGRAM APLIKASI
BAB 3 ANALISIS DAN PERANCANGAN PROGRAM APLIKASI Bab ini berisi analisis pengembangan program aplikasi pengenalan karakter mandarin, meliputi analisis kebutuhan sistem, gambaran umum program aplikasi yang
Lebih terperinciPENINGKATAN MUTU CITRA (IMAGE ENHANCEMENT) PADA DOMAIN FREKUENSI. by Emy 2
Copyright @2007 by Emy 1 PENINGKATAN MUTU CITRA (IMAGE ENHANCEMENT) PADA DOMAIN FREKUENSI Copyright @2007 by Emy 2 Kompetensi Mampu membedakan teknik image enhancement menggunakan domain spatial dan frekuensi
Lebih terperinciISSN : e-proceeding of Engineering : Vol.3, No.2 Agustus 2016 Page 1470
ISSN : 2355-9365 e-proceeding of Engineering : Vol.3, No.2 Agustus 216 Page 147 SIMULASI DAN ANALISIS KEAMANAN TEKS MENGGUNAKAN METODE STEGANOGRAFI DISCRETE WAVELET TRANSFORM (DWT) DAN METODE ENKRIPSI
Lebih terperinciIMPLEMENTASI TEMU KEMBALI CITRA TEKSTUR MENGGUNAKAN ROTATED WAVELET FILTER
IMPLEMENTASI TEMU KEMBALI CITRA TEKSTUR MENGGUNAKAN ROTATED WAVELET FILTER M. Jamaluddin 1, Nanik Suciati 2, Arya Yudhi Wiajaya 3 1,2,3 Teknik Informatika, Fakultas Teknologi Informasi, Institut Teknologi
Lebih terperinciRancang Bangun Perangkat Lunak Transformasi Wavelet Haar Level 3 Pada Least Significant Bit (Lsb) Steganography
Rancang Bangun Perangkat Lunak Transformasi Wavelet Haar Level 3 Pada Least Significant Bit (Lsb) Steganography Abdul Haris 1, Febi Yanto 2 1,2 Teknik Informatika, Fakultas Sains dan Teknologi, UIN Sultan
Lebih terperinciAplikasi Wavelet Untuk Penghilangan Derau Isyarat Elektrokardiograf
Widodo, Aplikasi Wavelet Untuk Penghilangan Derau Isyarat Elektrokardiograf 95 Aplikasi Wavelet Untuk Penghilangan Derau Isyarat Elektrokardiograf Bernardinus Sri Widodo Program Studi Mekatronika, Universitas
Lebih terperinciBLIND WATERMARKING PADA CITRA DIGITAL MENGGUNAKAN DISCRETE WAVELET TRANSFORM (DWT) DAN SINGULAR VALUE DECOMPOSITION (SVD)
BLIND WATERMARKING PADA CITRA DIGITAL MENGGUNAKAN DISCRETE WAVELET TRANSFORM (DWT) DAN SINGULAR VALUE DECOMPOSITION (SVD) Disusun Oleh : Johansen Valentino (0822062) Jurusan Teknik Elektro, Fakultas Teknik,
Lebih terperinciBAB II LANDASAN TEORI. ke seluruh tubuh. Jantung bekerja non-stop selama kita hidup. Karena itu,
BAB II LANDASAN TEORI 2.1 Jantung Jantung adalah organ vital dalam tubuh kita yang bekerja memompa darah ke seluruh tubuh. Jantung bekerja non-stop selama kita hidup. Karena itu, pastikanlah jantung kita
Lebih terperinciISSN : e-proceeding of Engineering : Vol.4, No.2 Agustus 2017 Page 1980
ISSN : 2355-9365 e-proceeding of Engineering : Vol.4, No.2 Agustus 2017 Page 1980 IDENTIFIKASI DAN KLASIFIKASI KEMURNIAN SUSU SAPI BERDASARKAN PENGOLAHAN SINYAL VIDEO MENGGUNAKAN METODE DISCRETE WAVELET
Lebih terperinciANALISIS DAN SIMULASI REKONSTRUKSI VIDEO BERBASIS METODE SUPER-RESOLUSI
ANALISIS DAN SIMULASI REKONSTRUKSI VIDEO BERBASIS METODE SUPER-RESOLUSI ANALYSIS AND SIMULATION OF VIDEO RECONSTRUCTION BASED ON SUPER-RESOLUTION METHOD Kusuma Nindia Rizki 1, Iwan Iwut, ST., MT. 2, Suryo
Lebih terperinciPEMBERIAN TANDA AIR MENGGUNAKAN TEKNIK KUANTISASI RATA-RATA DENGAN DOMAIN TRANSFORMASI WAVELET DISKRIT
Abstrak PEBERIAN TANDA AIR ENGGUNAKAN TEKNIK KUANTISASI RATA-RATA DENGAN DOAIN TRANSFORASI WAVELET DISKRIT Nama ahasiswa : Tulus Sepdianto NRP : 1206 100 002 Jurusan : atematika FIPA-ITS Dosen Pembimbing
Lebih terperinciANALISIS DIGITAL AUDIO WATERMARKING BERBASIS LIFTING WAVELET TRANSFORM PADA DOMAIN FREKUENSI DENGAN METODE SPREAD SPECTRUM
ANALISIS DIGITAL AUDIO WATERMARKING BERBASIS LIFTING WAVELET TRANSFORM PADA DOMAIN FREKUENSI DENGAN METODE SPREAD SPECTRUM Agung Satrio Wibowo 1), Agung Suryahadiningrat Kusumanegara 2) Gelar Budiman 3)
Lebih terperinciJURNAL TEKNIK POMITS Vol. 2, No. 1, (2013) ISSN: ( Print) 1
JURNAL TEKNIK POMITS Vol. 2, No. 1, (201) ISSN: 27-59 (201-9271 Print) 1 Implementasi Citra dengan Menggunakan Regresi Linier dan Metode Wavelet Rina Kharisma Juwitasari, Diana Purwitasari, dan Rully Soelaiman
Lebih terperinci